اقترح فريق بحثي إطاراً تكاملياً مبتكراً يستخدم تقنيات الذكاء الاصطناعي لتصنيف مصادر الشخير، في تطور يمكن أن يحسن تشخيص اضطرابات النوم ويدفع نحو علاجات أكثر تخصيصاً. يعتمد الإطار على تحليل الإشارات الصوتية للشخير لتحديد المنشأ التشريحي بدقة.أهمية التشخيص الدقيقيُعد الشخير عرضاً رئيسياً لانقطاع النفس الانسدادي النومي، والذي يحدث نتيجة انسداد أو اهتزاز في تراكيب مجرى الهواء العلوي.
يساعد تحديد الموقع التشريحي للشخير، عبر تصنيف الأصوات الناتجة، في تجنب الإجراءات الجراحية غير الضرورية.واجهت طرق التصنيف الحالية تحديات مثل محدودية البيانات وضعف دمج معلومات التردد الزمني وعدم توازن الفئات. ولتجاوز هذه العقبات،
استخدم الباحثون مجموعة بيانات من تسجيلات لأصوات شخير ناتجة عن أربعة مواضع مختلفة في الجهاز التنفسي: الحنك الرخو، قاعدة اللسان، لسان المزمار، والجدران الجانبية للبلعوم الفموي.تطوير النموذج واختبارهقسم الباحثون البيانات إلى مجموعات للتدريب والتطوير والاختبار،
مع معالجة التفاوت في أعداد التسجيلات لضمان عدم انحياز النتائج. بعد تدريب عدة نماذج ذكاء اصطناعي ومقارنتها، تفوق النموذج الأفضل على الأساليب التقليدية والمتقدمة، محققاً متوسط استدعاء غير مرجح بلغ 67.1% في الاختبارات النهائية.وأظهرت المقارنات أن الإطار الجديد يتفوق على الأنظمة التي تعتمد على الخصائص الصوتية التقليدية،
والتي قد لا تكون كافية لالتقاط الأنماط المعقدة لأنواع الشخير المختلفة. كما سجل تحسناً ملحوظاً في القدرة على التمييز بين مصادر الشخير.آفاق مستقبلية واعدةرغم استمرار بعض التحديات في التمييز بين أنواع معينة من الشخير، تشير النتائج إلى أن هذا الإطار يمثل خطوة مهمة نحو تطوير أدوات تشخيص أكثر دقة لاضطرابات النوم. يمكن لهذه التقنية أن تساعد في تحديد العلاج الأنسب لكل مريض،
مما يعزز جودة الرعاية الصحية المرتبطة باضطرابات التنفس أثناء النوم.
