Einleitung: Die kardiorespiratorische Polysomnographie (PSG) stellt das Standarduntersuchungsverfahren zur Diagnostik schlafmedizinischer Erkrankungen dar. Hierbei handelt es sich um ein zeit- und kostenaufwendiges Verfahren, welches wegen der ungewohnten Schlafumgebung und der am Körper angebrachten Sensoren vom Patienten als belastend empfunden werden kann. Alternative Messverfahren, die eine kontaktlose Überwachung des Schlafes ermöglichen, gewinnen daher zunehmend an Relevanz. Hierzu gehören auch kamerabasierte Systeme wie die Kinect von Microsoft, welche eine dreidimensionale Erfassung von Bewegungen ermöglicht. In der vorliegenden Arbeit wurde untersucht, inwiefern mit der Kinect anhand von Bewegungsmustern Apnoen und Hypopnoen sowie periodische Beinbewegungen erkannt werden können. Ein weiteres Ziel war es, festzustellen, ob mittels Bewegungsanalyse eine Unterscheidung zwischen Schlaf und Wachzustand möglich ist.
Methoden: Für die kontrollierte Pilotstudie wurde jeder Studienteilnehmer für eine Nacht im Schlaflabor mittels Kinect (Version 2 vom Hersteller Microsoft) und PSG untersucht. Zur Aufnahme der Kameradaten wurde unter Verwendung des von Microsoft bereitgestellten Software Development Kits für die Kinect Version 2 eine Aufnahmesoftware in der Programmiersprache C# entwickelt. Es wurden Daten von insgesamt 59 Studienteilnehmern im Alter zwischen 18 und 70 Jahren analysiert (21 Patienten mit obstruktiver Schlafapnoe [OSA], 19 Patienten mit Restless-Legs-Syndrom [RLS] und 19 gesunde Probanden). Es wurde sowohl für die Apnoen und Hypopnoen als auch für die periodischen Beinbewegungen ein Index ermittelt, welcher sich bei der PSG auf die Schlafzeit und bei der Kinect auf die Aufnahmezeit bezog.
Ergebnisse: Die Detektion von Apnoen und Hypopnoen gelang mit dem Kinect-System mit guter Messgenauigkeit. Insbesondere in der Subgruppe der OSA-Patienten war die Korrelation der Indices von Kinect und PSG stark und hoch signifikant ausgeprägt (r = 0,823, p < 0,001). Bei der Erkennung von Patienten mit OSA wies das Kinect-System eine Sensitivität von 90 % bei einer Spezifität von 71,4 % auf. Ebenso zeigte sich für das Kinect-System eine gute Messgenauigkeit bei der Erfassung von periodischen Beinbewegungen. In der Subgruppe der RLS-Patienten ergaben die Indices von Kinect und PSG einen deutlichen und signifikanten Zusammenhang (r = 0,654, p = 0,004). Die Unterscheidung von Wachzustand und Schlaf mittels Kinect ist in der Studie zur vorliegenden Arbeit nicht zuverlässig gelungen.
Diskussion: Das Kinect-System detektierte die OSA mit einer Sensitivität, die mit der respiratorischen Polygraphie vergleichbar ist. Künftige Studien könnten die Einsatzmöglichkeit des Kinect-Systems als eine dem Schlaflabor vorgeschaltete Diagnostikmethode zur Diagnostik der OSA im häuslichen Umfeld untersuchen.
Introduction: Polysomnography is the standard diagnostic procedure for the diagnosis of sleep disorders. This procedure is time-consuming and expensive and can be perceived as stressful by the patient due to the unfamiliar sleep environment and the sensors attached to the body. Alternative measuring methods that enable contactless monitoring of sleep are therefore becoming increasingly relevant. This includes camera-based systems such as the Kinect from Microsoft, which enables a three-dimensional capture of movements. Aim of the present study was to investigate if the Kinect is able to detect apneas and hypopnoeas as well as periodic leg movements on the basis of movement patterns. Another goal was to determine whether movement analysis allows a distinction between sleep and wakefulness.
Methods: For the controlled pilot study, each study participant was examined for one night in the sleep laboratory using Kinect (version 2 from the manufacturer Microsoft) and polysomnography. To capture the camera data, recording software based on the programming language C# was developed using the software development kit provided by Microsoft for the Kinect version 2. Data from a total of 59 study participants between the ages of 18 and 70 years were analyzed (21 patients with obstructive sleep apnea [OSA], 19 patients with restless legs syndrome [RLS] and 19 healthy volunteers). For each measurement system, an index was found for apneas and hypopneas, as well as for periodic leg movements. The index for the polysomnography referred to sleep time and the index for the Kinect referred to recording time.
Results: The detection of apneas and hypopneas was achieved with the Kinect system with good accuracy. Especially in the subgroup of OSA patients the correlation of the indices of Kinect and polysomnography was strong and highly significant (r = 0.823, p <0.001). In the detection of OSA patients, the Kinect system had a sensitivity of 90 % with a specificity of 71.4 %. Likewise, the Kinect system showed a good accuracy in the detection of periodic leg movements. In the subgroup of RLS patients, the indices of Kinect and polysomnography showed a clear and significant association (r = 0.654, p = 0.004). The distinction between wakefulness and sleep by Kinect was not successful in this study.
Discussion: The Kinect system detected OSA with a sensitivity comparable to respiratory polygraphy. Future studies could investigate the feasibility of using the Kinect system as a diagnostic tool for diagnosing OSA in the home environment before admission to a sleep laboratory.
