В СамГМУ создали цифровых помощников для выявления причин плохого сна

19.03.2026

Ученые Самарского государственного медицинского университета Минздрава России (СамГМУ) разработали и испытали два взаимодополняющих программных прототипа на основе искусственного интеллекта, которые позволяют одновременно оценивать структуру сна по электроэнцефалограмме и выявлять дыхательные нарушения (апноэ, гипопноэ, храп). В НИИ нейронаук СамГМУ, где разработали новые прототипы, уверены, что их совместное применение обеспечит комплексный подход к диагностике нарушений сна.

Первый прототип — программный модуль для автоматического обнаружения дыхательных нарушений по аудиозаписям на основе анализа мел-спектрограмм. Мел-спектрограмма — это способ преобразования звука (в данном случае записи дыхания и храпа) в визуальное изображение, с которым удобно работать алгоритмам искусственного интеллекта. Прототип автоматизирует первичный анализ и снижает долю рутинной работы специалистов. Уже зарегистрирована компьютерная программа для выявления синдрома апноэ сна на основе анализа звуков храпа с использованием технологий искусственного интеллекта. Прототип успешно прошел тестирование на реальных записях пациентов, подтвердив свою эффективность. Программа умеет формировать стандартные отчеты, которые содержат ключевые метрики качества классификации и помогают врачу быстро оценить характер нарушений. Следующий этап — доработка решения под задачи коммерческого использования и его внедрение в медицинскую практику.

Второй прототип — это программное решение, которое автоматически расшифровывает данные полисомнографии и классифицирует стадии сна по электроэнцефалограмме. Полисомнография — это комплексное исследование сна, в ходе которого регистрируются десятки параметров: мозговая активность, движения глаз, мышечный тонус, дыхание и работа сердца. Классификация стадий сна (бодрствование, быстрый сон, поверхностный и глубокий медленный сон).

В основе прототипа лежит модель глубокого обучения, которая обрабатывает сигналы ЭЭГ и распределяет каждые 30 секунд записи по соответствующей стадии сна. Такой подход имитирует логику врача, который оценивает сон не как набор изолированных отрезков, а как непрерывный процесс.

Важная особенность разработки — возможность дообучать модель на данных конкретной клиники или исследовательской группы. Это позволяет адаптировать алгоритм под особенности пациентов и специфику записывающего оборудования, повышая точность классификации.

В настоящее время функциональный прототип протестирован на реальных записях: исследователи подтвердили, что он правильно определяет стадии сна даже по одноканальной ЭЭГ. На разработку получено свидетельство о регистрации программы для ЭВМ. В ближайших планах разработчиков — клинические испытания, интеграция с медицинскими информационными системами и подготовка документов для официальной регистрации в качестве медицинского изделия.

«В совокупности оба решения ориентированы на врачей-сомнологов, неврологов, специалистов функциональной диагностики, клиники и лаборатории полисомнографии, а также исследовательские коллективы. Комплексный подход создаёт технологическую основу для масштабируемого мониторинга качества сна: от ускоренной расшифровки исследований и скрининга нарушений сна до контроля эффективности терапии и поддержки научных исследований. Это позволит обеспечить переход от разрозненных интерпретаций к единому, объективному и воспроизводимому цифровому контуру анализа сна», — комментирует директор НИИ нейронаук СамГМУ Александр Захаров.

В дальнейшем решения могут быть внедрены в сомнологических центрах и телемедицинских сервисах, чтобы сделать диагностику нарушений сна более доступной для пациентов.