3-D-Fotos des Gesichtes als Screening-Tool für Schlafapnoe?

Gesichtsmerkamale, die auf einer Analyse dreidimensionaler Fotos basieren, könnten das Risiko einer Schlafapnoe vorhersage. Foto: Journal of Clinical Sleep Medicine

Eine Analyse einer auf dreidimensionalen Fotografien basierenden Gesichtsmerkmalen könnte vorhersagen, wie wahrscheinlich es ist, dass Personen an obstruktiver Schlafapnoe leiden. Das legen aktuelle Studienergebnisse nahe.

Mit 89 Prozent Wahrscheinlichkeit lies sich im Rahmen der Studie vorhersagen, ob jemand unter Schlafapnoe (OSA) leidet. Diese Vorhersage basiert auf geodätischen Messungen, also die kürzeste Distanz zwischen zwei Messpunkten auf einer unebenen Oberfläche, die aus dreidimensionalen Fotoaufnahmen der Gesichter basierten. In 86 Prozent der Fälle richtig lag der Algorithmus, wenn nur zweidimensionale lineare Messungen vorgenommen wurden. Mit Algorithmus der lineare und geodätische Messdaten kombiniert, konnte eine Genauigkeit von 91 Prozent erreicht werden.

„Die Anwendung der Technik nutze prädeterminierte Leitstrukturen auf Gesicht und Hals“, erläutert der Studienleiter Peter Eastwood, der am Zentrum für Schlafmedizin an der University of Western Australia (UWA) promoviert. „Geodätische und lineare Abstände zwischen diesen Leitstrukturen wurden bestimmt und ein linearer Unterscheidungs-Algorithmus wurde trainiert, getestet und genutzt, um Individuen mit einem hohen oder niedrigen Risiko für OSA zu klassifizieren.“

In die Studie wurden 300 Teilnehmer mit variierenden Schweregraden an OSA und 100 Probanden ohne OSA eingeschlossen. Rekrutiert wurden die Studienteilnehmer an einem lokalen Krankenhaus und aus der Raine-Studie, ein longitudinale, westaustralische Kohortenstudie. Alle verbrachten eine Nacht im Schlaflabor und es wurden 3-D-Aufnahmen mit einem craniofazialen Scannersystem angefertigt. Diese Daten wurden verwendet, um einen prädikativen Algorithmus zu entwickeln, der an einem anderen Patienten getestet wurde.

Eastwood arbeitete für die Studie mit Syed Zulqarnain Gilani, Informatiker an der UWA, zusammen, um die Gesichtsmerkmale zu identifizieren, die am häufigsten mit Schlafapnoe assoziiert waren. Solche Merkmale waren etwa die Breite des Halses oder der Grad der Retrusion des Unterkiefers. Die Studie konnte aber auch andere mögliche Indikatoren identifizieren. „Die Daten dieser Studie zeigen, dass auch andere Merkmale wie die Breite und Länge des Unterkiefers, Breite des Gesichtes oder der Augenabstand dazu beitragen Individuen mit und ohne OSA zu unterscheiden“, sagt Eastwood.

In einem in der gleichen Ausgabe des Journal of Clinical Sleep Medicine erschienen Kommentar bescheinigen dessen Autoren – Dr. Ofer Jacobowitz and Dr. Stuart McKay – der 3-D-Fotografie als Screening-Tool für OSA eine große Rolle in der Zukunft, möglicherweise kombiniert mit Daten von Digital-Health-Anwendungen der Patienten oder ihrer Krankeitsgeschichte. Im Kommentar heißt es: „Bestimmte Wearables sind bereits in der Lage zur Pulsoximetrie und machen stellen eine Variabilitätsanalyse der Pulsoximetrie zur Verfügung. Ebenso wird das Zuhause in der Zukunft wahrscheinlich Sensoren im Schlafzimmer haben, die physiologische Schlafdaten sammeln, indem sie Optik, Akustik, Infrarot oder ähnliche Techniken nutzen.“

Laut Eastwood ist eine genetische Veranlagung zur OSA durch frühere Studien belegt und die Struktur des Gesichts ist eine wesentliche Komponente einer solchen Prädisposition. Dies veranlasste Forscher dazu eine zugängliche und bezahlbar Screening-Methode zu entwickeln, die auf Gesichtsmerkmalen basiert. Die 3-D-Fotografie des Gesichts könnte das erste günstige, breit verfügbare Screening-Instrument für Schlafapnoe sein, zeigt sich Eastwood überzeugt. „OSA ist ein großes Problem für die öffentliche Gesundheit und obwohl effektive Therapieoptionen zur Verfügung stehen, wird die OSA bei vielen zur Zeit nicht diagnostiziert“, betont Eastwood. „Deshalb braucht es einfache, akkurate Screening-Instrumente, um vorherzusagen wer unter OSA leidet.“
(red/ja)

Originalpublikation: Eastwood P et al. Predicting sleep apnea from three-dimensional face. J Clin Sleep Med 2020;16(4):493–502.