S'abonner

Clinical validation of an artificial intelligence algorithm offering cross-platform detection of atrial fibrillation using smart device electrocardiograms - 25/05/23

Doi : 10.1016/j.acvd.2023.04.003 
Diego Mannhart a, Baptiste Lefebvre b, Christophe Gardella b, Christine Henry b, Teodor Serban a, Sven Knecht a, Michael Kühne a, Christian Sticherling a, Patrick Badertscher a,
a University Hospital of Basel, 4031 Basel, Switzerland 
b Cardiologs, 75002 Paris, France 

Corresponding author at: University Hospital of Basel, Petersgraben 4, 4031 Basel, Switzerland.University Hospital of BaselPetersgraben 4Basel4031Switzerland

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Graphical abstract




Le texte complet de cet article est disponible en PDF.

Highlights

Inconclusive single-lead ECGs generated by smart devices can cause discomfort.
Rate of inconclusive single-lead ECG can be reduced by a DNN-based algorithm.
This technology needs to be incorporated in a simple and convenient way.

Le texte complet de cet article est disponible en PDF.

Abstract

Background

Several smart devices are able to detect atrial fibrillation automatically by recording a single-lead electrocardiogram, and have created a work overload at the hospital level as a result of the need for over-reads by physicians.

Aim

To compare the atrial fibrillation detection performances of the manufacturers’ algorithms of five smart devices and a novel deep neural network-based algorithm.

Methods

We compared the rate of inconclusive tracings and the diagnostic accuracy for the detection of atrial fibrillation between the manufacturers’ algorithms and the deep neural network-based algorithm on five smart devices, using a physician-interpreted 12-lead electrocardiogram as the reference standard.

Results

Of the 117 patients (27% female, median age 65 years, atrial fibrillation present at time of recording in 30%) included in the final analysis (resulting in 585 analyzed single-lead electrocardiogram tracings), the deep neural network-based algorithm exhibited a higher conclusive rate relative to the manufacturer algorithm for all five models: 98% vs. 84% for Apple; 99% vs. 81% for Fitbit; 96% vs. 77% for AliveCor; 99% vs. 85% for Samsung; and 97% vs. 74% for Withings (P<0.01, for each model). When applying our deep neural network-based algorithm, sensitivity and specificity to correctly identify atrial fibrillation were not significantly different for all assessed smart devices.

Conclusion

In this clinical validation, the deep neural network-based algorithm significantly reduced the number of tracings labeled inconclusive, while demonstrating similarly high diagnostic accuracy for the detection of atrial fibrillation, thereby providing a possible solution to the data surge created by these smart devices.

Le texte complet de cet article est disponible en PDF.

Keywords : Atrial fibrillation, Smartwatch, Artificial intelligence, Deep neural network, Digital health

Abbreviations : AF, AI, CI, DNN, PDF, SR


Plan


 Tweet: The inconclusive rate of commercially available smartwatches is as high as 25%. Is AI able to improve AF detection? Check out your device agnostic AI algorithm offering cross-platform detection of AF #EPeeps #Smartwatches #AF #Wearables #AI. Twitter handle: @BadertscherPat, @Manndie.


© 2023  The Authors. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 116 - N° 5

P. 249-257 - mai 2023 Retour au numéro
Article précédent Article précédent
  • Two-year prognosis of acute coronary syndrome during the first wave of the coronavirus disease 2019 pandemic
  • Paul Gabrion, Christophe Beyls, Nicolas Martin, Genevieve Jarry, Arthur Facq, Alexandre Fournier, Dorothée Malaquin, Yazine Mahjoub, Hervé Dupont, Momar Diouf, Helene Duquenne, Julien Maizel, Yohann Bohbot, Laurent Leborgne, Alexis Hermida
| Article suivant Article suivant
  • The impact of transoesophageal echocardiography in elderly patients with infective endocarditis
  • Marie-Paule B. N’cho-Mottoh, Marie-Line Erpelding, Claire Roubaud, François Delahaye, Thibaut Fraisse, Marina Dijos, Pierre-Vladimir Ennezat, Arnaud Fluttaz, Benjamin Richard, Corinne Beaufort, Pierre Nazeyrollas, Camille Brasselet, Olivier Pineau, Pierre Tattevin, Elodie Curlier, Bernard Iung, Emmanuel Forestier, Christine Selton-Suty

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.