Polysomnografie heruitgevonden: microstructuur en artificiële intelligentie

Het vorige artikel beschreef de beperkingen van de klassieke polysomnografie. Toch blijft ze onmisbaar: geen enkel ander toegankelijk onderzoek toont zo rechtstreeks wat het brein doet tijdens rust. De toekomst ligt echter niet in méér elektroden, maar in meer inzicht uit dezelfde signalen.

AI helpt het slaapcontinuüm in kaart brengen

Waar de traditionele scoringsregels elke 30 seconden een stadium labelen, beschouwen nieuwe methoden slaap als een continuüm. Spectrale en microstructurele analyses tonen dat elk stadium subtiele overgangen kent. Met algoritmen kunnen we slaap nu in golven en ritmes zien, in plaats van in hokjes.

Daarnaast tonen nieuwe inzichten dat niet het hele brein tegelijk slaapt. Sommige zones rusten, andere blijven actief. Dat fenomeen wordt enkel zichtbaar via hoog-resolutie- of algoritmische analyse. Niet-invasieve benaderingen proberen die lokale slaap in kaart te brengen, met mogelijke toepassingen voor aandachtstoornissen en herstelmonitoring.

Het cyclic alternating pattern (CAP) herdefinieert dan ook slaap als een dynamisch systeem dat voortdurend oscilleert tussen stabiliteit en kwetsbaarheid. CAP-analyse onthult hoe hersenen reageren op interne prikkels en geluiden, en verklaart waarom slaap bij obstructieve slaapapneu, parasomnia of neurodegeneratie fragieler wordt. Automatische detectie van CAP's wordt nu geïntegreerd in algoritmen die slaapkwaliteit veel genuanceerder weergeven dan traditionele hypnogrammen.

Een ander instrument, het odds ratio product (ORP), vertaalt de EEG-activiteit in een continu cijfer van 0 (diepe slaap) tot 2,5 (wakker). Het ORP kan binnen één stadium verschillen in diepte tonen, en laat patronen zien die bij insomnia, apneu en hun combinatie (COMISA) uiteenlopen. Machine-learningmodellen die ORP-data gebruiken, classificeren patiënten nauwkeuriger dan klassieke slaapstadia alleen.

Duidelijkere resolutie, meer nuance

Bij chronische insomnia en zogenaamde sleep state misperception (patiënten die slecht menen te slapen terwijl hun polysomnografie goed oogt) brengen deze digitale analyses meer nuance. Onderzoekers vonden verschillen in trage-golfslaap, alfa-activiteit en spindeldichtheid. Vooral de spindels – korte uitbarstingen van hersenactiviteit – blijken sneller en talrijker bij insomnia, wat wijst op een brein dat ook 's nachts alert blijft. Wanneer deze patronen met artificiële intelligentie worden geanalyseerd, blijken ze beter onderscheid te maken tussen echte en vermeende slapeloosheid dan klassieke parameters ooit konden.

Ook het domein van de psychiatrie herontdekt de polysomnografie. In een Zwitserse bevolkingsstudie was een verhoogde REM-densiteit bij mannen een voorspeller van depressie, terwijl bij vrouwen een sterker deltavermogen – diepere trage-golfslaap – juist beschermend leek. Zulke biomarkers kunnen artsen helpen om stemmingsstoornissen objectiever te volgen dan via vragenlijsten alleen.

De technicus van morgen

Met deze nieuwe benaderingen en bevindingen is de toekomst van de polysomnografie niet het afschaffen ervan, maar haar digitale wedergeboorte. Technici en artsen zullen algoritmen leren lezen zoals ze vroeger hypnogrammen lazen. Wat ooit een gestandaardiseerde registratie was, wordt nu een dynamische kaart van de slaap. Door microstructuur, CAP en ORP samen te brengen, wordt slaapgeneeskunde minder zwart-wit en meer continu. Dankzij artificiële intelligentie ziet de polysomnografie morgen nog scherper dan ooit tevoren.

Bron:

1. Leger, Damien et al. "Polysomnography in Transition: Reassessing Its Role in the Future of Sleep Medicine." Journal of sleep research, e70217. 10 Oct. 2025, doi:10.1111/jsr.70217