Simulation of Screening ECG data for Training of ML-based AF Detectors
Simulerad patientdata och AI för förbättrad upptäckt av förmaksflimmer År 2030 förväntas upp emot 17 miljoner människor i Europa lida av förmaks-flimmer, en sjukdom med mycket allvarliga konsekvenser. Denna studie utforskar användningen av simulering och maskininlärning för att effektivisera diagnostiseringen, och därigenom potentiellt förebygga uppemot 20% av alla strokes. I Sverige uppskattas Atrial fibrillation (AF) is an arrhythmia distinguished by irregular heartbeats, which has seen a significant rise in prevalence globally. Due to the risk of strokes, the condition necessitates early detection and intervention to prevent severe complications, highlighting the critical role of early and precise detection techniques. To effectively train and validate machine learning (ML) models, ha