Mobiele menu

Deep neural networks for ECG interpretation and home cardiac monitoring

Projectomschrijving

Jaarlijks worden er wereldwijd meer dan 300 miljoen hartfilmpjes, ook wel elektrocardiogrammen (ECGs) genoemd, gemaakt en de correcte interpretatie van het ECG is essentieel voor de diagnose
van veel cardiologische ziektebeelden. Voor levensbedreigende ziektebeelden, zoals een hartinfarct of hartritmestoornis, is het nodig dat het ECG naast accuraat ook snel beoordeeld wordt door een expert.

Binnen dit project gaan we een kunstmatige intelligentie algoritme ontwikkelen zodat het gebruikt kan worden voor het nauwkeurig en snel beoordelen van ECGs om zo de behandeling van patiënten te verbeteren. Ook willen we het algoritme gebruiken om nieuwe ECG kenmerken te ontdekken van specifieke genetische hartaandoeningen. Daarnaast willen we een miniECG apparaat ontwikkelen dat door de huisarts en patiënten thuis kan worden gebruikt om hartfilmpjes te maken. Het kunstmatige intelligentie algoritme moet hierbij de gebruikte helpen om snel een interpretatie te verkrijgen.

Verslagen


Samenvatting van de aanvraag

More than 300 million electrocardiograms (ECGs) are obtained annually worldwide and the correct interpretation of the ECG is pivotal for accurate diagnosis of many cardiac abnormalities. Both physician and computerized interpretation of the ECG have not been able to reach cardiologist level accuracy in detecting (acute) cardiac abnormalities. The most promising development in the time of artificial intelligence and big data is the use of integrated self-learning algorithms, called deep neural networks. We propose to use deep learning for automated ECG interpretation in the fields where it is most unsatisfactory. An algorithm for accurate and fast triage of ECGs is introduced. By transfer learning, feature discovery in diseases where the ECG characteristics are currently unknown, such as primary arrhythmia syndromes and genetic diseases, becomes possible. The triage algorithm is implemented in a multi-lead smartphone compatible home monitoring ECG device to use in clinical settings without the need for a full 12-lead ECG and at home. By improving triage in acute and normal ECGs in the hospital, at home and at the general practitioner, we can decrease unnecessary hospital visits and cardiologist consultations and improve time-to-treatment of life-threatening diseases. This will lead to a dual decrease in healthcare burden and costs.

Onderwerpen

Kenmerken

Projectnummer:
104021004
Looptijd: 98%
Looptijd: 98 %
2020
2024
Onderdeel van programma:
Gerelateerde subsidieronde:
Projectleider en penvoerder:
R. van Es
Verantwoordelijke organisatie:
Universitair Medisch Centrum Utrecht