植入式心脏监测器:人工智能和信号处理减少了远程ECG审查工作量,并保持了心律失常检测灵敏度

科学领域:

• 心脏病学 心脏病学
• 生物医学工程 生物医学工程
• 医疗信息学 医疗信息学

背景情况:

• 植入式心脏监测器 (ICM) 对于长期检测心律失常至关重要.
• 在ICM中高错误检测率导致医生工作量增加和审查负担增加.
• 有效的数据分析对于有效的心律失常管理至关重要.

研究的目的:

• 评估SmartECG算法的有效性,以减少与ICM数据相关的工作负载.
• 使用SmartECG算法量化数据审查时间的减少.
• 用SmartECG评估任何潜在的敏感性损失,以检测真正的心律失常.

主要方法:

• 在三个临床项目中利用了来自BioMonitor IIIm设备的大型现实数据集.
• 使用SmartECG算法将皮下心电图 (sECG) 分类为"真实"或"错误".
• 通过模拟忽视"虚假"sECG来评估工作量减少,并评估了五家医院的审查时间.
• 通过将算法分类与2000个sECG的三名医生小组进行比较,估计了敏感性损失.

主要成果:

• 智能ECG过了42.8%的sECG为"错误",使每名患者的年度数据从147减少到84.
• 每名患者的年度工作时间从83分钟减少到48分钟.
• 估计敏感性损失为2.6%,大多数被拒绝的真心律律乱在3天内被重新分类.

结论:

• 智能ECG算法通过ICM显著提高了通过ICM进行长期心律失常监测的效率.
• 通过SmartECG实现的工作量减轻具有临床意义.
• 算法的过过程带来了错过相关心律失常的有限风险.