一个医疗智能带的性能,用光电感应技术和人工智能算法来检测心房动

科学领域:

• 心脏病学 心脏病学
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 心房动 (AF) 是一种常见的心律失常,与中风和死亡风险增加有关.
• 早期的AF检测对于有效的管理和并发症预防至关重要.
• 可穿戴式光电显微镜 (PPG) 技术为持续监测提供了一种非侵入性方法.

研究的目的:

• 评估三种人工智能算法 (Happitech,Preventicus,Philips Biosensing AF) 在AF检测方面的性能.
• 为了比较人工智能驱动的AF检测的准确性,使用智能带的PPG信号与黄金标准心电图 (ECG) 相比.

主要方法:

• 使用带有PPG技术的医疗智能带从患有和没有AF的患者收集的心血管数据.
• 人工智能算法分析了针对AF发作的PPG信号.
• 通过将结果与经过培训的技术人员分析的并发心电图记录进行比较来评估算法性能.

主要成果:

• 这项研究包括72名参与者 (42%为女性,平均年龄为57±17岁).
• 人工智能算法处理了来自智能带的连续PPG信号.
• 与心电图相比,灵敏度在80.0%至97.6%之间,特异性在90.6%至96.9%之间.

结论:

• 带有PPG和AI算法的医疗智能带展示了可靠的AF检测能力.
• 这些发现支持使用智能带来远程AF监控和及时干预.
• 这种方法可能会导致减少AF相关的并发症和医疗保健支出.