Nichtinvasive Vorhersage des Treiberorts für Vorhofflimmern

Machine learning enables non invasive prediction of atrial fibrillation driver location and acute pulmonary vein ablation success using the 12-lead ECG

Der IBT-Forscher Giorgio Luongo präsentierte eine auf maschinellem Lernen basierende Klassifizierung des 12-Kanal-EKG, um zwischen Patienten mit Lungenvenen-Treibern und Patienten mit extra-Lungenvenen-Treibern von Vorhofflimmern zu unterscheiden. Dieser neuartige Algorithmus kann dazu beitragen, Patienten mit hohen akuten Erfolgsraten bei der Isolierung der Lungenvene zu identifizieren. Diese Arbeit ist das Ergebnis einer erfolgreichen Zusammenarbeit zwischen 5 Ingenieur- und 2 klinischen Gruppen (Università degli Studi di Milano, Universität Leicester, Universität Zaragoza, ABC-Bundesuniversität, Städtisches Klinikum Karlsruhe, Universitätsherzzentrum Freiburg-Bad Krozingen und IBT).
Das Papier wurde im Cardiovascular Digital Health Journal veröffentlicht und ist frei verfügbar.