Medizinische Daten sind sensibel und erfordern eine Anonymisierung und die Zustimmung des Patienten. Die Einhaltung von Datenschutzbestimmungen (GDPR/HIPAA) ist von größter Bedeutung.
Maschinelles Lernen und Deep-Learning-Modelle erfordern medizinische Datensätze mit ausreichender Größe und Genauigkeit. Die Datenqualität ist schwer zu definieren und hängt vom Projekt ab.
Periprozedurale Daten stammen aus verschiedenen Quellen. Es mangelt an einer Standardisierung der Speicherung und Formatierung medizinischer Daten.
Die Kommentierung, Kreierung und Validierung medizinischer Daten erfordert ein hohes Maß an Fachwissen.
Um Verzerrungen in den KI-Modellen zu vermeiden, sind vielfältige und repräsentative Daten erforderlich, die aus verschiedenen Quellen gesammelt werden sollten.
Um die Akzeptanz zu gewährleisten, ist die Einbeziehung der verschiedenen Interessengruppen bereits in der Entwicklungsphase von entscheidender Bedeutung - klinische Nachweise sind dafür der Schlüssel.
Alle erhobenen Daten werden unter Einhaltung der Datenschutzbestimmungen anonymisiert oder pseudonymisiert. Insbesondere werden die Daten nach dem neuesten Stand der Technik verschlüsselt (zwei Verfahrenswege, zweifach Verschlüssellung). Unsere Firmenpolitik entspricht den höchsten Standards des Datenschutzes.
Unsere Algorithmen wurden auf sehr großen Datenbanken mit intrakardialen Signalen trainiert, die von erfahrenen Ärzten sorgfältig kommentiert wurden.
Unsere Datenbank wird kontinuierlich mit neuen Verfahrensdaten angereichert, die es uns ermöglichen, unsere KI-Lösungen weiter zu verbessern.
Unsere Lösung wurde in einer multizentrischen klinischen Studie in Europa (EvAI-Fib Trial, JCE 2022) klinisch validiert.
Derzeit führen wir eine internationale randomisierte klinische Studie durch (Tailored-AF Trial, NCT04702451), um die Anwendung bei persistierendem Vorhofflimmern weiter zu validieren.
