Poate AI prezice riscul de spitalizare pentru insuficiență cardiacă folosind date ECG generate de pacient din ceasurile inteligente ?

Pot fi ceasurile inteligente pentru consumatori să furnizeze date ECG suficient de precise pentru a anticipa spitalizările din cauza insuficienței cardiace? Analiza în timp real a acestor semnale de la dispozitivele wearable ar putea avertiza clinicienii înainte ca starea pacientului să se agraveze, însă fiabilitatea unor astfel de predicții depinde de calitatea înregistrărilor și de angajamentul susținut al utilizatorului.

Background

Pacienții cu insuficiență cardiacă prezintă adesea aritmii premonitorii cu zile înainte de decompensare, creând o fereastră potențială pentru intervenție timpurie. Ceasurile inteligente de consumatori pot capta trasate ECG cu un singur derivat, iar mai multe studii au evaluat dacă fluxurile de procesare bazate pe învățare profundă, antrenate pe aceste semnale, pot prezice viitoarele spitalizări pentru insuficiență cardiacă (HF). Metricile de discriminare raportate pentru modelele prototip se situează în jurul valorii de 70 % atunci când sunt antrenate exclusiv pe datele dispozitivului și nu au depășit calculatoarele tradiționale de risc care integrează variabile clinice și valori de laborator (Congresul Societății Europene de Cardiologie 2023, prezentare de știință de ultimă oră „Deep learning from smartwatch ECGs to predict heart-failure hospitalization: the WATCH-HF pilot”, 12 mai 2026). Eforturile de cercetare au explorat arhitecturi bazate pe transformatoare care convertesc ECG-urile brute de la ceas în încorporări de scoruri de risc, însă aceste abordări rămân nevalidate extern, lipsesc de aprobare de reglementare pentru utilizare de rutină și continuă să fie limitate de problemele prevalente de calitate a datelor — artefacte de mișcare, contact slab al derivatelor și variabilitatea ratei de eșantionare între dispozitive — subminând performanța constantă a modelului.