Ontwikkeling van een nieuw convolutie-neuraal netwerk voor classificatie van aritmie (AI-ECG)

Het identificeren van de juiste aritmie op het moment van een klinische gebeurtenis, waaronder hartstilstand, heeft hoge prioriteit voor patiënten, zorginstellingen en de volksgezondheid. Recente ontwikkelingen op het gebied van kunstmatige intelligentie en machine learning bieden nieuwe mogelijkheden om snel en nauwkeurig hartritmestoornissen te diagnosticeren en voor de manier waarop nieuwe mobiele gezondheids- en cardiale telemetrie-apparaten worden gebruikt in de patiëntenzorg. Het huidige onderzoek heeft tot doel een nieuwe statistische benadering van kunstmatige intelligentie, genaamd 'convolution neural network classifier', te valideren en de prestaties ervan voor verschillende aritmieën gediagnosticeerd op 12-lead ECG's en single-lead Holter/event monitoring. Deze aritmieën omvatten; atriale fibrillatie, supraventriculaire tachycardie, AV-blok, asystolie, ventriculaire tachycardie en ventriculaire fibrillatie, en zal worden gebenchmarkt volgens de prestatiecriteria van de American Heart Association (95% eenzijdig betrouwbaarheidsinterval van 67-92% op basis van aritmietype). Om dit te doen, is de onderzoeksaanpak het creëren van een grote ECG-database van geanonimiseerde ruwe ECG-gegevens en het trainen van het neurale netwerk op de ECG-gegevens om de diagnostische nauwkeurigheid te verbeteren.