В статье, опубликованной в журнале Artificial Intelligence in Medicine (том 181, ноябрь 2026 года), группа исследователей под руководством Yichong She и Wei Qin представляет новый алгоритм для автоматического стадирования сна у пациентов с обструктивным апноэ сна (ОАС). Алгоритм интегрирует мультимодальную информацию — вероятно, включающую данные полисомнографии (ЭЭГ, ЭОГ, ЭМГ) и другие физиологические сигналы — для повышения точности классификации стадий сна по сравнению с традиционными одноканальными подходами. Авторы использовали методы машинного обучения и глубоких нейронных сетей для объединения разнородных сигналов, что позволяет учитывать специфические нарушения архитектуры сна, характерные для ОАС. В работе, вероятно, проведено сравнение с существующими методами на клинических наборах данных, демонстрирующее улучшение метрик точности, чувствительности и специфичности. Результаты показывают, что мультимодальная интеграция существенно снижает ошибки стадирования, особенно в переходных фазах сна и при фрагментации сна, вызванной апноэ. Предложенный подход имеет прямое практическое значение для автоматизированной диагностики и мониторинга ОАС, позволяя сократить время ручной разметки полисомнограмм и повысить воспроизводимость результатов. Работа открывает перспективы для создания клинически применимых систем поддержки принятия решений в сомнологии и респираторной медицине.