Deep learning-based detection of cessation of breathing in pre-term infants

Resumen Técnico: Detección de la Cesación de la Respiración en Lactantes Pretérmino Basada en Aprendizaje Profundo

Planteamiento del Problema
La apnea de la prematuridad (AOP) es una complicación crítica en lactantes pretérmino, caracterizada por episodios recurrentes de Cesación de la Respiración (COBE, por sus siglas en inglés). La detección actual en las Unidades de Cuidados Intensivos Neonatales (UCIN) depende de monitores de cabecera que activan alarmas basadas en umbrales fijos para la frecuencia respiratoria, la frecuencia cardíaca y la saturación de oxígeno. Estos enfoques basados en reglas sufren de altas tasas de falsos positivos, fallando a menudo en capturar eventos cortos o irregulares, lo que contribuye a la fatiga por alarmas. Si bien el aprendizaje profundo ha avanzado en la detección de la apnea en adultos, su aplicación en poblaciones neonatales se ve limitada por la escasez de conjuntos de datos anotados de gran tamaño y la falta de una comparación sistemática entre arquitecturas modernas y modalidades de señal. Además, los estudios neonatales existentes suelen utilizar estrategias de segmentación heterogéneas y características diseñadas manualmente, lo que complica las comparaciones directas de rendimiento.

Metodología
El estudio utilizó un conjunto de datos clínicos que comprendía aproximadamente 430 horas de grabaciones de 24 lactantes pretérmino (edad gestacional media de 31.1 ± 1.8 semanas) monitorizados en una UCIN de alta dependencia. El conjunto de datos incluyó tres señales fisiológicas adquiridas de forma rutinaria:

1. Pneumografía de Impedancia (IP): Medida directa del esfuerzo respiratorio.
2. Electrocardiografía (ECG): Utilizada para derivar la respiración derivada del ECG (EDR) mediante la modulación de la amplitud del pico R.
3. Fotopletismografía (PPG): Utilizada para derivar una envolvente respiratoria a partir de las variaciones del volumen sanguíneo arterial pulsátil.

Anotación y Preparación de Datos:
Los eventos COBE se definieron clínicamente como pausas respiratorias ≥20 segundos, o ≥10 segundos acompañadas de bradicardia (<100 lpm) o desaturación de oxígeno (SpO2 < 80%). Un algoritmo de cribado automatizado identificó eventos de desaturación candidatos, que luego fueron anotados manualmente por tres revisores independientes (un clínico, dos ingenieros biomédicos) utilizando una interfaz personalizada de MATLAB. El conjunto de datos final consistió en 346 eventos COBE y 608 segmentos no COBE. Estos se segmentaron en ventanas de 20 segundos con un paso de 10 segundos, generando 6,678 ventanas de análisis.

Arquitecturas de Aprendizaje Profundo:
Los autores evaluaron tres familias de redes neuronales convolucionales 1D, adaptadas de arquitecturas de clasificación de imágenes a series temporales fisiológicas:

1. CNN Superficial (Shallow CNN): Una arquitectura de seis capas basada en Urtnasan et al., modificada con tamaños de núcleo y estrategias de agrupación específicos para señales neonatales.
2. Redes Residuales (ResNets): Variantes de ResNet-18, ResNet-34 y ResNet-50, adaptadas para entradas 1D con canales de características reducidos.
3. ConvNeXt: Una arquitectura moderna adaptada para señales 1D, evaluada con tamaños de núcleo por defecto y más grandes, y anchuras de características reducidas.

Los modelos fueron probados en configuraciones unimodales (usando IP, EDR o la envolvente de PPG de forma individual) y configuraciones multimodales utilizando tanto fusión temprana (concatenación de entradas en el tallo de la red) como fusión tardía (concatenación de características antes del clasificador).

Protocolo de Evaluación:
Para evitar la fuga de datos, el conjunto de datos se dividió a nivel de lactante. Se realizó una validación cruzada de cinco pliegues sobre 20 lactantes, con un conjunto de prueba completamente independiente que comprendía los datos de 4 lactantes excluidos. El rendimiento se evaluó mediante exactitud equilibrada, sensibilidad, precisión, puntuación F1 y el coeficiente κ de Cohen, utilizando funciones de pérdida ponderadas por clase para abordar el desequilibrio de clases.

Resultos Clave

• Dominancia de la Modalidad de Señal: En todas las arquitecturas, la elección de la señal de entrada tuvo un impacto mucho mayor en el rendimiento que la complejidad arquitectónica.
  • Los modelos basados en IP lograron consistentemente la exactitud equilibrada más alta, con un rango de 86.8% a 88.0% en el conjunto de prueba independiente.
  • Los modelos de ECG-derivados (EDR) obtuvieron un rendimiento significativamente inferior, con exactitudes equilibradas entre el 62.6% y el 69.7%.
  • Los modelos derivados de PPG alcanzaron exactitudes equilibradas entre el 65.1% y el 66.4%.
• Rendimiento Arquitectónico: Aunque los modelos más profundos y complejos ofrecieron mejoras marginales, las ganancias fueron modestas.
  • La arquitectura ConvNeXt generalmente superó a la CNN superficial y a las ResNets.
  • La mejor configuración fue un modelo ConvNeXt utilizando fusión tardía de entradas de IP y PPG, logrando una exactitud equilibrada de 88.7% y una puntuación F1 de 0.75 en el conjunto de prueba independiente.
  • La fusión multimodal proporcionó solo mejoras incrementales sobre la IP sola, lo que sugiere que la señal respiratoria directa (IP) contiene la mayor parte de la información discriminativa.

Significación y Reivindicaciones
El artículo afirma proporcionar la primera evaluación sistemática de una arquitectura ConvNeXt 1D para la detección de COBE neonatal, junto con comparaciones controladas con modelos CNN y ResNet bajo protocolos de preprocesamiento y evaluación idénticos. La contribución principal es la demostración de que la modalidad de la señal es el determinante primario del rendimiento de la detección en entornos neonatales con restricciones de datos, superando a la complejidad arquitectónica.

Los autores sostienen que los modelos de aprendizaje profundo aplicados a señales monitorizadas rutinariamente en la UCIN pueden lograr una detección fiable de los eventos COBE sin requerir hardware de detección adicional. Sin embargo, mantienen una postura modesta respecto a la traslación clínica, señalando que, si bien el rendimiento de la detección es sólido, es necesaria una validación prospectiva de la carga de alarmas dentro de los flujos de trabajo operativos antes de su implementación. El estudio destaca que el rendimiento superior de los modelos basados en IP refleja su medición directa de la mecánica respiratoria, mientras que el ECG y la PPG sirven como sustitutos indirectos menos fiables en esta población específica.