Monitoreo ambulatorio y diagnóstico
Cardiologs AI
El futuro del diagnóstico cardíaco reside en el análisis asistido por IA.
El motor de IA de Philips Cardiologs utiliza tecnología de redes neuronales profundas (DNN, deep neural network) para ayudar a los proveedores de atención médica a diagnosticar a los pacientes de manera más eficiente y a aliviar la carga de tareas redundantes de análisis de ECG. También estamos allanando el camino para el futuro de la monitorización cardíaca mediante la exploración de las aplicaciones de la tecnología DNN con el objetivo de desarrollar biomarcadores de ECG y analizar datos cardíacos de relojes inteligentes [1].
Resultados comprobados
20+
Publicaciones científicas y resúmenes revisados por pares
Los algoritmos de IA que se usan en nuestros productos han sido validados clínicamente y seguimos innovando.
Descargar42%
Reducción en el tiempo de análisis de Holter [2, 3]
Según un estudio clínico que comparó la solución Cardiologs AI con una solución convencional [3].
Leer más
Philips Cardiologs AI
Basada en tecnología de aprendizaje profundo y respaldada por más de 200 millones de registros [4], Philips Cardiologs AI analiza la forma de ondas de ECG como un todo, ya que imita la manera en que funciona el cerebro humano. Esto permite que nuestros algoritmos procesen los patrones complejos de ECG mejor que los algoritmos convencionales que dependen de un número limitado de reglas predefinidas. ¿Quiere saber más?
Nuestro algoritmo de Holter detecta más de 20 tipos de sucesos.
Incluyendo las principales arritmias:
- Pausa
- Bloqueo auriculoventricular (bloqueo AV de segundo grado, de tercer grado o avanzado de alto grado)
- Fibrilación auricular o aleteo auricular.
- Taquicardia ventricular.
- Complejos supraventriculares prematuros (PSVC, premature supraventricular complexes), pares de PSVC.
- Complejos ventriculares prematuros (PVC, premature ventricular complexes).
- Pares ventriculares, bigeminismo ventricular, trigeminismo ventricular.
- Ritmo sinusal, bradicardia, taquicardia.
Reducción de 10 veces en los falsos positivos de la fibrilación auricular en Holter
Validación de nuestro algoritmo de IA. Utilizando la base de datos pública MIT-BIH, nuestro algoritmo de Cardiologs AI se comparó con los resultados de un método de referencia basado en intervalo R-R [5]. Se ha demostrado que nuestro algoritmo de IA mejora la especificidad en la detección de la fibrilación auricular, mantiene una sensibilidad comparable y reduce la tasa de falsos positivos del 17,2 % al 1,5 %.
Nuestra IA apta para aplicaciones médicas está disponible en Cardiologs Holter
La plataforma Cardiologs Holter utiliza redes neuronales profundas y tecnología en la nube para ayudarte a analizar ECG continuos en pacientes ambulatorios de manera más eficiente.
Notas al pie
- Se están investigando los algoritmos de Cardiologs para analizar datos de relojes inteligentes y biomarcadores de ECG. No disponible para la venta.
- La plataforma Cardiologs Holter es un dispositivo médico indicado para su uso por parte de profesionales sanitarios médica con el objetivo de evaluar arritmias mediante datos de ECG. Cuenta con el Marcado CE y la autorización de la FDA bajo la sección 510(k).
- Fiorina, L., Marijon, E., Maupain, C., et al. AI-based strategy enables faster Holter ECG analysis with equivalent clinical accuracy compared to a classical strategy. EP Europace. 2020;22(suppl 1), euaa162.374. DOI: 10.1093/europace/euaa162.374.
- Base de datos Philips Cardiologs - octubre de 2023.
- Li, J., Rapin, J., Rosier, A., Smith, S.W., Fleureau, Y., Taboulet, P. Deep neural networks improve atrial ï¬brillation detection in Holter: ï¬rst results. European Journal of Preventive Cardiology. 2016;23(2suppl):41–55. DOI: 10.1177/2047487316668070.
- Fiorina, L., Maupain, C., Gardella, C., et al. Evaluation of an Ambulatory ECG Analysis Platform Using Deep Neural Networks in Routine Clinical Practice. Journal of the American Heart Association. 2022;11(18):e026196. DOI: 10.1161/JAHA.122.026196.
- Fiorina, L., Chemaly, P., Cellier, J., et al. Artificial intelligence–based electrocardiogram analysis improves atrial arrhythmia detection from a smartwatch electrocardiogram. European Heart Journal - Digital Health. 2024;00:1-7. DOI: 10.1093/ehjdh/ztae047.
- Singh, J.P., Fontanarava, J., de Massé, G., et al. Short-term prediction of atrial fibrillation from ambulatory monitoring ECG using a deep neural network. European Heart Journal - Digital Health. 2022;3(2):208–217. DOI: 10.1093/ehjdh/ztac014ztac014.
Aviso legal
Los resultados son específicos de la institución donde se obtuvieron y pueden no reflejar los resultados alcanzables en otras instituciones. Los resultados en otros casos pueden variar.