Möglichkeiten der automatischen Schlafstadienklassifikation und ihre Grenzen

Transkript

1 128 Originalia Möglichkeiten der automatischen Schlafstadienklassifikation und ihre Grenzen Automatic Sleep Stage Classification: Potential and Limitations Autoren Institut T. Penzel, I. Fietze, C. Veauthier CCM-CC11, Interdisziplinäres Schlafmedizinisches Zentrum, Charité-Universitätsmedizin Berlin Schlüsselwörter Polysomnografie Computer-gestützte Schlaf-Aufzeichnung Cyclic alternating pattern Schlaf-EEG EOG EMG Key words polysomnography computer-assisted sleep recording cyclic alternating pattern sleep EEG EOG EMG Bibliografie DOI /s Online-Publikation: Klin Neurophysiol 2015; 46: Georg Thieme Verlag KG Stuttgart New York ISSN Korrespondenzadresse Prof. Dr. rer. physiol. Thomas Penzel Interdisziplinäres Schlafmedizinisches Zentrum Charité-Universitätsmedizin Berlin Charitéplatz Berlin thomas.penzel@charite.de Zusammenfassung Die Referenzuntersuchung im Schlaflabor ist die kardiorespiratorische Polysomnografie. Diese ist bezogen auf Signalkonfiguration, Aufnahmetechnik und Visualisierung gut standardisiert. Die Untersuchung erfordert einen hohen Zeitaufwand bei Aufzeichnung und visueller Auswertung. Eine computergestützte Auswertung kann den Zeitaufwand reduzieren und die Reliabilität der Auswertung verbessern. Eine computergestützte Auswertung ist bislang nicht akzeptiert, da diagnoserelevante Fehlklassifikationen befürchtet werden. Die Prinzipien einer automatischen Schlafauswertung sind bekannt. Sie kann das Auftreten von Mustern quantitativ zusammenfassen und erleichtert Vergleiche, die aufgrund des Aufwands einer visuellen Analyse nicht zugänglich sind: Statistik, Zählen von Mustern, Arousal und Mikrostruktur des Schlafes. Klassische Frequenzanalysen und neue Auswertemethoden, auch unter Einsatz nichtlinearer Analysen, sind sehr hilfreich für die Beantwortung von Forschungsfragen und zur Charakterisierung von Schlaf EEG Abnormitäten. Die computergestützte Auswertung von schlafbezogenen Atmungsstörungen und Bewegungsstörungen ist zuverlässig und wird auch eingesetzt, sofern man sich auf eine Sensortechnik geeinigt hat und die benutzten Amplituden Definitionen angibt. Um mit den herkömmlichen Kennwerten der schlafmedizinischen Befunde (Schlafzeiten, Prozente Schlafstadien, Schlafeffizienz, Latenzen) kompatibel zu bleiben, ist eine visuelle Bearbeitung oder Überarbeitung der automatisch berechneten Schlafstadien weiterhin erforderlich. Abstract The reference method for sleep recording in a sleep medicine center is cardiorespiratory polysomnography. This method is well standardized in terms of signal choice, recording technology and visual presentation. A sleep study requires much time for recording and subsequent visual scoring. A computer-based scoring can reduce time and effort and improve reliability of the result. A computer-based scoring is not yet accepted because of potential misclassifications, which may lead to false diagnoses. The principles of automatic sleep scoring are well known and documented. Automatic sleep scoring can summarize patterns quantitatively and enables a comparison of result, which is not possible by visual scoring alone: statistics, counting of patterns, arousal scoring, and sleep microstructure analysis. Classical methods such as frequency analysis and new methods, including nonlinear signal processing, can be of great help in answering research questions and for characterizing sleep EEG abnormalities. The computer-supported scoring of sleep-related breathing disorders and sleep-related movement disorders is reliable and is widely used in clinical practice. It is reliable if applicants agree on the sensor technology applied and specify the amplitude criteria chosen. In order to remain compatible with values from previous sleep study reports (sleep duration times, percent spent in each sleep stage, sleep efficiency, latencies), a visual scoring or a re-scoring of automated sleep analysis is indispensable. Einleitung Zunehmend klagen Menschen über Schlafstörungen [1]. Sobald Schlafstörungen zu einer erheblichen Beeinträchtigung der sozialen und beruflichen Aufgaben und Verpflichtungen führen, suchen die Betroffenen ärztliche Hilfe. Die berichteten Beschwerden und Symptome wie Ein- und Durchschlafstörungen und Tagesschläfrigkeit sind meistens unspezifisch. Eine gezielte schlaf-

2 Originalia 129 medizinische Anamnese ist der erforderliche erste Schritt vor jeder weiter gehenden körperlichen Untersuchung. Mit Wissen um Schlafphysiologie, Schlafregulation und den häufigsten Schlafstörungen kann oft eine gute Verdachtsdiagnose gestellt werden [2]. Instrumente wie Schlaftagebuch und validierte Fragebögen stehen unterstützend zur Verfügung. Zusätzliche neurophysiologische Untersuchungen am Tage können die nicht erholsame Wirkung des Schlafes belegen. Dies kann durch einfache Reaktionszeittests und durch validierte elektrophysiologische Untersuchungen wie den Multiplen Schlaflatenz Test (MSLT) oder den Multiplen Wachhalte Test (MWT) erfolgen [2]. Der Schlaf selbst entzieht sich dem Bewusstsein und damit sind viele schlafmedizinische Störungen einer direkten Anamnese nicht zugänglich. Die kardiorespiratorische Polysomnografie (PSG) ist die grundlegende diagnostische Untersuchung der Schlafmedizin im Schlaflabor. Ergänzend zur schlafmedizinischen Anamnese ermöglicht die Polysomnografie eine diagnostische Klärung der meisten schlafmedizinischen Erkrankungen. Da es sich bei der PSG um eine zeitintensive Untersuchung handelt (sowohl für den Untersuchten als auch für die Untersuchenden), muss die Indikationsstellung zur PSG besonders sorgfältig erfolgen. Zur Einleitung einer schlafmedizinischen Therapie und im Therapieverlauf ist die kardiorespiratorische Polysomnografie die beste Methode um Effekte abgesichert zu dokumentieren. Die Auswahl der aufzuzeichnenden Signale ist gesichert und die apparative Ausstattung der computergestützten Polysomnografie ist gut standardisiert [5]. Die Evidenz der Methode Polysomnografie gilt heute als gesichert. Über die Methoden und den personellen Aufwand bei der visuellen Auswertung der Schlafmessung wird dagegen weiter diskutiert. Prinzipiell stehen mehrere Auswertungsstrategien für die digital aufgezeichnete PSG zur Verfügung: a) die visuelle (manuelle) Bewertung und Klassifikation der Signale durch einen Experten, im nachfolgenden Auswerter/ Scorer genannt b) die computerunterstützte Auswertung (auch halbautomatisierte Auswertung genannt), bei der durch die Software zunächst eine automatisierte Auswertung erfolgt, die durch einen Auswerter korrigiert wird. c) die vollautomatisierte Analyse mithilfe eines Computer- Programmes (Software) Die Reliabilität der visuellen Auswertung ist durch die Subjektivität des Auswerters beschränkt. Ein gutes regelmäßiges Training der Scorer kann die Intra- und Interrater Variabilität reduzieren und in einem überschaubaren Rahmen halten [6]. Sie kann effektiv, bezogen auf einen Epochen basierten Vergleich, auf eine Varianz von 5 bis 10 % eingegrenzt werden. Im Vergleich dazu bietet die vollautomatische Auswertung eine perfekte Intraund Interrater Variabilität. Gleichzeitig wird eine eingeschränkte Sensitivität und Spezifität der Algorithmen im Vergleich zur Erfahrung durch den Schlafmediziner befürchtet, was im Ergebnis die Reliabilität reduzieren kann. In dieser Übersicht wird die Reliabilität und Validität der halbautomatisierten und vollautomatisierten Schlafstadien-Analyse sowie der PSG insgesamt dargestellt. Eine Literaturrecherche umfasste die Literatur der zurückliegenden Jahre und stützte sich auf eine Medline-Suche. Es wurden auch bislang bekannte Artikel zu diesem Thema mit berücksichtigt. Außerdem wurden die Literatur-Verzeichnisse der Artikel nach relevanten Referenzen durchsucht. Bezüglich der räumlich-strukturellen Voraussetzung der kardiorespiratorischen PSG sei auf eine frühere Übersicht verwiesen, welche 2007 in dieser Zeitschrift veröffentlicht wurde [3]. Die Voraussetzungen haben sich nicht wesentlich verändert. Polysomnografie Aufzeichnung und visuelle Auswertung Auf der Basis der bisherigen Studien besteht Einigkeit welche Signale bei einer kardiorespiratorischen Polysomnografie aufgezeichnet werden müssen. Die Auswahl der Signale richtet sich nach der Diagnostik der Schlafstörungen und erfasst damit die Funktionen, die normal oder gestört sein können. Tab. 1 zeigt die Signale, welche bei einer PSG routinemäßig abgeleitet werden sollen sowie einige fakultative Signale, welche zusätzlich abgeleitet werden können, sofern besondere Fragestellungen dies erfordern. Die technischen Voraussetzungen der verschiedenen Polysomnografie-Systeme werden hier nicht ausführlich dargestellt. In der Regel werden die obere und untere Grenzfrequenz sowie spezielle Filter (z. B. 50-Hertz-Wechselstrom-Filter) bei allen Polysomnografie-Systemen gleichermaßen konfiguriert. Die Abtast-Rate kann von System zu System variieren. Die Empfehlungen geben hierfür einen minimalen und optimalen Wert an [5]. Die Wahl der Abtastrate kann bei der digitalen Auswertung von EKG-Signalen und von EEG- und EOG-Signalen von Bedeutung sein. Die höheren Abtastraten erlauben eine bessere Signalanalyse erfordern aber mehr Speicherplatz und Computer Ressourcen. Die Klassifizierung der Schlafstadien erfordert EEG-, EOG- und Kinn-EMG-Signale. Die Kombination des EEG, EOG und EMG hat sich seit der Beschreibung durch Rechtschaffen und Kales [4] nicht geändert. Sie wurden mit der Einführung der neuen Klassifikations-Regeln der amerikanischen Gesellschaft für Schlafmedizin (American Academy for Sleep Medicine AASM) im Jahre 2007 bezüglich Zahl und Position der EEG-Elektroden erweitert [5]. Während Rechtschaffen und Kales aus apparativ/ökonomischen Gründen allein die bipolare Ableitung einer zentralen EEG-Elektrode zur kontralateralen Ohr- oder Mastoid-Elektrode empfahlen (C3-M2 oder C4-M1), sehen die AASM-2007 Kriterien zusätzlich die Ableitung einer frontalen und okzipitalen Elektrode zur kontralateralen Mastoid-Elektrode vor (F4-M1, C4-M1, O2-M1 Reserve-Elektroden F3-M2, C3-M2, O1-M2). Alternativ nennt das AASM Manual von 2007 als akzeptable Ableitungen Fz-Cz, Cz-Oz, C4-M1. Als Reserve für die zentralen Ableitungen werden die Elektroden Fpz, C3, O1 und M2 empfohlen. Für die Umstellung in den deutschen Schlaflaboren auf die neuen Ableite Empfehlungen wurde von der Deutschen Gesellschaft für Schlafforschung und Schlafmedizin (DGSM) ein Übergangszeitraum von bis zu 8 Jahren empfohlen. Ab 2015 sollen alle Polysomnografien gemäß den AASM Empfehlungen durchgeführt werden. Das Schlaf EEG wird in Epochen von 30 s auf dem Bildschirm dargestellt. Diese Epochendauer wurde von Rechtschaffen und Kales übernommen, um eine Vergleichbarkeit mit älteren Referenzen bezüglich der Schlafstadienverteilung zu erhalten [7]. Jede Epoche wird basierend auf der visuellen Auswertung der Muster im EEG, EOG und EMG entweder als Wach (W) oder Schlafstadium N1, Schlafstadium N2, Schlafstadium N3 oder REM-Schlaf R klassifiziert. Die von der AASM standardisierten Bezeichnungen der Schlafstadien reduzieren die frühere Begriffsvielfalt, z. B. NREM1, Non-REM 1, Stadium 1, S1, und erleichtern den Vergleich von Befunden in Bezug auf die Terminologie.

3 130 Originalia Tab. 1 Aufzeichnungsprogramm einer kardiorespiratorischen Polysomnografie gegliedert nach den zu untersuchenden Funktionen [nach 3]. Funktion Biosignal Messmethode Standard-PSG Schlaf EEG: Empfohlen: F4-M1, C4-M1, O2-M1 * (Reserve: F3-M2, C3-M2, O1-M2) Alternativ: Fz-Cz, Cz-Oz, C4-M1 (Reserve: Fpz, C3, O1, M2) EOG: E1-M2, E2-M2 (horizontal periorbital) Alternativ: E1-Fpz, E2-Fpz EMG submentalis (eine Seite, entweder rechts oder links) bipolare Ableitung zur indifferenten Elektrode auf dem Kinn, die Gegenseite dient als Reserve-Elektrode elektrophysiologische Elektroden elektrophysiologische Elektroden elektrophysiologische Elektroden Atmung Oronasaler Luftfluss, Beatmungsdruck Empfohlen: Differenz-Drucksensor, Alternativ: Thermoelement, Atmungsbewegung Thorax und Abdomen Induktionsplethysmografie, Dehnungsmessung (Piezo) Atemgeräusch/Schnarchgeräusch Mikrophon, Drucksensor, Folien Sauerstoffsättigung Pulsoxymetrie SaO 2 Kardiovaskuläres System EKG/Herzfrequenz elektrophysiologische Elektroden Bewegung EMG tibialis, bipolare beidseitige Ableitungen elektrophysiologische Elektroden Körperlage Mechanisch Video-Signal Infrarot-Kamera Fakultative Signale EEG-Aktivität 10/20-EEG elektrophysiologische Elektroden Atmung Ösophagusdruck Drucksensor (Piezo) CO 2 -Partialdruck Kapnografie (transdermal) tcpco 2 CO 2 -Konzentration Kapnografie (endtidal) ETCO 2 System Arterieller Blutdruck Drucksensor (Statham, Piezo) Gastrointest. System Ösophageale ph-metrie Mikro-Glaselektrode Zirkadianes System Körpertemperatur (rektal oder Ohr) Thermistor, Thermoelement Bewegung Weitere EMG-Signale, zum Beispiel M. flexor digitorum superficialis ** elektrophysiologische Elektroden Erektion Phallogramm Penisplethysmografie * = Die EEG-Elektroden entsprechen dem international gebräuchlichen 10/20-System ** = z. B. zur Diagnostik einer REM-Schlaf-Verhaltensstörung Am Übergang vom Wachen zum Schlaf finden sich langsame sinusoidale Augenbewegungen sowie eine Verlangsamung und Abnahme der okzipitalen Alpha-Aktivität. Während langsame Augenbewegungen sowohl dem Stadium W als auch dem Stadium N1 zugeordnet werden können, markieren niedrig-amplitudige Theta-Wellen und Vertex-Zacken bereits eindeutig das Stadium N1. Häufig ist dabei eine Abnahme motorischer Aktivität und Synchronisierung der EEG-Aktivität zu sehen. K-Komplexe und Schlafspindeln sind typische Graphoelemente des Schlafstadiums N2 und Klassifikationsmerkmale. Tiefschlaf N3 ist durch das Auftreten von mindestens 20 % Delta-Wellen während einer Epoche charakterisiert. REM-Schlaf R, welcher durch Sägezahnwellen eingeleitet werden kann, zeigt ein desynchronisiertes alpha-beta EEG mit gemischten Frequenzen, ähnlich dem Wach- EEG. Allerdings ist im Unterschied zum Wachen der EMG-Tonus niedrig und es kommt zu den charakteristischen schnellen Augenbewegungen (englisch: rapid eye movements ). Computergestützte Auswertung der Polysomnografie Beim Entwickeln des Manuals zum Auswerten des Schlafes und assoziierter Ereignisse 2007 [5] wurde beschlossen alle 5 Jahre eine Aktualisierung durchzuführen um den medizinischen und technischen Erkenntnisgewinn zu berücksichtigen. Entsprechend erschien 2012 eine Revision des Manuals [8]. Sowohl in der ersten Version als auch in der Revision des Manuals bleibt die visuelle Klassifikation der Epochen bestehen. Eine computergestützte automatische oder auch halbautomatische Auswertung des Schlaf EEGs wird nicht akzeptiert. Die computergestützten Verfahren werden als nicht ausreichend erachtet, ohne dies jedoch explizit festzustellen. Es wird befürchtet, dass ungewöhnliche oder abweichende EEG Muster vom Computer übersehen werden und dass kleine Fehlklassifikationen der Schlafstadien diagnostische Konsequenzen haben. Fast all computergestützten Polysomnografie Systeme sind heute mit einer automatisierten Schlafanalyse ausgestattet. Werte über die Sensitivität, Spezifität und Reliabilität dieser mitgelieferten Programme oder Validierungsergebnisse werden leider nicht präsentiert. Auch Hinweise über eine Anpassung von dem Benutzer zugänglichen Analyseparametern werden selten gegeben. Es zeigt sich dass die Analyse-Programme ganz unterschiedliche Leistungen in der Erkennung von spezifischen Muster wie Grafoelementen und Schlaf-EEG Frequenzen aufweisen. Vergleichsstudien zur Erkennungen von Grafoelementen mit den unterschiedlichen eingesetzten Polysomnografie-Systemen verschiedener Hersteller existieren fast gar nicht. Spezifische systembezogene Validierungsstudien einzelner Hersteller gegenüber einer visuellen Schlafstadien Auswertung sind häufig nicht zugänglich und nicht allgemein veröffentlicht. Ausnahmen hiervon sind Untersuchungen zu einzelnen Schlafanalyse Programmen, die unabhängig von Polysomnografie Systemen arbeiten. Ein Beispiel hierfür ist die Software Somnolyzer 24 7, die aus einem europäischen Projekt ( Siesta Projekt )

4 Originalia 131 hervorgegangen ist [9]. Das Projekt hatte das Ziel eine Datenbank zur Verfügung zu stellen, die die visuelle Klassifikation durch mehrere europäische schlafmedizinische Zentren vergleicht und darauf basierend eine neue automatisierte Analyse entwickelt [10]. Das Grundprinzip automatischer Schlafauswertungen ist gut bekannt und orientiert sich unabhängig von der jeweiligen Implementation an der gleichen Schematik [11]. Die EEG Signale werden zunächst soweit möglich von Artefakten bereinigt. Bewegungsartefakte, EKG-, EMG- Einstreuungen und Schwitzartefakte werden mithilfe verschiedener Filterverfahren weitgehend eliminiert. Anschließend werden die Grundfrequenzen wie Alpha-, Beta-, Theta-, Delta-Wellen identifiziert. Hierfür werden entweder Frequenzanalysen oder autoregressive Filter eingesetzt. Es folgt eine Erkennung und Markierung schlafspezifischer Muster wie Vertex-Wellen, Schlafspindeln, K-Komplexe, langsame und schnelle Augenbewegungen im EOG. Aus der Kombination der Wellen und Muster werden dann die Schlafstadien für jede Epoche berechnet. Diese Kombination kann durch eine einfache Entscheidungslogik, durch Fuzzy Logik oder durch künstliche neuronale Netze erfolgen. Die Klassifikation der Epochen ist gemäß den Regeln der AASM vom Kontext, also der vorangegangenen und der folgenden Epoche abhängig. Dafür wird eine zusätzliche Logik eingesetzt. Die unterschiedlichen informationstechnischen Methoden haben ihre verschiedenen Stärken und Schwächen. Bezogen auf die Schlafstadienbestimmung ist keines der Verfahren zu favorisieren. Zuletzt ist ein gutes Training der Einstellparameter der Algorithmen notwendig um eine optimale Schlafstadienklassifikation zu erzielen. Da die Unterschiede zwischen verschiedenen visuellen Auswertern bezogen auf eine Klassifikation in Epochen im günstigen Fall 5 % und im ungünstigen Fall auch 40 % betragen können, kann eine trainierte automatische Auswertung auch nicht besser als die besten visuellen Auswerter werden [13]. Abweichungen von 5 % sind als optimal anzusehen und Abweichungen von bis zu 10 % sind immer noch sehr gut [15]. Da einzelne Abweichungen jedoch als unterschiedlich gravierend bewertet werden (so ist die genaue Bestimmung von REM Schlaf Beginn und Ende sehr wichtig und kritisch), ist eine visuelle Überprüfung der automatischen Auswertung üblich und sinnvoll. Viele Systeme erlauben eine Justierung der voreingestellten Parameter der Logik zur Bestimmung der Schlafstadien. Ein Eingriff in diese Logik sollte vorsichtig vorgenommen werden. Solche Änderungen verringern die Vergleichbarkeit der Auswertungen und auch die Wiederholbarkeit der computergestützten Auswertungen im eigenen Labor. Zur kardiorespiratorischen Polysomnografie gehören außer der Schlafstadienauswertung auch die Bewertung von Arousal und die Auswertungen von kardiorespiratorischen Ereignissen wie Apnoen und Hypopnoen, Beinbewegungen und weitere Ereignisse. Die kardiorespiratorischen und motorischen Auswertungen erfolgen meist in etwas längeren Registrierepochen von 3 oder 5 min. Arousal Arousal werden im Manual der amerikanischen Schlafgesellschaft (AASM) definiert [5]. Arousal stellen eine abrupte Änderung der EEG-Frequenzen dar, welche mindestens 3 s dauert. Voraussetzung für das Scoren eines Arousal ist, dass diesem mindestens 10 s stabiler Schlaf ohne Arousal vorangegangen sein muss ( Abb. 1). Laut AASM-Manual kann das EEG während eines Arousal eine Aktivität im alpha- und theta-bereich darstellen sowie schnellere EEG-Aktivität > 16/sec wobei jedoch keine Spindeln auftreten sollten. Wenn ein Arousal im REM-Schlaf klassifiziert werden soll, wird ein Anstieg der Kinn-EMG-Amplitude über mindestens eine Sekunde gefordert. Apnoen und Hypopnoen Die AASM Kriterien von 2007 [5] und 2012 [8] definieren eine Apnoe als eine Abnahme des Atemflusses 90 % gegenüber normaler Amplitude für mindestens 10 s. Die AASM Kriterien 2012 [8] definieren eine Hypopnoe als eine Atemflussabnahme von 30 % für mindestens 10 s in Verbindung mit einer Desaturation von 3 % oder einem Arousal. Unter Respiratory-Related Arousal (RERA) versteht man eine mindestens 10 s andauernde Abb Sekunden-Epoche welche aus dem NREM 2 heraus ein Arousal mit EMG-Einstreuung hauptsächlich in den fronto-temporalen EEG-Elektroden sowie Wechsel der EEG-Aktivität hin zu schneller Alpha-Aktivität zeigt. Anschließend findet sich eine Abnahme der EMG-Einstreuung, Verlangsamung und Synchronisierung der EEG-Aktivität (vor allem okzipital) sowie in der folgenden Epoche (hier nicht dargestellt) wieder Übergang zu NREM-Schlaf.

5 132 Originalia Abb minütige Epoche einer Polysomnografie eines Patienten mit einer unbehandelten obstruktiven Schlafapnoe (OSA), welche motorische Arousal in den Tibialis-EMG zeigt, welche durch vorangegangene Apnoen und Entsättigungen bedingt sind. Atmungsstörung, welche nicht die Amplituden Kriterien für eine Apnoe oder Hypopnoe erfüllt, allerdings mit einer vermehrten Atemarbeit einhergeht und zu einem Arousal führt. Hypoventilationen, welche z. B. im Rahmen eines Obesitas-Hypoventilations-Syndroms auftreten können, können zum Teil in der Polysomnografie nur schwer erkannt werden und gehen mit einer CO 2 -Retention einher. Diese Form der Atmungsstörung kann ohne Blutgasanalyse oder transkutane Kapnografie nicht eindeutig diagnostiziert werden. Kapnografien gehören zunehmend zur Routine-Ausstattung eines klinisch tätigen Schlaflabors. Die besonders häufig bei herzinsuffizienten Patienten auftretende Cheyne-Stokes-Atmung ist gekennzeichnet durch mindestens 3 konsekutive Apnoen oder Hypopnoen, welche ein cresecendo-decrescendo-muster aufweisen und insgesamt jeweils mindestens 40 s dauern. Außerdem sollte eine Cheynes-Stokes- Atmung nur dann klassifiziert werden, wenn mindestens 5 Apnoen/Hypopnoen pro Stunde über mindestens 2 Stunden Schlaf abgrenzbar sind. Die Definitionen der Hypopnoen sind aktuell im Wandel bezüglich der Kriterien der Atmungsamplitude und der Desaturation. Dies hat eine starke Varianz des resultierenden Apnoe-Hypopnoeindex zur Folge. Die Varianz ist für die klinische Diagnosestellung, die Indikation zur Therapie und bei epidemiologischen Untersuchungen von großer Bedeutung [29]. Bewegungsstörungen Bei der Klassifikation von Beinbewegungen unterscheidet man Beinbewegungen (englisch: leg movements, LM) von periodischen Beinbewegungen (englisch: periodic leg movements, PLM). Periodisch werden Beinbewegungen dann genannt, wenn mindestens 4 einzelne Beinbewegungen hintereinander auftreten und einer Periodizität im Bereich von mindestens 5 und maximal 90 s aufweisen. Bezüglich ihrer Auswirkung auf den Schlaf kommt dem sogenannten PLM-Arousal-Index eine besondere Bedeutung zu, da PLM ohne gleichzeitige Arousal keine Schlafstörung im engeren Sinne darstellen [12]. Bei der Klassifikation von PLM muss berücksichtigt werden, dass Apnoen mit nachfolgenden Entsättigungen (sowie Hypoxie bedingten Arousal) PLM vortäuschen können. Hierbei ist auf die genaue zeitliche Abfolge der periodischen Ereignisse zu achten. Eine parallele Videoauswertung kann helfen. Bei Patienten mit einer unbehandelten Schlafapnoe kann der PLM-Index (Anzahl der PLM pro Stunde Schlaf) durch die häufigen Apnoen und Hypopnoen erhöht sein. Die Abb. 2 zeigt eine PSG eines Patienten mit einer schweren obstruktiven Schlafapnoe (OSA) vor Einleitung einer Überdrucktherapie und Abb. 3 zeigt eine PSG des gleichen Patienten 2 Nächte später nach Behandlung des OSA mittels einer BiLevel-Therapie. In der diagnostischen PSG vor Behandlung ( Abb. 2) sieht man überwiegend Entsättigungs- und Apnoe-bedingte Arousal- Reaktionen mit Bewegung des gesamten Körpers und fälschlicherweise periodisch anmutenden Bewegungen in den Beinen (im Tibialis-EMG), welche jedoch nicht mit PLM verwechselt werden sollten. Nach Einleitung der Therapie zeigt die PSG dann aber dennoch PLM im engeren Sinne, die vorher kaum abgrenzbar waren. Die quasi-periodische Beinbewegungen in Abb. 2 werden von den meisten Polysomnografie Programmen in der automatisierten Analyse fälschlicherweise als PLM klassifiziert und müssen dann von Hand korrigiert werden. Sie sollten als LM klassifiziert werden, da sie Apnoe-bedingt sind und nicht PLM im engeren Sinne darstellen. Analyse Makrostruktur des Schlafes Wird der Schlaf durch Arousal und Wachphasen unterbrochen (fragmentiert), so kann eine ausgeprägte Schlafstörung zu einer konsekutiven Tagesmüdigkeit oder -schläfrigkeit führen. Bei chronischen Schlafstörungen kann es dazu kommen, dass die normalerweise anzutreffende Schlafzyklik, die Abfolge von

6 Originalia 133 Abb minütige Epoche einer Polysomnografie desselben Patienten nach Behandlung des OSA mittels BiLevel-Therapie. Nach Behandlung des OSA können periodische Beinbewegungen abgegrenzt werden, welche nicht durch Apnoen bedingt sind. leichtem NREM-Schlaf, Tiefschlaf und REM-Schlaf, sich nicht mehr abgrenzen lässt. Defizite von Tiefschlaf oder REM Schlaf oder erhöhte Anteile von Wach während des Schlafes sind Beeinträchtigungen der Makrostruktur. Eine Störung der Schlaf-Makroarchitektur kann aufgrund sehr verschiedener Schlafstörungen auftreten. Sie findet sich im Rahmen einer obstruktiven Schlafapnoe in Verbindung mit den in Abb. 2 gezeigten Apnoen und bei einer chronischen Insomnie, dann ohne Auffälligkeiten in den kardiorespiratorischen Signalen. Analyse Mikrostruktur des Schlafes Während die Makrostruktur des Schlafes die Einteilung von 30-Sekunden-Epochen in verschiedene Schlafstadien voraussetzt, subsummiert man unter der Mikrostruktur des Schlafes kürzer dauernde Phänomene. Dazu gehören die Arousal (siehe oben) und das Cyclic Alternating Pattern (CAP), welches man auch als eine periodische Arousal-Aktivität im NREM-Schlaf ansehen kann und welches durch oszillierende thalamo-kortikale Afferenzen bedingt ist [19]. Die CAP werden im Manual der amerikanischen Schlafgesellschaft (AASM) nicht mit aufgeführt, da beim Bewerten der publizierten Studien zurzeit der Erstellung des Manual festgestellt wurde, dass die Evidenz für eine weltweite Empfehlung nicht ausreicht. Es wurde festgestellt dass die meisten Studien zu CAP von einer Arbeitsgruppe bzw. von Forschern, die der Arbeitsgruppe nahe standen, durchgeführt worden waren. Die Auswertung der CAP wird in einem 2001 veröffentlichen Konsensus-Papier definiert [20]. Unter CAP versteht man ausschließlich im NREM-Schlaf auftretende periodische EEG-Muster, charakterisiert durch eine Phase einer Aktivierung (CAP Phase A) im Wechsel mit der Hintergrund-Aktivität (CAP Phase B) [21]. Ein CAP-Zyklus (CAP-A und CAP-B) dauert zwischen 2 und 60 s. Mindestens 2 komplette CAP-Zyklen sind gefordert um CAP zu klassifizieren. Wenn über mindestens 60 s im NREM- Schlaf kein CAP-Zyklus auftritt, spricht man von Non-CAP. Der Anteil von CAP am gesamten NREM Schlaf wird als CAP-Rate bezeichnet. Die CAP-Rate zeigt während des Lebens einen U-förmigen Verlauf: Zunächst kommt es von der Kindheit/Jugend an Tab. 2 Die Kriterien zur Klassifikation von Cyclic alternating pattern (CAP) sind für die Subtypen der A-Phase entsprechend ihren ausführlichen Definitionen tabellarisch aufgeführt. Cyclic alternating pattern Subtypen der A-Phase EEG-Aktivität A1 A2 A3 Desynchronisiertes EEG < 20 % % > 50 % Polyphasic bursts Motorisches Arousal + EEG Arousal + Schnelle niedrig-amplitudige Rhythmen + K-Komplexe (Serien oder periodisch) + + Intermittierendes Alpha + Delta Bursts + Vertexzacken + Autonome und somatomotorische Beteiligung Gering Moderat Ausgeprägt (CAP-Rate: 43,4 %) zu einer Abnahme der CAP-Rate bis zum frühen Erwachsenenalter (31,9 %) und steigt dann bis zum 60. Lebensjahr wieder an (55,3 %) [21]. Die CAP-A Phasen können zudem noch anhand ihrer EEG-Aktivität in CAP-A1, -A2 und -A3-Subtypen eingeteilt werden [20]. Tab. 2 zeigt die elektrophysiologischen Kriterien zur Einteilung in diese 3 Subtypen. Während CAP im physiologischen Schlaf häufig sehr komplex und polymorph ist, kann es bei komatösen Zuständen zu stärker ausgeprägtem und gleichförmigerem CAP kommen, was in diesem Fall auch mit einer schlechteren Prognose korreliert [22]. Insgesamt kann man davon ausgehen, dass CAP ein Ausdruck einer erhöhten Arousal-Neigung ist und dass eine hohe CAP-Rate einer erhöhten Instabilität des Schlafes entspricht [19]. Eine erhöhte CAP-Rate wurde bei verschiedenen schlafmedizinischen Erkrankungen nachgewiesen (periodische Beinbewegungen im Schlaf [23], Restless-Legs-Syndrom [24], NREM-Parasomnien und nächtliche Frontallappen-Epilepsie [25] sowie Insomnie [26]). Darüber hinaus scheint CAP auch epileptische Anfälle, physiologische Bewegungen im Schlaf, nächtlichen Myoklonus sowie Pavor nocturnus Attacken und Schlafwandeln zu triggern [19]. Die visuelle Klassifikation von CAP durch verschiedene Auswerter zeigt eine hohe IR (Interscorer-Reliabilität) [26]. Mehrere Computer Programme bieten die automatisierte Analyse von

7 134 Originalia CAP an. Die Ergebnisse sollten jedoch auf jeden Fall manuell korrigiert werden und insofern handelt es sich um eine computerassistierte Auswertung [27]. In diesem Zusammenhang ist darauf hinzuweisen, dass die korrekte Klassifikation der zugrunde liegenden Schlafstadien eine wichtige Voraussetzung für die korrekte Klassifikation von CAP darstellt. Es liegen bisher noch zu wenige Studien zu CAP vor, um die klinische Bedeutung der CAP-Auswertung abschließend zu bewerten. Frequenzanalyse und Hypnospectogramm Koupparis und Ko-Autoren [28] untersuchten 10 gesunde Probanden mittels 10/20-Video-EEG über eine Nacht und erstellten ein Hypnogramm mittels visueller Klassifikation der Schlafstadien (EOG, EEG, EMG). Darüber hinaus erstellten die Autoren mittels einer Zeit-Frequenz-Analyse ein Spectogramm welches einmal mit minimalem Zeitaufwand korrigiert wurde und einmal detailliert korrigiert wurde ( Hypnospectogramm genannt). Während die Autoren den Zeitbedarf einer normalen visuellen Klassifikation der PSG mit 3 Stunden angaben, wurden für ein detailliert korrigiertes Hypnospectogramm nur 45 min benötigt und für ein minimal korrigiertes Hypnospectogramm lediglich 5 min. Selbst wenn die Autoren eine substantielle Übereinstimmung der verschiedenen Hypnospectrogramme sahen insbesondere mit der visuellen Klassifikation (Cohen s Kappa: 0,61); ist diese für die klinische Routine nicht ausreichend und das Hypnospectogramm kann ein visuell klassifiziertes Hypnogramm nicht ersetzen. Darüber hinaus wurden die Patienten mit 58 EEG-Elektroden abgeleitet, was die Anwendbarkeit dieser Technik in der klinischen Routine erschwert und der geringere Zeitaufwand der Auswertung steht hier einem höheren Zeitaufwand der Verkabelung entgegen. Das Hypnospectrogramm kann jedoch bei Patienten, welche ohnehin aufgrund einer epileptologischen Fragestellung mit einem 10/20-Video-EEG abgeleitet werden, durchaus einen raschen Überblick über den Nachtschlaf geben, selbst wenn dies ein visuell klassifiziertes Hypnogramm nicht ersetzen kann. Analyse Herzkreislaufparameter Das EKG als Hauptsignal der kardialen Aktivität wird zur Berechnung der Herzfrequenz herangezogen [30]. Aus der Herzfrequenz werden im Zeitbereich Kennwerte wie mittlere, maximale und minimale Herzfrequenz berechnet und für jedes Schlafstadium angegeben. Die mittlere Herzfrequenz sinkt beim gesunden Schlafenden vom Wachen über N1 und N2 zu den niedrigsten Werten in N3 ab. Im REM Schlaf ist die Herzfrequenz wieder erhöht. Zusätzlich zur Herzfrequenz wird die Herzfrequenzvariabilität berechnet [31]. Dies erfolgt wie beim EEG mit einer Spektralanalyse, nur mit anderen Frequenzbändern. Man bezeichnet bei der Herzfrequenzvariabilität die Frequenzen zwischen 0,003 und 0,04 Hz als very low frequency VLF, die Frequenzen zwischen 0,04 und 0,15 Hz als low frequency LF und die Frequenzen zwischen 0,15 und 0,4 Hz als high frequency HF. Man assoziiert das LF Band der sympathischen Nervenaktivität und das HF Band der vagalen Nervenaktivität des autonomen Nervensystems. Das HF Band spiegelt auch die Atmungsmodulation wieder. Der Quotient Das LF/HF wird als sympathovagale Balance bezeichnet und zur Charakterisierung des autonomen Nervensystems bei Gesunden und Patienten im Schlaf herangezogen. In neuen Polysomnografie-Systemen wird auch die am Finger gemessene Pulswelle als Photoplethysmogramm mit aufgezeichnet. In erster Linie wird die Pulswelle für die pulsoximetrisch bestimmte Sauerstoffsättigung herangezogen. Aus der Pulswelle lassen sich noch weitere Merkmale ableiten. Die Zeit, die von einem Herzschlag bis zur Pulswelle in der Peripherie vergeht, bezeichnet man als Pulstransitzeit PTT. Die PTT ist zum Blutdruck umgekehrt proportional und daher lässt sich hieraus ein Blutdruck abschätzen. Das gelingt genauer, wenn zu Beginn der Messung dieser Wert mit einem Armmanschetten Blutdruck kalibriert wird. Zumindest die relativen Blutdruckänderungen können so ganz gut abgeschätzt werden. Vergleich der visuellen und automatisierten Schlafanalyse Die Übereinstimmung in der visuellen Schlafstadien-Klassifikation durch verschiedene Auswerter wird Interscorer-Reliabilität (IR) genannt. Die IR ist bei der PSG-Auswertung von Gesunden höher verglichen mit Patienten mit einer schlafbezogenen Atemstörung [13, 14]. Sie ist am höchsten für REM-Schlaf und am niedrigsten für das Schlafstadium N1 [13]. Die IR verschiedener Auswerter des gleichen Schlaflabors ist höher als die IR zweier Auswerter aus 2 verschiedenen Schlaflaboren [14]. Dies belegt, dass insbesondere der Vergleich von visuell klassifizierten PSG verschiedener Schlaflabore methodische Probleme aufwirft. Wenn die allgemein gültigen Kriterien der AASM verwendet werden, liegt die IR bezüglich aller Standard-Parameter bei 82 % (Cohen s Kappa = 0,76), mit einer deutlich besseren Korrelation der Gesamt-Schlaf-Zeit (0,925), der Schlaf-Effizienz (0,912) und des Anteils an REM-Schlaf (0,901) und einer geringeren Korrelation der Schlaf-Latenz, REM-Latenz und der Schlafstadien N1 3 (0,571 0,791) [14]. Eine neuere Studie [15] zeigt insbesondere eine sehr hohe IR bezüglich des Apnoe-Hypopnoe-Index (AHI) zwischen 2 verschiedenen Auswertern (Korrelation von 0,984; 95 %-Konfidenz-Intervall: 0,977 0,990). Stege und Ko-Autoren [16] verglichen die visuelle Klassifikation der PSG von 107 Patienten einer Klinik für Lungenheilkunde mit der voll-automatisierten Analyse und fanden (bis auf die Schlaf-Effizienz) signifikante Unterschiede in allen erhobenen Parametern (Gesamt-Schlaf-Zeit, Schlaf-Latenz, REM-Latenz, Dauer der einzelnen Schlafstadien, Anzahl der Arousal und Hypopnoen/Apnoen, AHI sowie Entsättigungen). Aufgrund der deutlichen Abweichungen der visuellen und voll-automatisierten Analyse empfahlen die Autoren die visuelle Klassifikation weiterhin zu verwenden und diese nicht durch eine voll-automatisierte Analyse zu ersetzen. In dieser Untersuchung wurde die Abweichung der visuellen und automatisierten Klassifikation nicht zusätzlich mit der IR verglichen. Im Gegensatz dazu wurde in einer weiteren Studie die visuelle und automatisierte Auswertung von 97 PSG verglichen, wobei kein signifikanter Unterschied bzgl. des AHI (Korrelation: 0,93; 95 % Konfidenz-Intervall: 0,91 0,96) gefunden wurde [17]. Der Unterschied des AHI mittels der visuellen und automatisierten Analyse entsprach der IR zwischen 2 verschiedenen Auswertern. In dieser Studie fand sich zwar ebenfalls eine hohe Übereinstimmung für den REM-Schlaf und die Schlaf-Effizienz, allerdings

8 Originalia 135 bestand ein hoch-signifikanter Unterschied bezüglich der Schlafstadien N1, N2 und N3. Svetnik und Ko-Autoren [18] verglichen die visuelle Analyse sowie die voll-automatisierte Analyse zweier verschiedener Computer-Programme und die manuell-korrigierten (Computer-assistierten) Auswertungen dieser beiden Programme miteinander allerdings verwendeten die Autoren noch die Rechtschaffen und Kales Kriterien noch vor der Veröffentlichung der neueren AASM-Kriterien. Dabei fand sich eine ausreichende Übereinstimmung der Computer-assistierten Auswertung mit der visuellen Analyse, welche deutlich besser war als die vollautomatisierte Analyse. Diskussion Zusammenfassend kann festgehalten werden, dass die vollautomatisierte Analyse derzeit die visuelle Klassifikation der Schlafstadien nicht ersetzen kann. Dies trifft insbesondere für die Klassifikation der Schlafstadien zu. Die computerunterstützte Auswertung der respiratorischen Parameter gibt eine geringere Abweichung. Jedoch ist auch diese größer als diejenige zwischen 2 verschiedenen Auswertern. In diesem Zusammenhang ist auch darauf hinzuweisen, dass die korrekte Klassifikation des Apnoe Hpyopnoe Index AHI eine korrekte Klassifikation der Schlafstadien voraussetzt. Zurzeit ist die computergestützte Analyse des Schlaf EEGs ein exzellentes Werkzeug für wissenschaftliche Auswertungen, bei denen auf Details und Feinheiten des EEG und auf reproduzierbare Statistik geachtet werden muss. Gegen die klinische Verwendung der computergestützten Analyse der Schlaf EEGs sprechen die Befürchtungen vom Übersehen ungewöhnlicher Muster und von Fehldiagnosen aufgrund kleiner aber relevanter Falschklassifikationen von Schlafstadien. Studien hierzu liegen nicht vor und müssen erbracht werden. Weiterhin stehen Validierungen der voll-automatisierten Analyse für jedes Schlafanalyse Programm aus. Ehe eine automatisierte Analyse des Schlaf EEGs in der klinischen Routine eingesetzt wird, sollte diese Analyse bewertet oder zertifiziert werden. Es stehen heute genügend Polysomnografie Datenbanken zur Verfügung, sodass eine solche Zertifizierung praktikabel erscheint. Eine unabhängige Instanz zur Durchführung solcher Zertifizierungen muss noch gefunden werden. Inwieweit die Analyse der Mikrostruktur des Schlafes in der Diag nostik oder im Verständnis von Schlafstörungen weiter hilft, muss noch in weiteren kritischen Studien untersucht werden. Die Bedeutung von Arousal ist unumstritten, jedoch die Bedeutung von CAP muss noch besser belegt werden. Die Auswertung der respiratorischen Störungen und der motorischen Störungen ist gut und reliabel. Allerdings sollte die Diskussion zu den Definitionen von Hypopnoen zeitnahe mit einem Konsensus beendet werden. Interessenkonflikt: T. Penzel und I. Fietze erhalten Forschungsunterstützung durch die Firmen Cidelec, Itamar Medical, Imthera, Heinen und Löwenstein, Philips, Resmed und Weinmann. Geräte wurden von den Firmen Itamar, Neurovirtual, Nox Medical, Resmed und Somnomedics zur Erprobung zur Verfügung gestellt. Die Autoren berichten keinen Interessenkonflikt mit dem Gegenstand dieser Übersicht.

9 Originalia Literatur 1 Schlack R, Hapke U, Maske U et al. Häufigkeit und Verteilung von Schlafproblemen und Insomnie in der deutschen Erwachsenenbevölkerung. Ergebnisse der Studie zur Gesundheit Erwachsener in Deutschland (DEGS1) Bundesgesundheitsblatt 2013; 56: Mayer G, Fietze I, Fischer J et al. S3-Leitlinie Nicht erholsamer Schlaf/ Schlafstörungen. Somnologie 2009; 13: Penzel T, Fietze I. Aktueller Stand der Polysomnografie. Klin Neurophysiol 2007; 38: Rechtschaffen A, Kales A. A manual of standardized terminology, techniques and scoring system for sleep stages of human subjects. NIH Publication No. 204 Washington DC: US Government Printing Office; Iber C, Ancoli-Israel S, Chesson AL et al. The AASM manual for the scoring of sleep and associated events: rules, terminology, and technical specifications. 1 st (ed.). Westchester, IL: American Academy of Sleep Medicine; Rosenberg RS, Van Hout S. The American Academy of Sleep Medicine inter-scorer reliability program: sleep stage scoring. J Clin Sleep Med 2013; 9: Silber MH, Ancoli-Israel S, Bonnet MH et al. The visual scoring of sleep in adults. J Clin Sleep Med 2007; 3: Berry RB, Brooks R, Gamaldo CE et al. for the American Academy of Sleep Medicine. The AASM Manual for the Scoring of Sleep and Associated Events: Rules, Terminology and Technical Specifications, Ver sion Illinois: American Academy of Sleep Medicine; Anderer P, Moreau A, Woertz M et al. Computer-Assisted Sleep Classification according to the Standard of the American Academy of Sleep Medicine: Validation Study of the AASM Version of the Somnolyzer Neuropsychobiology 2010; 62: Rappelsberger P, Trenker E, Rothmann C et al. Das Projekt SIESTA. Klin Neurophysiol 2001; 32: Penzel T, Conradt R. Automatic Sleep Scoring. Sleep Medicine Reviews 2000; 4: American Academy of Sleep Medicine. International Classification of Sleep Disorders. 3 rd (ed.). Diagnostic and Coding ManualDarien, Ill: American Academy of Sleep Medicine; Penzel T, Zhang X, Fietze I. Inter-scorer reliability between sleep centers can teach us what to improve in the scoring rules. J Clin Sleep Med 2013; 9: Koch H, Christensen JA, Frandsen R et al. Automatic sleep classification using a data-driven topic model reveals latent sleep states. J Neurosci Methods 2014; 235: Danker-Hopfe H, Anderer P, Zeitlhofer J et al. Interrater reliability for sleep scoring according to the Rechtschaffen & Kales and the new AASM standard. J Sleep Res 2009; 18: Stege G, Vos PJ, Dekhuijzen PN et al. Manual vs. automated analysis of polysomnographic recordings in patients with chronic obstructive pulmonary disease. Sleep Breath 2013; 17: Punjabi NM, Shifa N, Dorffner G et al. Computer-Assisted Automated Scoring of Polysomnograms Using the Somnolyzer System. Sleep 2015 pii: sp (published online before press) 18 Svetnik V, Ma J, Soper KA et al. Evaluation of automated and semiautomated scoring of polysomnographic recordings from a clinical trial using zolpidem in the treatment of insomnia. Sleep 2007; 30: Parrino L, Halasz P, Tassinari CA et al. epilepsy and motor events during sleep: the unifying role of arousal. Sleep Med Rev 2006; 10: Terzano MG, Parrino L, Sherieri A et al. Atlas, rules, and recording techniques for the scoring of cyclic alternating pattern (CAP) in human sleep. Sleep Med 2001; 2: Parrino L, Boselli M, Spaggiari MC et al. Cyclic alternating pattern (CAP) in normal sleep: polysomnographic parameters in different age groups. Electroencephalogr Clin Neurophysiol 1998; 107: Bricolo A, Faccioli F, Turazzi S. EEG in post-traumatic coma. Diagnostic and prognostic value. Rev Electroencephalogr Neurophysiol Clin 1979; 9: Parrino L, Boselli M, Buccino GP et al. The cyclic alternating pattern plays a gate-control on periodic limb movements during non-rapid eye movement sleep. J Clin Neurophysiol 1996; 13: Hening W. The clinical neurophysiology of the restless legs syndrome and periodic limb movements. Part I: diagnosis, assessment, and characterization. Clin Neurophysiol 2004; 115: Zucconi M, Ferini-Strambi L. NREM parasomnias: arousal disorders and differentiation from nocturnal frontal lobe epilepsy. Clin Neurophysiol 2000; 111 (Suppl 2): Terzano MG, Parrino L, Spaggiari MC et al. CAP variables and arousals as sleep electroencephalogram markers for primary insomnia. Clin Neurophysiol 2003; 114: Ferri R, Bruni O, Miano S et al. Inter-rater reliability of sleep cyclic alternating pattern (CAP) scoring and validation of a new computer-assisted CAP scoring method. Clin Neurophysiol 2005; 116: Koupparis AM, Kokkinos V, Kostopoulos GK. Semi-automatic sleep EEG scoring based on the hypnospectrogram. J Neurosci Methods 2014; 221: Heinzer R, Vat S, Marques-Vidal P et al. Prevalence of sleep-disordered breathing in the general population: the HypnoLaus study. Lancet Respir Med 2015; 3: Penzel T, Garcia C, Glos M et al. Herzfrequenz und EKG in der Polysomnographie. Somnologie 2015; 19 im Druck 31 Task force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability. Standards of measurement, physiological interpretation, and clinical use. Circulation 1996; 93: Penzel T et al. Möglichkeiten der automatischen Schlafstadienklassifikation Klin Neurophysiol