利用人工智能推广医疗器械的市场后监测的进展:心电图器件案例研究

科学领域:

• 生物医学工程 生物医学工程
• 医疗信息学 医疗信息学
• 机器学习应用 机器学习应用

背景情况:

• 医疗器械条例 (MDR) 要求加强医疗器械 (MD) 的市场后监督.
• 电心电图 (ECG) 设备对于心脏诊断至关重要,需要高可靠性和准确性.
• 确保ECG设备的安全性和性能对于及时有效的患者治疗至关重要.

研究的目的:

• 通过机器学习 (ML) 改进使用心电图设备的市场后监测.
• 根据性能和安全数据,预测心电图装置的运行状态 (成功/失败).
• 加强医疗机构中ECG设备的管理策略,确保最佳的功能和诊断可靠性.

主要方法:

• 在波斯尼亚和黑塞哥维那收集了来自ECG设备检查的5577个样本.
• 应用了各种ML算法:决策树 (DT),物流回归 (LR),随机森林 (RF),高斯天真湾 (NB) 和支持向量机器 (SVM).
• 将算法性能进行比较,以确定预测设备运行状态的最准确模型.

主要成果:

• 所有测试的ML算法都表现良好.
• 随机森林 (RF) 算法在预测心电图装置的成功/失败方面实现了100%的准确性.
• 开发的ML模型显示了将其应用于其他医疗器械数据集的潜力.

结论:

• 基于机器学习的自动化系统可以显著提高医疗保健中的诊断和治疗质量.
• 实施ML用于市场后监测可以优化医疗器械管理成本.
• 基于ML的增强监控解决了确保医疗器械可靠性和患者安全的挑战.