CarDS-Plus ECG 平台：面向便携与可穿戴设备心电图的多平台人工智能工具包的开发和可行性评估
机器学习
2023-10-12 v1 信号处理
摘要
在现代医疗快速演进的格局中，可穿戴与便携技术的融合为社区中的个性化健康监测提供了独特机遇。Apple Watch、FitBit 与 AliveCor KardiaMobile 等设备已彻底改变了复杂健康数据流的采集与处理。在这些设备所收集的各种数据中，单导联心电图（ECG）记录已成为监测心血管健康的关键信息来源。人工智能在解读这些单导联 ECG、辅助临床诊断以及罕见心脏疾病检测方面已取得显著进展。本设计研究描述了一种创新多平台系统的开发，旨在快速部署基于 AI 的 ECG 解决方案用于临床研究与健康服务交付。该研究审视设计考量，使其与特定应用相对齐，并开发数据流以最大化研究与临床使用的效率。此过程涵盖从多种可穿戴设备接收单导联 ECG，将此类数据汇入集中式数据湖，并通过 AI 模型进行 ECG 解读的实时推断。对该平台的评估显示，在标准 30 秒采集后，从采集到结果报告的时长为 33.0 至 35.7 秒。两款市售设备（Apple Watch 与 KardiaMobile）之间从采集到报告无显著差异。这些结果证明了设计原则已成功转化为跨平台利用单导联 ECG 并由 AI-ECG 算法解读的完全集成且高效的策略。此类平台对于通过快速部署将可穿戴与便携 ECG 设备的 AI 发现转化为临床影响至关重要。
引用
@article{arxiv.2310.07000,
title = {CarDS-Plus ECG Platform: Development and Feasibility Evaluation of a Multiplatform Artificial Intelligence Toolkit for Portable and Wearable Device Electrocardiograms},
author = {Sumukh Vasisht Shankar and Evangelos K Oikonomou and Rohan Khera},
journal= {arXiv preprint arXiv:2310.07000},
year = {2023}
}