Au-delà de la classification traditionnelle du sommeil : extraction massive et classification non supervisée des données polysomnographiques

Les règles établies pour la classification du sommeil ont été développées pour l’inspection visuelle des enregistrements électrophysiologiques. Ainsi, ces règles ne prennent en compte que certaines propriétés du signal, ce qui limite l’étude des changements physiologiques se manifestant pendant le sommeil. Dans cette étude, nous présentons un nouveau cadre d’analyse se basant sur la caractérisation exhaustive des dynamiques du sommeil, grâce à l’application systématique de plus de 7700 opérations statistiques (hctsa, highly comparative time-series analysis). Après l’extraction massive des propriétés du signal, nous avons classifié des enregistrements polysomnographiques de façon non supervisée, guidée par la similarité des valeurs générées par l’ensemble des opérations hctsa, sans dépendre des règles conventionnelles de classification du sommeil. La structure du sommeil qui résulte de notre approche s’est révélée être très proche de la classification traditionnelle. En revanche, nous avons observé des divergences notables, qui semblent dues à la détection de propriétés physiologiques distinctes capturées par hctsa au sein des stades traditionnels de sommeil. Notre approche souligne donc une hétérogénéité importante des propriétés physiologiques qui sont ignorées durant l’inspection visuelle des enregistrements électrophysiologiques. Notre nouveau cadre d’analyse constitue une première étape vers une exploration du sommeil guidée par les données, et représente un outil prometteur pour l’identification de sous stades de sommeil.