smartwatch健康应用程序来检测房颤足够聪明吗?

延长心脏监测患者和植入心血管电子设备的使用可以提高检测房颤(AF),但设备限制包括电池寿命短、缺乏即时反馈。新的智能手机的工具可以记录心电图(ECG)地带,使自动诊断克服这些限制,便于及时诊断?

最大的研究到目前为止,加拿大心脏病学杂志》发现,这些设备的使用是具有挑战性的ecg异常患者。更好的算法,机器学习这些工具可以帮助提供更准确的诊断,调查人员说。

“先前的研究已经验证了苹果的诊断的准确性有限数量的房颤患者相似的临床资料,”首席研究员马克·斯特里克解释说,医学博士,博士,LIRYC研究所,波尔多大学医院,法国波尔多。“我们测试的准确性苹果看心电图应用检测房颤患者的各种共存的心电图异常。”

这项研究包括734名连续住院的病人。每个病人接受了12导心电图,立即紧随其后的是一个30秒的苹果看记录。的smartwatch房颤的自动单管线心电图检测被归类为“没有房颤的迹象,”“心房纤颤,”或“不确定阅读。”Smartwatch recordings were given to an electrophysiologist who conducted a blinded interpretation, assigning each tracing a diagnosis of "AF," "absence of AF," or "diagnosis unclear." A second blinded electrophysiologist interpreted 100 randomly selected traces to determine the extent to which the observers agreed.

在大约每五个病人,smartwatch心电图未能产生一个自动诊断。房颤的风险有一个假阳性自动检测早产了更高的患者心房和心室收缩(pac / pvc)、窦房结功能障碍,和二度或三度房室传导阻滞。在房颤患者,有一个假阴性的风险跟踪(错过AF)更高的患者心室传导异常(心室传导延迟)或节奏控制的一种埋藏式心脏起搏器。

心脏电生理学家有一个高水平的AF和non-AF协议的区别。的智能手机应用正确识别在房颤患者的78%,81%的人没有在房颤电生理学家发现房颤患者的97%,89%的人没有。

pvc患者的三倍假阳性房颤从smartwatch心电图诊断,识别患者的心房心动过速(在)和心房扑动(AFL)很穷。

“这些观察是不奇怪的,因为smartwatch自动检测算法完全基于周期变化,”斯特里克博士指出,解释说,pvc造成短期和长周期,增加循环变化。“理想情况下,一个算法更好的区分pvc和房颤。任何算法有限周期变化的分析将会在检测精度差/ AFL。机器学习方法可能会增加smartwatch AF检测精度在这些病人。”

安德烈斯·Miranda-Arboleda社论,医学博士和Adrian Baranchuk,医学博士,心脏病,金斯顿健康科学中心,金斯顿,加拿大,观察到,这是第一个“真实世界”的研究关注苹果的使用看作为房颤的诊断工具。

“这是非凡的重要性,因为它允许我们学习苹果的表现看在房颤的诊断存在的潜在影响心电图异常。以一定的方式,smartwatch算法的检测房颤患者的心血管疾病尚未足够聪明。但他们很快就会,”Miranda-Arboleda博士和Baranchuk博士说。

“越来越多的使用smartwatches在医学上,重要的是要知道,医疗条件和心电图异常会影响和改变检测房颤的smartwatch为了优化我们的病人的护理,”斯特里克博士说。“Smartwatch检测房颤有很大潜力,但它是在预先存在的心脏疾病患者更有挑战性。”