Sydämen eteisrytmihäiriöiden tarkka havaitseminen ja ennustaminen tekoälyn ja kuluttajien käyttämien kannettavien laitteiden avulla (REMOTE-AF2)

Eteisvärinä (AF) on yleisin sydämen rytmihäiriö, joka vaivaa yli miljoonaa ihmistä Isossa-Britanniassa. Se liittyy lisääntyneeseen sydän- ja verisuonitauteihin sekä kuolleisuuteen ja maksaa NHS:lle vuosittain 1,4–2,5 miljardia puntaa. Nykyiset AF:n havaitsemismenetelmät sisältävät satunnaisen pulssin tunnustelun, yksittäisen aikapisteen 12-liitännän elektrokardiogrammit (EKG), ambulantin Holter-seurannan ja implantoitavat silmukka-asetelmat (ILR). Laajemmin käytetyt epäjatkuvat seurantamenetelmät, kuten EKG ja Holter-seuranta, ovat rajallisia keston suhteen ja niillä on alhaisempi eteisrytmihäiriöiden havaitsemistuotto. Toisessa ääripäässä ILR voi tarjota jatkuvan ja tarkan rytmihäiriöiden havaitsemisen, mutta se on invasiivinen ja vaatii erikoistunutta osaamista asentaa, seurata ja analysoida.

Viime vuosina kannettavien mobiiliterveys (mHealth) -laitteiden käyttö on noussut suorana kuluttajavaihtoehtona seurata parametreja, kuten sykettä ja aktiivisuustasoja. Kliinisestä näkökulmasta ne tarjoavat mahdollisesti vähemmän invasiivisen ja kustannustehokkaan tutkimusmenetelmän, kaukoseurantaratkaisuilla mahdollisesti ennustaa ja havaita AF. Tällä teknologialla on merkittävä potentiaali passiivisessa, ei-invasiivisessa ja jatkuvassa seurannassa auttaen AF:n varhaista diagnosointia ja hoitoa.

Alkuperäinen REMOTE-AF-tutkimus (NCT05037136) kehitti uutta metodologiaa AF:n havaitsemiseksi käyttäen PPG:stä johdettua dataa kannettavasta laitteesta. Tämä tutkimus edistää tätä perustyötä rekrytoimalla potilaita kehittämään tekoälyllä varustetun, moniparametrisen algoritmin, joka käyttää PPG:stä johdettua dataa AF:n havaitsemiseen.