最近的研究引發了對是否所有目前定義的中樞性嗜睡症都是穩定的實體的懷疑，特別是 2 型發作性睡病和特發性嗜睡症。需要新的可靠生物標誌物，問題是是否應重新評估當前的嗜睡症診斷標準。這項數據驅動的觀察性研究的主要目的是查看數據驅動的算法是否可以區分 1 型發作性睡病，並使用新的臨床生物標誌物確定更可靠的沒有猝倒症的個體亞組。

        研究使用凝聚層次聚類(一種無監督機器學習算法)來識別大型歐洲嗜睡症網絡數據庫中不同的嗜睡症集群。納入了 97 個變量，涵蓋了中樞性嗜睡症的所有方麵，例如症狀、人口統計、客觀和主觀睡眠測量以及實驗室生物標誌物。特別關注沒有猝倒症的患者亞組。集群的數量被選擇為將沒有猝倒的患者分成不同組的最小數量。

        研究納入了 1078 名未服用藥物的青少年和成人。

        確定了七個集群，其中四個集群主要包括猝倒症患者。

        兩個最明顯的集群分別由 158 名和 157 名患者組成，以沒有猝倒症的患者為主，除其他變量外，在睡眠醉酒、主觀覺醒困難和周末睡眠長度差異方麵存在顯著差異。

        正式診斷為 2 型發作性睡病和特發性嗜睡症的患者在這兩個集群中均勻混合。

        在迄今為止關於嗜睡中樞疾病的最大研究中使用數據驅動的方法，該研究確定了嗜睡中樞疾病人群中不同的患者亞組。該結果對將入睡快速眼動時間 (SOREMP) 納入無猝倒症患者的診斷標準提出了質疑，並為更類似於不同患者表型的可靠診斷類別提供了有希望的新變量。集群引導的分類將產生更可靠的嗜睡分類係統，該係統不易受單個特征不穩定性的影響。