根據2020年4月份《臨床睡眠醫學雜志》上發表的一項研究，從3D照片中分析面部特征可以預測發生阻塞性睡眠呼吸暫停的可能性。

通過3D攝影，研究發現測地線測量（曲面上兩點之間的最短距離）可以89％的準確度預測哪些人患有睡眠呼吸暫停。僅使用傳統的2D線性測量，該算法的準確性就達到了86％。

首席研究員彼得·伊斯特伍德（Peter Eastwood）說：“這項技術的應用在面部和頸部預先確定了標記，”他擁有呼吸和睡眠生理學博士學位，是西澳大利亞大學（UWA）睡眠科學中心的主任，他說 “確定了這些標記之間的測地線距離和線性距離，并對線性判別算法進行了訓練，測試并用于將個體歸類處于阻塞性睡眠呼吸暫停的高風險或低風險中。”

這項研究涉及300位不同程度的睡眠呼吸暫停患者和100位沒有睡眠呼吸暫停的患者。這些人來自當地醫院和西澳大利亞州的Raine縱向隊列研究。所有患者均進行了整夜睡眠研究，并使用顱面掃描儀系統拍攝了3D照片。數據用于構建預測算法，并在另一組患者身上進行對照測試。

Eastwood與西澳大學計算機科學家Syed Zulqarnain Gilani合作，將睡眠呼吸暫停最相關的面部特征識別為頸部寬度和下頜后縮程度，但該研究還發現了其他可能的指標。

他說：“從本研究中獲得的數據表明，其他測量值，例如下頜的寬度和長度、面部的寬度以及眼睛之間的距離，也有助于區分是否患有阻塞性睡眠呼吸暫停的個體。”

該研究的評論文章也發表在JCSM的四月號中。 Ofer Jacobowitz和Stuart MacKay博士表示，他們看到了3D攝影技術作為篩查工具的光明前景，并有望與患者數字健康追蹤器的數據和健康史相結合。

“某些可穿戴設備已經能夠測量脈搏血氧飽和度，其中一些可提供血氧飽和度變化分析。” 他們評論道：“同樣，明天的家庭可能會在臥室中安裝傳感器，這些傳感器可以使用光學、聲學、紅外、超聲或其他方式收集睡眠生理數據“。

根據Eastwood的說法，現有研究顯示了睡眠呼吸暫停的遺傳易感性，而面部結構是這種易感性的重要組成部分，導致研究人員根據面部特征尋求一種可負擔的、價格合理的篩查方法。 Eastwood認為3D面部攝影可以代表第一種廉價、可廣泛使用的睡眠呼吸暫停篩查工具。

“ 阻塞性睡眠呼吸暫停是一個巨大的公共衛生問題，盡管早已具備有效的治療方法，但許多阻塞性睡眠呼吸暫停仍未得到診斷。”Eastwood說： “因此，需要簡單、準確的篩查工具來預測患有阻塞性睡眠呼吸暫停的人。”

如需要該研究副本“Predicting sleep apnea from 3-dimensional face photography通過3D人臉攝影預測睡眠呼吸暫停”或評論文章“The faces of sleep apnea in the age of machine learning機器學習時代的睡眠呼吸暫停面孔” 請與北京思力普睡眠研究所聯系。

北京思力普睡眠研究所（BSRI）成立于2003年11月，是中國睡眠醫學的領導者和實踐者，是目前國內唯一整合了睡眠研究、持續正壓氣道通氣（CPAP呼吸機）、定制型口腔矯治器（OA)和認知行為療法(CBT)治療睡眠呼吸障礙的專業機構，用學科整合的力量解決睡眠呼吸障礙的疑難問題，旨在為睡眠疾患人群提供最高標準的睡眠醫學體驗和護理，并積極探索和實踐中國睡眠醫學發展的新路子，以更高效率促進人人享有睡眠健康。