Z pomocą algorytmu uczenia maszynowego zapisów fotopletyzmografii uzyskanych z opaski na nadgarstek Empatica E4 poprawnie rozpoznano ok. 97% rytmów przedsionkowych i 95% rytmów komorowych. U 30 osób z częstoskurczem z wąskimi zespołami QRS poddanych EPS podłączono 12-odprowadzeniowe EKG i założono opaskę na nadgarstek Empatica E4 w celu jednoczasowej rejestracji sygnałów podczas stymulacji przedsionkowej lub komorowej. 25 221 zapisów podzielono na zestawy danych treningowych, testowych i walidacyjnych. Zestawy danych był kompletne u 27 chorych. U 63% z nich rozpoznano typowy AVNRT, u 15% – częstokurcz przedsionkowy, a u 12% nie wyindukowano arytmii. Algorytm oparty na uczeniu maszynowym rozpoznał prawidłowo na podstawie fali tętna fotopletyzmografii z opaski na nadgarstek pochodzenie rytmu przedsionkowego w 97% przypadków i komorowego w 95% przypadków.
Różnicowanie rytmów komorowych od nadkomorowych na podstawie fotopletyzmografii
