PO-FPII-041 单导联可穿戴心电传感器用于连续心律失常监测的深度学习算法
本研究全面验证了一种基于云的深度学习算法在单导联可穿戴心电传感器上用于连续心律失常监测的性能。研究使用来自354个临床站点的23587名患者、81391个数据集和240854个人工标注的心律失常事件训练了457层深度神经网络,并在3309名独立患者的数据库上进行了测试。结果显示该算法对心房颤动/心房扑动、二度房室传导阻滞、室上性心动过速等多种心律失常的检测具有极高的准确率(总体灵敏度99.31%,特异度99.72%),且在不同年龄、性别、种族和临床站点的亚组分析中表现稳定,云处理延迟低于2秒。这一技术有望显著提高门诊环境中的心脏监测效率,减少假警报负担,为临床医生提供及时准确的心律失常洞察,优化患者干预时机并简化临床工作流程。

