Analisi automatica dei segnali cardiorespiratori per l’identificazione del pattern sonno–veglia nei lattanti a rischio di sids

La Sudden Infant Death Syndrome (SIDS) è la morte improvvisa e inspiegata di un lattante di età inferiore a 12 mesi, principale causa di morte nel primo anno di vita nei paesi industrializzati (escluse le cause perinatali), con incidenza massima tra i 2 e i 4 mesi. In Piemonte, la sorveglianza epidemiologica attiva dal 2004 conferma questo andamento. Presso l’Ospedale Infantile Regina Margherita di Torino è attivo il Centro di riferimento regionale per la medicina del sonno pediatrica e la SIDS, che offre assistenza ai lattanti a rischio: neonati prematuri, fratelli di vittime di SIDS, pazienti affetti da Apparent Life Threatening Event (ALTE). L’approccio diagnostico comprende monitoraggi cardiorespiratori registranti di 24 ore associati all’osservazione diretta del caregiver, che annota gli stati sonno-veglia. Tale esame, [tramite l’analisi dell’attività cardiorespiratoria e del ritmo sonno-veglia], consente di valutare lo stato di salute generale e il neurosviluppo del paziente. Una rete di telemedicina collega 21 strutture piemontesi al Centro di Torino, permettendo l’analisi centralizzata dei dati; nel 2025 sono stati refertati 595 monitoraggi. Il dispositivo utilizzato (Getemed 3100) registra l’ECG, i movimenti respiratori toracici (RESP) e la fotopletismografia (PPG) ed emette allarmi in caso di eventi patologici, ma non fornisce né informazioni su ritmo sonno-veglia né valori medi dei parametri vitali (PV) nel sonno. Lo studio, condotto in collaborazione con il Politecnico di Torino (Prot. n. 0005010, 28/10/2025, Pratica CET00102/2025), prevede l’analisi retrospettiva dei dati relativi a 150 lattanti (ad oggi 66) di età inferiore a 6 mesi. L’obiettivo è identificare automaticamente sonno e veglia mediante l’analisi dei segnali PPG e RESP e calcolare i valori medi dei PV nel sonno. Sono stati sviluppati algoritmi basati su soglie e finestre mobili per la classificazione di epoche di 30 secondi, validati rispetto al diario del caregiver. L’algoritmo PPG ha mostrato le migliori prestazioni, con sensibilità del 93,52%, specificità del 75,40% e accuratezza dell’84,77%. Inoltre, la stima automatica di tempo totale di sonno, efficienza del sonno, ritmo cardiaco e respiratorio medi durante il sonno ha evidenziato elevata concordanza con le valutazioni mediche. Il metodo proposto rappresenta dunque uno strumento efficace di supporto alla pratica clinica, riducendo la necessità di osservazione continua e i tempi di refertazione.