Développement d'algorithmes prédictifs du risque cardiovasculaire chez les patients investigués pour suspicion du syndrome d’apnées du sommeil - PREDIVASC

Development of predictive algorithms of cardiovascular risk for patients investigated for suspected sleep apnea syndrome

• Auteur / Autrice : Margaux Blanchard
• Direction : Jean-Marc Girault, Frédéric Gagnadoux, Mathieu Feuilloy
• Type : Thèse de doctorat
• Discipline(s) : Acoustique
• Date : Soutenance le 12/10/2022
• Etablissement(s) : Le Mans
• Ecole(s) doctorale(s) : Sciences de l'ingénierie et des systèmes (Nantes Université)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'acoustique de l'Université du Mans - Laboratoire d'Acoustique de l'Université du Mans / LAUM
• Jury : Président / Présidente : Régine Le Bouquin Jeannès
• Jury : Examinateurs / Examinatrices : Amine Naït-Ali, Anne Humeau
• Jury : Rapporteurs / Rapporteuses : Philippe Ravier, Sofiane Boudaoud
• DOI : 10.70675/95f1039azdca0z42d1zb815ze8358c1ba8ba

Mots clés

Mots clés contrôlés

Syndromes des apnées du sommeil

Complications (médecine)

Maladies cardiovasculaires

Modélisation prédictive

Apprentissage profond

Mots clés libres

Apprentissage automatique

Risque cardiovasculaire

Apnées du sommeil

Machine learning

Cardiovascular risk

Sleep apnea

Résumé

Le syndrome d'apnées du sommeil (SAS) est un trouble du sommeil très fréquent, entraînant de nombreuses conséquences, dont des complications cardiovasculaires. Les maladies cardiovasculaires étant la première cause de décès dans le monde, leur prévention est primordiale. Les cliniciens ont besoin d'évaluer le risque cardiovasculaire pour adapter le traitement contre le SAS. Cependant, il n'existe pas d'estimateur du risque cardiovasculaire adapté à cette population particulièrement à haut risque. L'examen du sommeil réunit toutes les informations permettant une estimation de ce risque. Nous avons proposé un nouvel outil basé sur 5 506 patients de la cohorte sommeil des Pays de la Loire et une approche d'apprentissage profond, combinant des signaux enregistrés pendant l'examen du sommeil et des variables cliniques. Une aire sous la courbe de ROC de 0,82 a été atteinte, surpassant les performances des estimateurs existants et illustrant l'intérêt d'utiliser les données issues du sommeil pour estimer le risque cardiovasculaire.

Sleep apnea syndrome (SAS) is a very common sleep disorder, leading to various consequences, including cardiovascular complications. Cardiovascular diseases are the first cause of death worldwide so prevention is essential. Clinicians need to assess cardiovascular risk to adapt treatment for SAS. However, there is no cardiovascular risk estimator adapted to this particularly high-risk population. The sleep exam gathers all the information allowing an estimation of this risk. We proposed a new tool based on 5,506 patients from the Pays de la Loire sleep cohort and a deep learning approach, combining signals recorded during the sleep exam and clinical variables. An area under the ROC curve of 0.82 was achieved, surpassing the performance of existing estimators and illustrating the benefit of using sleep data to estimate cardiovascular risk.