Intégration des informations phénotypiques de l'apnée obstructive du sommeil et des représentations profondes des séquences d'événements de sommeil pour la prédiction du risque cardiovasculaire

Résumé Contexte : Les avancées dans les technologies mobiles, portables et d'apprentissage machine (ML) pour la collecte et l'analyse des données de santé à long terme ont ouvert de nouvelles possibilités pour prédire et prévenir les maladies cardiovasculaires (MCV). Pendant ce temps, l'association entre l'apnée obstructive du sommeil (AOS) et le risque cardiovasculaire est bien reconnue. Cette étude cherche à explorer des stratégies efficaces pour intégrer les informations phénotypiques de l'AOS et les informations physiologiques nocturnes pour une prédiction précise du risque cardiovasculaire dans la population générale. Méthodes : 1 874 participants sans antécédents de MCV du jeu de données MESA ont été inclus pour la prédiction du risque cardiovasculaire sur 5 ans. Quatre phénotypes d'AOS ont d'abord été identifiés par le clustering K-mean sur la base de caractéristiques polysomnographiques (PSG) statiques. Ensuite, plusieurs modèles ML agnostiques au phénotype et spécifiques au phénotype, ainsi que des modèles d'apprentissage profond (DL) intégrant des représentations profondes des séquences de caractéristiques d'événements de sommeil nocturne, ont été construits pour la prédiction du risque cardiovasculaire. Enfin, une analyse de l'importance des caractéristiques a été réalisée en calculant des valeurs SHapley Additive exPlanations (SHAP) pour toutes les caractéristiques à travers les quatre phénotypes afin de fournir une interprétabilité du modèle. Résultats : Tous les modèles ML ont montré une performance améliorée après l'incorporation des informations phénotypiques de l'AOS. Le modèle DL formé avec la stratégie de formation contrastive de phénotype proposée a obtenu les meilleures performances, atteignant une aire sous la courbe du Caractéristique de Fonctionnement du Récepteur (ROC) de 0,877. De plus, les caractéristiques PSG et de FRÉQUENCE ALIMENTAIRE ont été reconnues comme des facteurs de risque cardiovasculaire significatifs à travers tous les phénotypes, chaque phénotype mettant en avant des caractéristiques uniques. Conclusion : Les modèles qui tiennent compte des phénotypes de l'AOS sont préférés, et les facteurs de style de vie devraient être un point d'accent plus important pour une prévention cardiovasculaire précise et une gestion des risques dans la population générale.