Stadiare il sonno è un problema di classificazione di serie temporali multicanale dove le etichette le fissano regole cliniche, non un consenso statistico. Lo standard di riferimento è il manuale di scoring dell’American Academy of Sleep Medicine (AASM): a ogni epoca di 30 secondi assegna una fra cinque etichette (W, N1, N2, N3, REM), secondo criteri morfologici espliciti sull’elettroencefalogramma (EEG), sull’elettrooculogramma (EOG) e sull’elettromiogramma (EMG) del mento. Chi costruisce un classificatore automatico lavora quindi contro un ground truth normato, e da qui dipende tutto il discorso sulla validazione.

Il problema, in concreto

La polisonnografia (PSG) registra in parallelo, per tutta la notte, più segnali fisiologici: l’attività corticale (EEG, di solito derivazioni frontali, centrali e occipitali), i movimenti oculari (EOG), il tono muscolare (EMG sottomentoniero) e quasi sempre respiro, saturazione, posizione, ECG. Chi referta divide la registrazione in epoche da 30 secondi e a ciascuna assegna uno stadio seguendo il manuale AASM, oggi alla versione 2.3 (2016). Le regole sono operative: N2, per esempio, richiede complessi K o fusi del sonno quando mancano i criteri per N3; N3 è definito da una quota di onde lente (0,5–2 Hz, ampiezza superiore a 75 µV) che copra almeno il 20% dell’epoca.

Da qui due conseguenze tecniche. La prima: l’etichetta non è una verità fisica, è il risultato di un protocollo. L’accordo fra refertatori su PSG umane sta tipicamente attorno all’80–83% di concordanza epoca per epoca, e quella è la soglia oltre la quale un classificatore automatico non si può validare contro un singolo refertatore senza assorbire il rumore dell’etichetta. La seconda: le classi sono molto sbilanciate — N2 domina, N1 è minoritaria e mal definita — e questo rende l’accuratezza grezza una metrica debole, e impone F1 macro e matrici di confusione per stadio.

Segnali, formati e dati disponibili

Lo scambio delle registrazioni PSG poggia su uno standard stabile e datato: l’European Data Format (EDF), del 1992, e la sua estensione EDF+ del 2003 (Kemp & Olivan, Clinical Neurophysiology 114), che aggiunge annotazioni temporizzate, registrazioni discontinue e ipnogrammi codificati come canale di annotazioni. Un dataset PSG tipico è quindi una coppia: il segnale in EDF, l’ipnogramma di riferimento in EDF+.

Tra i dati pubblici il riferimento è la Sleep-EDF Database [Expanded] su PhysioNet, portata nel 2013 a 61 notti di PSG con ipnogrammi (EEG Fpz-Cz e Pz-Oz, EOG orizzontale, EMG del mento, campionati a 100 Hz). Per gli standard del machine learning è un corpus piccolo, e questo è il vincolo che pesa di più: a decidere quanto si può davvero validare è la scarsità di registrazioni annotate, non la potenza dei modelli. Chi ci lavora sopra arriva presto a dover stringere accordi con i centri del sonno per avere casistica clinica reale.

Due famiglie di approcci

Il campo si divide in due tradizioni che misurano cose diverse.

L’actigrafia stima sonno e veglia dal solo movimento del polso: un accelerometro produce activity counts per epoca. Gli algoritmi storici — Cole-Kripke (1992) e Sadeh (1994) — combinano linearmente, con pesi, i conteggi su una finestra temporale, poi applicano regole di ri-scoring. Sono robusti e validati, ma con un limite strutturale noto: alta sensibilità nel rilevare il sonno (0,88–0,96) e bassa specificità sulla veglia (0,35–0,64). In pratica, chi è sveglio ma immobile a letto finisce classificato come addormentato. E l’actigrafia non distingue gli stadi: separa sonno da veglia, niente di più.

La stadiazione da PSG affronta il problema completo, a cinque classi. Qui, a fine 2016, il machine learning ha raggiunto risultati in linea con l’accordo fra umani: Tsinalis et al. (arXiv:1610.01683, ottobre 2016) classificano gli stadi da EEG a singolo canale con reti convoluzionali, riportano un F1 medio attorno all’81% e — è il punto interessante — osservano che i filtri appresi corrispondono ai criteri morfologici del manuale AASM. La rete, addestrata solo sulle etichette, riscopre le features che i refertatori usano in modo esplicito. Più che bravura del modello, è un indizio: l’informazione utile alla stadiazione sta proprio dove la clinica la colloca.

Il punto critico: validare contro un ground truth rumoroso

La difficoltà non è addestrare un classificatore, è dimostrarne l’affidabilità. Si intrecciano tre vincoli.

Primo, il tetto del ground truth: se due refertatori concordano all’80%, un classificatore che concorda all’85% con un singolo refertatore non è per forza migliore — può aver imparato le idiosincrasie di quel refertatore. Una validazione corretta richiede consensus scoring da più lettori, che nei dataset pubblici è costoso e raro.

Secondo, la generalizzazione tra montaggi e popolazioni: derivazioni EEG diverse, hardware diverso, fasce d’età diverse spostano la distribuzione dei segnali. Un modello che gira su Sleep-EDF non gira in automatico su registrazioni cliniche con montaggio AASM completo. La verifica che conta è la validazione cross-dataset, ed è proprio quella che a inizio 2017 la maggior parte dei lavori pubblicati non riporta.

Terzo, lo sbilanciamento: N1 ha poche epoche ed è la classe su cui anche gli umani concordano peggio. Un’accuratezza complessiva del 74% può nascondere un F1 sotto 0,45 su N1. Senza il dettaglio per classe, il numero aggregato dice poco.

Cosa cambia sul piano regolatorio in Europa

In Europa un software che produce un output a sostegno della valutazione clinica del sonno rientra nella Direttiva sui Dispositivi Medici 93/42/CEE. La classe di rischio dipende dalla destinazione d’uso dichiarata. Un software con funzione informativa o di supporto, senza funzione di misura né condizioni di sterilità, rientra di norma in Classe I: lì la valutazione di conformità è responsabilità diretta del fabbricante e non chiama in causa un Organismo Notificato — restano comunque l’obbligo del fascicolo tecnico, la gestione del rischio secondo EN ISO 14971, il ciclo di vita del software secondo IEC 62304 e la valutazione clinica secondo MEDDEV 2.7.1 Rev. 4 (giugno 2016). La marcatura CE in Classe I è un’autodichiarazione, ma la documentazione di validazione che la regge è esattamente il punto critico di sopra: senza una catena tracciabile da dataset a metrica per classe a confronto con il consensus scoring, il fascicolo tecnico non sta in piedi.

Limiti

Quanto sopra fotografa lo stato della pratica a inizio 2017 e lascia aperte due questioni. La prima è il passaggio dall’EEG da laboratorio ai sensori indossabili a basso costo (accelerometro, fotopletismografia, frequenza cardiaca), dove il segnale è più povero e l’actigrafia resta il riferimento debole a disposizione. La seconda è la mancanza di un benchmark pubblico ampio con consensus scoring da più refertatori: finché non c’è, ogni numero di accuratezza va letto come relativo al refertatore e al montaggio del dataset su cui è stato misurato, non come proprietà assoluta del modello.

Attorno a questi vincoli — stadiazione da serie temporali polisonnografiche e actigrafiche, percorso verso la certificazione medicale EU di Classe I — nasce la startup SleepActa, di cui noze ha documentato la costituzione formale in un insight: https://www.noze.it/insights/sleepacta-costituzione/.

Immagine di copertina: Paziente con elettrodi applicati alla testa e fili collegati per la registrazione di una polisonnografia (esame del sonno) — foto di Robert Lawton, CC BY-SA 2.5 — https://commons.wikimedia.org/wiki/File:Pediatric_polysomnogram.jpg