Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

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

31 de julho de 2026 atualizado por: 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.

Visão geral do estudo

Status

Recrutamento

Condições

Intervenção / Tratamento

Descrição detalhada

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.

Tipo de estudo

Observacional

Inscrição (Estimado)

200

Contactos e Locais

Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.

Contato de estudo

Locais de estudo

      • Bratislava, Eslováquia
        • Recrutamento
        • PreMedix
        • Contato:
        • Investigador principal:
          • Allan Bohm, M.D., MSc., PhD.

Critérios de participação

Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.

Critérios de elegibilidade

Idades elegíveis para estudo

  • Adulto
  • Adulto mais velho

Aceita Voluntários Saudáveis

Não

Método de amostragem

Amostra Não Probabilística

População do estudo

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

Descrição

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

Plano de estudo

Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.

Como o estudo é projetado?

Detalhes do projeto

Coortes e Intervenções

Grupo / Coorte
Intervenção / Tratamento
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.

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado
Prazo
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
Prazo: Through study completion (estimated November 2026)
Through study completion (estimated November 2026)

Medidas de resultados secundários

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

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Colaboradores

Datas de registro do estudo

Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados ​​pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.

Datas Principais do Estudo

Início do estudo (Real)

1 de outubro de 2025

Conclusão Primária (Estimado)

1 de agosto de 2026

Conclusão do estudo (Estimado)

1 de novembro de 2026

Datas de inscrição no estudo

Enviado pela primeira vez

31 de julho de 2026

Enviado pela primeira vez que atendeu aos critérios de CQ

31 de julho de 2026

Primeira postagem (Real)

6 de agosto de 2026

Atualizações de registro de estudo

Última Atualização Postada (Real)

6 de agosto de 2026

Última atualização enviada que atendeu aos critérios de controle de qualidade

31 de julho de 2026

Última verificação

1 de julho de 2026

Mais Informações

Termos relacionados a este estudo

Outros números de identificação do estudo

  • HeartCoreAF01

Plano para dados de participantes individuais (IPD)

Planeja compartilhar dados de participantes individuais (IPD)?

NÃO

Descrição do plano IPD

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

Informações sobre medicamentos e dispositivos, documentos de estudo

Estuda um medicamento regulamentado pela FDA dos EUA

Não

Estuda um produto de dispositivo regulamentado pela FDA dos EUA

Não

Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .