Système de surveillance basé sur l'IA pour l'insuffisance cardiaque chronique avec des appareils portables et mini-invasifs avancés (SMART-CARE)

L'insuffisance cardiaque chronique (CHF) est un syndrome multifactoriel caractérisé par des taux élevés d'hospitalisation, de morbidité et de mortalité. Malgré les progrès des thérapies pharmacologiques et basées sur les appareils, l'identification précoce de la détérioration clinique reste un défi majeur. Les modèles de suivi traditionnels, basés principalement sur des évaluations intermittents en personne, sont souvent inadéquats dans la capture des changements subcliniques qui précèdent la décompensation aiguë.

L'étude des patients atteints d'intelligence cardiaque chronique avec insuffisance à l'insuffisance cardiaque chronique avec des dispositifs médicaux médicaux en mini-invasifs et portables), le système de surveillance et d'analyse artificielle) vise à évaluer si une surveillance à distance continue à l'aide d'une CE (Conformite Europeenne) a intégré à l'analyse de l'intelligence portable (EmbracePLUS par Empatica Inc.). L'étude adopte une conception d'observation prospective, multicentrique avec deux cohortes parallèles: les patients gérés avec des soins standard par rapport aux patients équipés du dispositif portable pendant six mois.

Le dispositif portable capture une gamme de signaux physiologiques, notamment la saturation périphérique capillaire en oxygène (SPO₂), la variabilité de la fréquence cardiaque (VRC), l'activité électrodermique (EDA), le niveau de conductance cutanée (SCL), le taux respiratoire, la température de la peau périphérique, le taux de pouls, la détection de la fatigue et les métriques de sommeil via ACTIGRAPHY et TRANSMITS-TEMPS EN TEMPS EN TEMPS EN TEMPS DIMENT. Les algorithmes AI analysent ces données en continu, déclenchant des alertes en cas de tendances anormales. Lorsque des alertes sont générées, les patients subissent une téléconsultation, avec des ajustements de traitement possibles ou un suivi en personne comme indiqué cliniquement.

L'étude est conçue pour générer des preuves du monde réel sur la question de savoir si la surveillance améliorée par l'IA peut réduire les admissions à l'hôpital imprévues d'au moins 20% sur un suivi de six mois, par rapport aux soins standard. Les critères d'évaluation secondaires comprennent des améliorations de la fonction cardiaque (évaluées par des paramètres échocardiographiques), des biomarqueurs neurohormonaux tels que le peptide natriurétique de type B (BNP) et le peptide natriurétique auriculaire (ANP), la tolérance à l'exercice évaluée par le test de cardiomyme de six minutes (6MWT), la qualité de vie mesurée par le Kansas City Test de cartes municipales (6MWT), la qualité de la vie mesurée par le Kansas City Test de cardiomy (KCCQ), et l'incidence des événements indésirables liés au traitement (par exemple, hypotension, bradyarythmies).

En plus d'évaluer l'efficacité clinique, l'étude soutient le développement d'un modèle multimarker prédictif. Les données collectées via la plate-forme de soins intelligents, y compris l'histoire clinique, les marqueurs biochimiques, les données d'imagerie et les variables dérivées de capteurs continues seront utilisées en collaborant des centres académiques pour former des algorithmes d'IA capables de prévoir la progression de la CHF et de adapter des interventions individualisées.

Toutes les données sont pseudonymisées conformément au règlement général sur la protection des données (RGPD, réglementation UE 2016/679). L'étude n'interfère pas avec les traitements médicaux en cours et adhère à une bonne pratique clinique (GCP) et les principes éthiques de la Déclaration d'Helsinki. Les patients fournissent un consentement éclairé écrit avant l'inscription.

L'initiative de soins intelligents reflète un objectif plus large: l'intégration de la télémédecine, de la technologie de santé portable et de la modélisation prédictive basée sur l'IA dans une voie de soins transparente qui favorise la gestion proactive du CHF et permet des décisions thérapeutiques personnalisées et axées sur les données.