A Photoplethysmography-Based Machine Learning Algorithm for Early Atrial Fibrillation Detection: A Prospective Validation Study (HeartCore AF)
Prospective Validation of a Machine-Learning Algorithm Using Photoplethysmography Signals for Early Detection of Atrial Fibrillation During Remote Telemonitoring
Descripción general del estudio
Estado
Estado
Condiciones
Condiciones
Intervención / Tratamiento
Intervención / Tratamiento
Descripción detallada
Atrial fibrillation (AF) and heart failure (HF) frequently coexist and share a bidirectional causal relationship; their concurrence is associated with worse clinical outcomes. Early detection of AF may enable timely intervention and improve outcomes. This study is prospectively validating a machine-learning algorithm for AF detection from PPG signals, intended for integration into the Seerlinq remote monitoring platform. This algorithm builds on the same core PPG signal-processing technology as Seerlinq's HeartCore device (a CE-certified, Class IIb device under the EU MDR that monitors left ventricular filling pressures in heart failure patients). It is a stand-alone algorithm designed specifically to detect clinically relevant (≥ 30s) atrial fibrillation.
Validation of the algorithm will proceed in three stages: (1) internal cross-validation; (2) external validation against an independent cohort with paired PPG-ECG recordings, to confirm generalizability; and (3) validation in a cohort of patients with paroxysmal atrial fibrillation and frequent sinus-AF transitions, to assess performance during clinically challenging rhythm changes.
The study is enrolling toward an estimated 1,000 unique PPG recordings. A 12-lead ECG is used to confirm cardiac rhythm classification (gold standard) as the reference for evaluating algorithm performance.
Tipo de estudio
Tipo de estudio
Inscripción (Estimado)
Inscripción
Contactos y Ubicaciones
Estudio Contacto
Estudio Contacto
- Nombre: Marta Kollárová, MSc., PhD.
- Número de teléfono: +421 950 896 026
- Correo electrónico: marta.kollarova@premedix.org
Ubicaciones de estudio
-
-
-
Bratislava, Eslovaquia
- Reclutamiento
- PreMedix
-
Contacto:
- Allan Bohm, M.D., MSc. PhD.
- Número de teléfono: +421 907 411 499
- Correo electrónico: allan.bohm@premedix.org
-
Investigador principal:
- Allan Bohm, M.D., MSc., PhD.
-
-
Criterios de participación
Criterio de elegibilidad
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Inclusion Criteria:
- Adults ≥18 years with a diagnosis of heart failure (HFrEF, HFmrEF, or HFpEF)
- 12-lead ECG performed to confirm cardiac rhythm classification (AF vs. non-AF)
Exclusion Criteria:
- Missing a valid PPG recording
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
Número de grupos/cohortes
Cohortes e Intervenciones
Grupo / CohorteGrupo / Cohorte |
Intervención / TratamientoIntervención / Tratamiento |
|---|---|
|
Documented AF
HF patients with a history of permanent/paroxysmal AF and AF documented on 12-lead ECG at enrollment
|
The PPG-based atrial fibrillation detection algorithm is a non-invasive signal processing approach that analyzes photoplethysmographic waveforms obtained during remote monitoring.
The algorithm evaluates pulse-to-pulse variability, waveform characteristics, and signal quality parameters to identify irregular rhythm patterns associated with atrial fibrillation and provide early detection of potential arrhythmic events.
|
|
Non-AF
HF patients in sinus rhythm on the index 12-lead ECG with no prior documented AF episodes
|
The PPG-based atrial fibrillation detection algorithm is a non-invasive signal processing approach that analyzes photoplethysmographic waveforms obtained during remote monitoring.
The algorithm evaluates pulse-to-pulse variability, waveform characteristics, and signal quality parameters to identify irregular rhythm patterns associated with atrial fibrillation and provide early detection of potential arrhythmic events.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medidas de resultado primarias
Medida de resultado |
Periodo de tiempo |
|---|---|
|
Diagnostic accuracy (area under the ROC curve) of the PPG-based machine-learning algorithm for detecting clinically relevant AF (≥ 30s), compared with gold-standard 12-lead ECG
Periodo de tiempo: Through study completion (estimated November 2026)
|
Through study completion (estimated November 2026)
|
Medidas de resultado secundarias
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Sensitivity and specificity of the algorithm at the Youden-optimal threshold
Periodo de tiempo: Through study completion (estimated November 2026)
|
Through study completion (estimated November 2026)
|
|
|
Positive predictive value and negative predictive value
Periodo de tiempo: Through study completion (estimated November 2026)
|
Through study completion (estimated November 2026)
|
|
|
Average precision
Periodo de tiempo: Through study completion (estimated November 2026)
|
area under the precision-recall curve
|
Through study completion (estimated November 2026)
|
|
Model calibration
Periodo de tiempo: Through study completion (estimated November 2026)
|
e.g., calibration curve / Brier score
|
Through study completion (estimated November 2026)
|
|
Matthews correlation coefficient
Periodo de tiempo: Through study completion (estimated November 2026)
|
Through study completion (estimated November 2026)
|
|
|
Overall classification accuracy
Periodo de tiempo: Through study completion (estimated November 2026)
|
Through study completion (estimated November 2026)
|
|
|
Specificity and false-positive rate in the subgroup with frequent atrial/ventricular extrasystoles
Periodo de tiempo: Through study completion (estimated November 2026)
|
Through study completion (estimated November 2026)
|
|
|
Accuracy of AF detection during sinus-AF transitions at the individual patient level
Periodo de tiempo: Through study completion (estimated November 2026)
|
Through study completion (estimated November 2026)
|
Colaboradores e Investigadores
Patrocinador
Patrocinador
Colaboradores
Colaboradores
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Inicio del estudio
Finalización primaria (Estimado)
Finalización primaria
Finalización del estudio (Estimado)
Finalización del estudio
Fechas de registro del estudio
Enviado por primera vez
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Publicado por primera vez
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización publicada
Última actualización enviada que cumplió con los criterios de control de calidad
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
Otros números de identificación del estudio
- HeartCoreAF01
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .