美敦力LINQ植入式心脏监测器集成AccuRhythm AI 可成功预测房颤患者的风险阈值

文摘   2025-01-18 08:55   陕西  

星标“医工学人”,第一时间获取医工交叉领域新闻动态~


前言

/


1月16日,美敦力报道了在 2025 年 AF 研讨会上公布的一项研究结果,重点介绍了使用其 LINQ系列可插入式心脏监测器 (ICM) 进行 AFib (房颤)检测的优势——

初步结果表明,LINQ ICM 与新型AI算法相结合,能够检测到房颤发作并在 80% 的情况下在房颤相关医疗服务使用之前正确对患者进行风险分层,确定其风险等级。

其中一项子研究发现 LINQ ICM 的发作检测敏感度是 Apple Watch 的四倍

使用基于 AI 的算法,Reveal LINQ 和 LINQ II ICM 量化了 AFib 负担,以指导治疗决策并帮助预测未来的医疗保健需求。




‍‍两代LINQ 植入式心脏监护仪

LINQ II ICM系统 


LINQ II™ 可插入式心脏监护仪

LINQ II™ ICM 是最先进的 ICM 系统,具有增强的人工智能 (AI) 算法、远程编程、创新的 PVC 算法和 4.5 年的使用寿命。非常适合偶尔出现症状、需要长期监测或持续管理的患者。LINQ II™ ICM 是第一款适合儿科使用(两岁及以上)的可插入式心脏监护仪。

LINQ II™ ICM具有以下特点:

1)轻松连接:便携式蓝牙监控、监视器自动检测是否有新数据可用、事件通知触发可操作警报
2)没有手动变速器:远程访问完整心电图,无需手动传输、减少患者动作和困惑
3)提高患者依从性:智能手机自动通知帮助患者保持联系、减少诊所用于患者随访的时间
4)可通过低功耗蓝牙实现安全的无线通信,且不会影响设备使用寿命
5)植入ICM后可在一定条件下的MRI下进行常规扫描
6)首台具有远程编程升级功能的ICM

LINQ II™ ICM 工作流

AccuRhythm AI平台 

AccuRhythm AI 算法是一个突破性的平台,它将深度学习人工智能算法应用于流入 CareLink™ 网络的 LINQ II 数据。该算法用于心房颤动 (AF) 和暂停,进一步提高两代ICM数据的准确性。基于云的人工智能系统减少了错误警报,同时保留了真实警报。
LINQ ICM + AccuRhythm AI

使用来自真实世界的 LINQ II™ ICM 患者的数据进行对比验证,表明嵌入该AI算法后的ICM系统:

1)错误暂停警报减少 97.4%

2)错误 AF 警报减少 88.2%

在保留真实警报方面:
1)99% 的 真实 AF 警报被保留

2)100% 保留真实暂停警报

AccuRhythm™ AI 算法每年可为每 200 名 LINQ II™ ICM 患者节省约 401 小时的错误警报审查时间。
创新的PVC算法

嵌入房颤检测AI的临床研究


DEFINE AFib 临床研究使用基于应用程序的注册功能招募了 973 名患者,并描述了 AF 负担对患者结果和生活质量的影响。利用这些数据,研究人员建立了一种算法,能够预测患者在未来 30 天内需要 AF 相关医疗保健的风险,以及预测患者报告的生活质量的临床意义下降。
研究结果显示:首次跨入高风险阈值的研究参与者中,22% 的人在平均 164±145 天的时间里经历了与 AF 相关的医疗保健使用 (AFHCU),而低风险组患者中这一比例仅为 9%。数据支持以下结论:ICM 的基于 AI 的分析提供了有价值的信息,特别是对于那些因 AF 相关住院、门诊就诊或治疗干预风险较高的人。

消费级可穿戴设备对比


最近在 2024 年欧洲心脏病学会 (ESC) 大会上公布的 DEFINE AFib 临床研究的子分析显示,LINQ 系列 ICM 与 Apple Watch™* 在房颤发作检测方面的性能存在重要差异。值得注意的是,ICM检测到的发作事件中,40% 的房颤发作(191 次发作)发生在未佩戴 Apple Watch 时(房颤发作通常发生在夜间,而可穿戴设备通常会被摘下充电)。此外,佩戴时,Apple Watch 只能检测到 LINQ ICM 检测到的 26% 的房颤发作(持续 75 分钟或更长时间)。

美敦力心血管产品组合下心律管理业务首席医疗官 Alan Cheng 医学博士表示:“可穿戴设备让患者能够比以往捕获更多实时心脏健康数据,但 LINQ 系列 ICM 等医疗级技术对于为临床医生提供准确可靠的方法来检测和管理房颤等心脏疾病是必不可少的。这些研究结果还表明,虽然智能手表和监视器等消费级设备可以提供一些有关整体心脏健康的见解,但它们在筛查和帮助管理房颤等慢性疾病方面的能力有限。具有持续监测功能的医疗级设备(如 ICM)更合适。

DEFINE AFib 临床研究使用 AI 和机器学习技术来分析 AF 负担随时间的变化;基于 ICM 的模型将个体分为 AFHCU 高风险组和 AFHCU 低风险组。AFHCU 包括消融、心脏复律、启动/强化心率或节律控制药物,或进展到起搏器或植入式心脏复律除颤器等临床措施。

▼参考文献

[1] J Piccini, J Lande, R Kanwar, L Johnson, R Passman, The DEFINE AFib Principal Investigators, Performance of apple watch for detecting atrial fibrillation among a known atrial fibrillation population, European Heart Journal, Volume 45, Issue Supplement_1, October 2024, ehae666.3538, https://doi.org/10.1093/eurheartj/ehae666.3538.

[2] https://www.medtronic.com/


扫码添加医工学人小助手,进入综合及细分领域群聊(国内外医工交叉领域顶尖高校、科研院所、医院、企业等专家学者、硕博士、工程师、企业家等),参与线上线下交流活动


推荐阅读


医工学人公众号征稿须知



Science Advances | 柔性超声-电生理 “膏药贴”:实现人体“结构与功能”同步原位监测的柔性贴片



上海正式发布脑机接口行动方案,2027年实现高质量脑控



Science Robotics | 融合运动神经元和姿势协同作用的自然仿生假肢接口


点击关注医工学人

医工学人
多高校学生学术联盟,专注于医工交叉领域知识科普,技术咨询,交流与推广等。
 最新文章