Dyrektor naukowy MDG (MEDICALG), Linda Johnson, MD, PhD, przedstawiła abstrakt na sesji naukowej American College of Cardiology w Nowym Orleanie. Badanie podkreśliło znaczenie analityki opartej na sztucznej inteligencji i pokazało, jak DeepRhythmAI firmy Medicalgorithmics pozwala przewidywać prawdopodobieństwo wystąpienia migotania przedsionków.
Dr Linda Johnson, profesor w Katedrze Medycyny Uniwersytetu Lund, wykorzystała duże zbiory danych z urządzenia PocketECG firmy Medicalgorithmics, aby ustalić, czy 24-godzinne monitorowanie EKG może przewidzieć prawdopodobieństwo wystąpienia migotania przedsionków w okresie 30 dni. Badanie wykazało, że przy użyciu danych z 24-godzinnego monitorowania EKG, można bezpiecznie uniknąć długoterminowego monitorowania u 20% populacji pacjentów. Dłuższe monitorowanie jest wskazane dla pozostałych 80% osób, u których występuje ryzyko migotania przedsionków wynoszące powyżej 9%.
"Nasz algorytm predykcyjny daje nam możliwość racjonalizacji monitorowania migotania przedsionków. Możemy go użyć do skrócenia monitorowania u osób, których to nie jest wymagane, ale także do znalezienia tych, którzy są zagrożeni ryzykiem migotania przedsionków i potrzebują długoterminowego monitorowania. Jest to ważne z punktu widzenia opłacalności, ale także do poprawy wyników zdrowotnych związanych z diagnostyką migotania przedsionków" - mówi dr Linda Johnson, dyrektor naukowy Medicalgorithmics.
Wyniki tego badania pokazują najnowocześniejszą platformę DeepRhythmAI firmy Medicalgorithmics i podkreślają zaangażowanie firmy w bycie liderem innowacji medycznych.
„Prowadzone w Medicalgorithmics badania naukowe pozwoliły na opracowanie nowej generacji algorytmu do diagnostyki migotania przedsionków, który zmniejsza obciążenie personelu medycznego i czas monitorowania dla 20% pacjentów. W krajach, gdzie standardem diagnostyki AF jest 24h lub 3 dniowy Holter nasze oprogramowanie daje wyjątkową szansę dla pozostałych 80% pacjentów. Pozwala zidentyfikować osoby zagrożone migotaniem przedsionków, które potrzebują dodatkowej diagnostyki, a dla których standardowe monitorowanie EKG trwa zbyt krótko. Posiadamy bardzo duży zbiór danych medycznych, który pozwala prowadzić prace R&D w obszarze AI nad nowymi modelami predykcyjnymi. Nasze nowe algorytmy umożliwią prowadzenia analiz predykcyjnych, identyfikacji biomarkerów i analiz zdrowotnych w celu optymalizacji procesu diagnozowania i leczenia pacjentów z chorobami układu krążenia” – podkreśla Przemysław Tadla, Dyrektor Techniczny w Medicalgorithmics.
Migotanie przedsionków (AF) rozwija się w ciągu życia u co czwartej osoby dorosłej w wieku powyżej 40 lat. Jesteśmy podekscytowani, że możemy zaproponować nowe, mniej uciążliwe podejście do diagnostyki AF.
