Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

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

31 juli 2026 bijgewerkt door: 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.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

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.

Studietype

Observationeel

Inschrijving (Geschat)

200

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Studie Locaties

  • Slowakije
      • Bratislava, Slowakije
        • Werving
        • PreMedix
        • Contact:
        • Hoofdonderzoeker:
          • Allan Bohm, M.D., MSc., PhD.

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

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

Beschrijving

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

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Documented AF
HF patients with a history of permanent/paroxysmal AF and AF documented on 12-lead ECG at enrollment
Ander: PPG-based AF detection algorithm
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
Ander: PPG-based AF detection algorithm
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.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Tijdsspanne
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
Tijdsspanne: Through study completion (estimated November 2026)
Through study completion (estimated November 2026)

Secundaire uitkomstmaten

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

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Seerlinq s. r. o.

Medewerkers

Premedix Academy
ACADEMY - občianske združenie

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

1 oktober 2025

Primaire voltooiing (Geschat)

1 augustus 2026

Studie voltooiing (Geschat)

1 november 2026

Studieregistratiedata

Eerst ingediend

31 juli 2026

Eerst ingediend dat voldeed aan de QC-criteria

31 juli 2026

Eerst geplaatst (Werkelijk)

6 augustus 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)

6 augustus 2026

Laatste update ingediend die voldeed aan QC-criteria

31 juli 2026

Laatst geverifieerd

1 juli 2026

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • HeartCoreAF01

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Beschrijving IPD-plan

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

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren