Ambulante monitoring en diagnostiek
Cardiologs AI
De toekomst van hartdiagnostiek ligt in AI-ondersteunde analyse.
De AI-engine van Philips Cardiologs gebruikt deep neural network (DNN)-technologie om zorgverleners en serviceverleners te helpen patiënten efficiënter te diagnosticeren, waardoor de last van redundante ECG-analysetaken wordt verlicht. We banen ook de weg voor de toekomst van hartbewaking door het gebruik van DNN-technologie te verkennen om ECG-biomarkers te ontwikkelen en hartgegevens van smartwatches te analyseren [1].
Aangetoonde resultaten
20+
Peer-reviewed wetenschappelijke publicaties en abstracts
De AI-algoritmen die in onze producten worden gebruikt, zijn klinisch gevalideerd en we blijven innoveren.
Downloaden42%
Vermindering van Holter-analysetijd [2,3]
Op basis van een klinische studie waarin de AI-oplossing van Cardiologs werd vergeleken met een klassieke oplossing [3].
Meer informatie
Philips Cardiologs AI
Gebaseerd op deep learning-technologie en meer dan 200 miljoen ECG-registraties [4], analyseert Philips Cardiologs AI ECG-curven als geheel, waarbij het de werking van het menselijk brein nabootst. Dit stelt onze algoritmen in staat om complexe ECG-patronen beter te verwerken dan klassieke algoritmen die vertrouwen op een beperkt aantal vooraf gedefinieerde regels. Wilt u meer weten?
Ons Holter-algoritme detecteert meer dan 20 typen gebeurtenissen
Inclusief de belangrijkste aritmieën:
- Pauze
- Atrioventriculair blok (tweedegraads, derdegraads, gevorderd hooggradig AV-blok)
- Atriumfibrillatie of atriumflutter
- Ventriculaire tachycardie
- Premature supraventriculaire complexen (PSVCs), PSVC-couplets
- Premature ventriculaire complexen (PVCs)
- Ventriculaire couplets, ventriculaire bigeminie, ventriculaire trigeminie
- Sinusritme, bradycardie, tachycardie
10-voudige vermindering van Afib-foutpositieven in Holtermetingen
Validatie van het Cardiologs AI-algoritme. Met behulp van de openbare database van MIT-BIH werd ons Cardiologs AI-algoritme vergeleken met de resultaten van een referentiemethode gebaseerd op R-R interval [5]. Ons AI-algoritme heeft aantoonbaar de specificiteit bij detectie van AF verbeterd, terwijl de gevoeligheid vergelijkbaar blijft, waardoor het percentage foutpositieven is teruggebracht van 17,2% naar 1,5%.
Onze medische AI is beschikbaar in Cardiologs Holter.
Het Cardiologs Holter-platform gebruikt diepe neurale netwerken en cloudtechnologie om u te helpen continue ambulante ECGs efficiënter te analyseren.
Voetnoten
- Het gebruik van de Cardiologs-algoritmen voor het analyseren van smartwatchgegevens en ECG-biomarkers wordt onderzocht. Ze zijn niet te koop.
- Het Cardiologs Holter-platform is een medisch apparaat. Bedoeld voor gebruik door zorgprofessionals voor het beoordelen van aritmieën met behulp van ECG-gegevens. Het is CE-gemarkeerd en door de Amerikaanse Food and Drug Administration goedgekeurd onder de 510(k)-procedure.
- Fiorina, L., Marijon, E., Maupain, C., et al. AI-gebaseerde strategie maakt snellere Holter ECG-analyse mogelijk met een gelijkwaardige klinische nauwkeurigheid vergeleken met een klassieke strategie. EP Europace. 2020;22(suppl 1), euaa162.374. DOI: 10.1093/europace/euaa162.374.
- Philips Cardiologs database - oktober 2023.
- Li, J., Rapin, J., Rosier, A., Smith, S.W., Fleureau, Y., Taboulet, P. Deep neural networks improve atrial ï¬brillation detection in Holter: eerste resultaten. European Journal of Preventieve Cardiologie. 2016;23(2suppl):41–55. DOI: 10.1177/2047487316668070.
- Fiorina, L., Maupain, C., Gardella, C., et al. Evaluation of an Ambulatory ECG Analysis Platform Using Deep Neural Networks in Routine Clinical Practice. Journal of the American Heart Association. 2022;11(18):e026196. DOI: 10.1161/JAHA.122.026196.
- Fiorina, L., Chemaly, P., Cellier, J., et al. Artificial intelligence-based electrocardiogram analysis improves atrial arrhythmia detection from a smartwatch electrocardiogram. European Heart Journal - Digital Health. 2024;00:1-7. DOI: 10.1093/ehjdh/ztae047.
- Singh, J.P., Fontanarava, J., de Massé, G., et al. Short-term prediction of atrial fibrillation from ambulatory monitoring ECG using a deep neural network. European Heart Journal - Digital Health. 2022;3(2):208–217. DOI: 10.1093/ehjdh/ztac014ztac014.
Juridische kennisgeving
De resultaten zijn specifiek voor de instelling waar ze zijn verkregen en weerspiegelen mogelijk niet de resultaten die bij andere instellingen kunnen worden behaald. Resultaten in andere gevallen kunnen variëren.