Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

A Photoplethysmography-Based Machine Learning Algorithm for Early Atrial Fibrillation Detection: A Prospective Validation Study (HeartCore AF)

perjantai 31. heinäkuuta 2026 päivittänyt: Seerlinq s. r. o.

Prospective Validation of a Machine-Learning Algorithm Using Photoplethysmography Signals for Early Detection of Atrial Fibrillation During Remote Telemonitoring

This is a prospective study validating a new machine-learning algorithm that detects atrial fibrillation (AF) from photoplethysmography (PPG) signals, developed 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, MDR) device that monitors left ventricular filling pressures in heart failure patients. The algorithm will be validated through internal cross-validation, external validation against an independent cohort with paired PPG-ECG recordings, and validation in a cohort of patients with paroxysmal atrial fibrillation and frequent sinus-AF transitions.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

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.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

200

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Opiskelupaikat

      • Bratislava, Slovakia
        • Rekrytointi
        • PreMedix
        • Ottaa yhteyttä:
        • Päätutkija:
          • Allan Bohm, M.D., MSc., PhD.

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Adults ≥18 years with a diagnosis of heart failure (HFrEF, HFmrEF, or HFpEF) from Slovakia

Kuvaus

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

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
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.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Aikaikkuna
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
Aikaikkuna: Through study completion (estimated November 2026)
Through study completion (estimated November 2026)

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Sensitivity and specificity of the algorithm at the Youden-optimal threshold
Aikaikkuna: Through study completion (estimated November 2026)
Through study completion (estimated November 2026)
Positive predictive value and negative predictive value
Aikaikkuna: Through study completion (estimated November 2026)
Through study completion (estimated November 2026)
Average precision
Aikaikkuna: Through study completion (estimated November 2026)
area under the precision-recall curve
Through study completion (estimated November 2026)
Model calibration
Aikaikkuna: Through study completion (estimated November 2026)
e.g., calibration curve / Brier score
Through study completion (estimated November 2026)
Matthews correlation coefficient
Aikaikkuna: Through study completion (estimated November 2026)
Through study completion (estimated November 2026)
Overall classification accuracy
Aikaikkuna: 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
Aikaikkuna: 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
Aikaikkuna: Through study completion (estimated November 2026)
Through study completion (estimated November 2026)

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Yhteistyökumppanit

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Keskiviikko 1. lokakuuta 2025

Ensisijainen valmistuminen (Arvioitu)

Lauantai 1. elokuuta 2026

Opintojen valmistuminen (Arvioitu)

Sunnuntai 1. marraskuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 31. heinäkuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 31. heinäkuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Torstai 6. elokuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Torstai 6. elokuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 31. heinäkuuta 2026

Viimeksi vahvistettu

Keskiviikko 1. heinäkuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • HeartCoreAF01

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

IPD-suunnitelman kuvaus

The data will not be shared publicly, but anonymized data can be shared upon reasonable request to the corresponding author.

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .