HeartLab 소개

심방세동 감지를 위한 웨어러블 ECG를 검증한 획기적인 연구. 참가자 419,297명. Apple Watch의 양성 예측값: 84%. 이 연구는 소비자 웨어러블이 AFib의 합법적인 스크리닝 도구가 될 수 있음을 증명했습니다.

AFib 감지에 대해 94.5% 민감도와 95.7% 특이도를 보여주는 직접 비교. Apple Watch는 99.3%의 사례에서 동율동을 정확하게 분류했습니다.

딥러닝 모델은 12개 리듬 클래스에서 심장 전문의 수준의 정확도를 달성했습니다. PVC 감지 민감도: 93.2%. PAC 감지: 88.7%. 단일 리드 웨어러블 ECG는 원래 생각했던 것보다 훨씬 더 많은 것을 감지할 수 있습니다.

500명의 환자가 Apple Watch와 Holter를 7일 동안 동시에 착용했습니다. AFib 감지: 97% 민감도 (Watch, 7일) 대 89% (Holter, 24시간). PVC 부담 상관관계: r=0.82. AFib 스크리닝의 경우, 일주일간의 스마트워치 ECG가 기존 24시간 Holter를 능가할 수 있습니다.

단일 리드 ECG 데이터에서 12가지 다른 심장 리듬 유형을 분류하는 데 있어 인증된 심장 전문의의 정확도에 필적하거나 초과하는 34층 합성곱 신경망. 이 기초적인 연구는 AI가 단일 리드 ECG를 안정적으로 해석할 수 있음을 입증했습니다 — Apple Watch가 사용하는 것과 동일한 신호 유형입니다.

소비자 웨어러블에서 파생된 HRV 메트릭(RMSSD, SDNN)이 임상 등급 장비와 강한 일치를 보이는 것을 검증하는 체계적 리뷰(r > 0.90). 웨어러블 ECG의 R-R 간격 데이터가 HRV 계산에 신뢰할 수 있음을 확인합니다.

QTc > 500 ms는 Torsades de Pointes 위험이 2-3배 증가합니다. 약물 유발 QT 연장은 미국에서 연간 약 15,000명의 사망을 유발합니다. 200개 이상의 약물이 QT 간격을 연장할 수 있습니다. HeartLab은 네 가지 검증된 공식으로 QTc를 계산합니다: Bazett(1920), Fridericia(1920), Framingham(1992), Hodges(1983).

LQTS 유병률: 2,000명 중 1명(다수 미진단). Apple Watch QTc 측정 정확도: 12리드 대비 ±15 ms. 연속 QTc 측정은 진단 정확도를 향상시킵니다 — HeartLab이 종단적 QTc 추세 추적과 함께 사용하는 바로 그 접근법입니다.

13,000개 이상의 ECG에 걸쳐 Bazett, Fridericia, Framingham, Hodges 보정 공식의 포괄적 비교. Fridericia가 최고의 심박수 독립성을 보였습니다(r=0.04 대 Bazett의 r=0.32). HeartLab은 우수한 정확도를 위해 Fridericia를 기본값으로 네 가지 공식을 모두 구현합니다.

임상 약리학자가 관리하는 QT 간격을 연장하는 것으로 알려진 약물의 권위 있는 데이터베이스. 위험 범주(알려진 위험, 가능한 위험, 조건부 위험)로 200개 이상의 약물이 등재되어 있습니다. HeartLab의 QTc 모니터링은 이 레지스트리의 약물을 복용하는 환자에게 특히 가치 있습니다.

PVC는 24시간 Holter 모니터링에서 건강한 개인의 75%에서 발생합니다. PVC 부담 < 10%는 일반적으로 양성입니다. 부담 > 15-20%는 PVC 유발 심근병증의 위험이 있습니다. HeartLab은 기록당 PVC 부담을 계산하고 시간에 따른 추세를 추적합니다.

낮은 HRV는 독립적으로 심장 사망률을 예측합니다. 낮은 HRV를 가진 심근경색 후 환자는 돌연사 위험이 3.2배 높습니다. HeartLab은 각 ECG 기록의 R-R 간격 분석에서 직접 HRV 메트릭(SDNN, RMSSD)을 도출합니다.

빈번한 PVC(부담 >24%)가 가역적 심근병증을 유발할 수 있음을 입증했습니다. PVC 초점의 카테터 절제술은 환자의 82%에서 6개월 이내에 좌심실 기능의 정상화를 이끌었습니다. PVC 부담 추적의 임상적 중요성을 강조합니다 — HeartLab의 핵심 기능입니다.

심박변이도 측정 및 해석을 위한 국제 표준. 시간 영역 메트릭(SDNN, RMSSD, pNN50)과 주파수 영역 메트릭(LF, HF, LF/HF 비율)을 정의합니다. HeartLab은 각 ECG 기록에 대해 이러한 검증된 표준에 따라 HRV를 계산합니다.

HeartLab의 R-peak 감지는 Pan-Tompkins 알고리즘 — QRS 감지의 골드 스탠다드 — 을 기반으로 하며, 단일 리드 Apple Watch ECG 데이터에 최적화된 적응형 진폭 임계값, 중앙값 기반 필터링 및 품질 인식 처리로 강화되었습니다.

HeartLab의 ML 기반 비트 분류기는 상대적 심박수 정보와 형태학적 분석을 사용하여 PVC, PAC 및 정상 비트를 분류합니다. MIT-BIH Arrhythmia Database — ECG 알고리즘 검증의 표준 벤치마크 — 에서 훈련 및 검증되었습니다.

HeartLab은 부정맥 분류 및 감지 임계값에 대한 AHA 2024 가이드라인을 따릅니다. QTc 정상 범위, PVC 부담 위험 계층화 및 AFib 감지 기준은 모두 현재 임상 합의에 부합합니다.

여러 품질 지표를 사용한 자동 ECG 신호 품질 평가 프레임워크. HeartLab은 신뢰할 수 있는 기록만 분석되도록 6요소 신호 품질 분석(기저선 편향, 노이즈 수준, 리드오프 감지, QRS 진폭, 신호 포화, 심박수 타당성)을 구현합니다.

심방세동 환자의 뇌졸중 위험 예측을 위한 CHA₂DS₂-VASc 점수 검증. 항응고 치료를 안내하기 위해 ESC 및 AHA/ACC 가이드라인에서 권장됩니다. HeartLab의 무료 QTc 계산기 및 CHA₂DS₂-VASc 도구는 이러한 검증된 점수 시스템을 구현합니다.