key: cord-0815585-do7telh0 authors: Lawin, Dennis; Albrecht, Urs-Vito; Oftring, Zoe Sophie; Lawrenz, Thorsten; Stellbrink, Christoph; Kuhn, Sebastian title: Mobile Health zur Detektion von Vorhofflimmern – Status quo und Perspektiven date: 2022-02-11 journal: Internist (Berl) DOI: 10.1007/s00108-022-01267-2 sha: c8bf76138b13ef46919b6fc7b90ce5430e2e7db8 doc_id: 815585 cord_uid: do7telh0 Mobile health (mHealth) for the detection of atrial fibrillation is an innovative domestic monitoring of the heart rhythm. The use of mHealth in the context of atrial fibrillation increases the availability of diagnostic technologies and facilitates the integration into telemedical treatment concepts as well as the active participation of patients in the treatment process. The detection of atrial fibrillation with mHealth applications is usually based on electrocardiography (ECG) or by detection of the pulse wave using photoplethysmography (PPG). Some applications require additional sensors, others make use of sensors integrated into smartphones or smartwatches. A high diagnostic accuracy for the detection of atrial fibrillation has been shown for most mHealth applications regardless of the underlying technology (analytical validation); however, the evidence on positive care effects and improvement of medical endpoints (clinical validation) is so far scarce. Screening of symptomatic or asymptomatic patients and the follow-up care after antiarrhythmic measures are possibilities for the integration into the reality of care. The preventive detection of atrial fibrillation is an attractive field of application for mHealth with great potential for the future. Nevertheless, at present mHealth is only integrated to a limited extent into the reality of patient care. Adequate reimbursement and medical remuneration as well as opportunities to derive information and qualification are prerequisites in order to be able to guarantee a comprehensive implementation in the future. The Digital Health Care Act passed in 2019, regulates the reimbursement of digital healthcare applications but issues of primary preventive applications have not yet been included. Mobile Health (mHealth) zur Detektion von Vorhofflimmern ist ein innovatives häusliches Monitoring des Herzrhythmus. mHealth im Kontext von Vorhofflimmern macht diagnostische Technologien nicht nur breit verfügbar, sie gestattet auch die Integration in telemedizinische Behandlungskonzepte und ermöglicht die aktive Teilhabe der Patient*innen am Behandlungsprozess. Die Erkennung von Vorhofflimmern mittels mHealth-Anwendungen erfolgt meist EKG-basiert oder durch die Detektion der Pulswelle mittels Photoplethysmographie (PPG). Einige Anwendungen benötigen zusätzliche Sensoren, andere bedienen sich integrierter Sensorik von Smartphones oder -watches. Unabhängig von der zugrunde liegenden Methode konnte für die meisten mHealth-Anwendungen eine hohe diagnostische Treffsicherheit zur Detektion von Vorhofflimmern nachgewiesen werden (analytische Validierung). Die Evidenzlage zu positiven Versorgungseffekten und der Verbesserung medizinischer Endpunkte (klinische Validierung) ist allerdings bisher gering. Das Screening symptomatischer oder asymptomatischer Patient*innen und die Nachsorge nach antiarrhythmischer Maßnahme sind Möglichkeiten der Integration in die Versorgungsrealität. Die präventive Detektion des Vorhofflimmerns ist ein attraktives Anwendungsfeld von mHealth mit viel Potenzial für die Zukunft. Zurzeit ist die Integration in die Versorgungsrealität allerdings nur eingeschränkt gegeben. Die Kostenerstattung und die ärztliche Vergütung sind neben adäquaten Informations-und Qualifizierungsangeboten Voraussetzung, um eine flächendeckende Anwendung zukünftig sicherstellen zu können. Das im Jahr 2019 verabschiedete Digitale-Versorgung-Gesetz regelt zwar unter anderem die Erstattung digitaler Gesundheitsanwendungen, doch klammert es primärpräventive Anwendungen bisher aus. Mobile Apps · Mobile Gesundheit in der Kardiologie · Telemedizin · Monitoring von Vorhofflimmern · Primärprävention Der Begriff Mobile Health (mHealth) bezeichnet die Integration mobiler Endgeräte in den medizinischen Alltag [15] . Hierunter verstanden werden beispielsweise Smartphone-Apps, die allein oder in Verbindung mit gekoppelten Sensoren digitale Biomarker erfassen und damit der Gesundheitsfürsorge dienen [15] . Hierdurch kann eine Kontinuität in der Nachsorge geschaffen werden und die Patient*innen können durch eigenverantwortliche Da-tenerhebung in die Therapie einbezogen werden [2] . Neben dem Selbstmonitoring der Patient*innen besteht die Möglichkeit der Einbindung in telemedizinische Behandlungskonzepte [15] . Der Status eines CE-gekennzeichneten Medizinprodukts gestattet regulatorisch den Einsatz von mHealth-Anwendungen im medizinischen Alltag in Europa [3, 5] . Das Digitale-Versorgung-Gesetz (DVG) von 2019 ermöglicht die Erstattbarkeit von Der Internist 1 mHealth-Anwendungen der Risikoklasse I oder IIa nach Medizinprodukteverordnung (MDR; und im Rahmen der Übergangsvorschriften nach Medizinprodukterichtlinie [MDD]) durch die gesetzliche Krankenversicherung [9] . Die Erstattungsfähigkeit wird vom Bundesinstitut für Arzneimittel und Medizinprodukte (BfArM) geprüft. Bei positiver Einschätzung werden die Anwendungen in das Verzeichnis für digitale Gesundheitsanwendungen (DiGA) aufgenommen und können von Ärzt*innen verschrieben werden [10] . Ausgenommen hiervon sind mHealth-Anwendungen, die der reinen Primärprävention dienen, und solche, die in höhere Risikoklassen eingeordnet werden [10] . Die erste Anwendung wurde im Oktober 2020 zugelassen, mit Stand 01.01.2022 sind es insgesamt 28 im DiGA-Verzeichnis [11] . » Neben Selbstmonitoring besteht Möglichkeit der Einbindung in telemedizinische Behandlungskonzepte Vorhofflimmern (VHF) stellt ein attraktives Anwendungsgebiet für mHealth dar, was zu einem großen Zuwachs an technischen Innovationen in diesem Bereich geführt hat [16, 29] . Die zur Diagnostik von VHF vorhandenen mHealth-Anwendungen werden vor allem in Bezug auf die Technik der Rhythmusdetektion und die Art der Anwendung (Handheld vs. Wearable) unterschieden [16] . Mit diesem Beitrag möchten wir eine Übersicht zu aktuellen Technologien, deren Integration in die Versorgungsrealität und klinischen Perspektiven schaffen. Bundesinstitut Die zugrunde liegenden Techniken unterteilen sich im Wesentlichen in Elektrokardiogramm(EKG)-und Photoplethysmographie(PPG)-Systeme. Weitere Methoden, wie beispielsweise sprachbasierte Algorithmen, befinden sich derzeit in klinischer Erprobung. Einige Anwendungen benötigen zusätzliche Sensoren, andere bedienen sich der in Smartphones oder -watches integrierten Technologie und kommen ohne Zubehör aus. Wird ein externer Sensor benötigt, werden die hiermit erhobenen Daten an das gekoppelte Smartphone übertragen [16] . Die Messung wird als EKG oder Pulskurvenamplitudendiagramm präsentiert und kann additiv über einen herstellereigenen Diagnosealgorithmus und/oder telemedizinisch durch Ärzt*innen befundet werden [21] . Die Algorithmen zur Diagnostik von VHF basieren auf künstlicher Intelligenz und stützen sich auf die Irregularität der RR-Intervalle und je nach Hersteller auf die fehlende Detektion von P-Wellen [28] . Die PPG-basierten Techniken diagnostizieren VHF anhand der Irregularität der registrierten Pulswellen [23] . Das EKG stellt den Goldstandard zur Diagnose von VHF dar [18] . Dementsprechend bedienen sich die meisten mHealth-Anwendungen eines EKG-basierten Diagnosealgorithmus [16] . Häufig wird ein zusätzlicher Sensor benötigt, der an das Endgerät gekoppelt ist [16] . Je nach Hersteller wird der EKG-Sensor als Handheld-Device (beispielsweise EKG-Platte oder -Stab) oder als Wearable (beispielsweise Smartwatch oder auf die Brust aufgebrachter Patch) angeboten [12, 21, 28, 30] . Die EKG-Platte KardiaMobile von Alive-Cor Inc. (San Francisco, Kalifornien, USA) ist ein Beispiel eines Handheld-EKG-Sensors [21] . Die Anwendung ermöglicht die Ableitung eines 1-Kanal-EKGs, indem jeweils ein Finger der rechten und linken Hand auf eine Elektrode des Sensors gelegt wird (. Abb. 1a; [21] ). Die Qualität der Aufzeichnungenund dieDiagnosealgorithmensind ausreichend, um VHF zuverlässig zu diagnostizieren oder auszuschließen [21] . Es konnten eine Sensitivität von 98,5 % und eine Spezifität von 91,4 % gezeigt werden [21] . Durch Erweiterung um eine dritte Elektrode auf der Rückseite der Platte, die auf das linke Bein aufgelegt wird, kann ein 6-Kanal-EKG abgeleitet werden [20] . Die Anwendung MyDiagnostick (Applied Biomedical Systems BV, Maastricht, Niederlande) nutzt als Handheld-Sensor einen EKG-Stab mit Elektroden an beiden Enden, der mit beiden Händen gehalten wird und Ableitung I abbildet [28] . Hier kommt der Diagnosealgorithmus bereits im Device zur Anwendung [28] . Durch Anschließen an einen Computer können die gespeicherten Messungen ausgelesen werden [28] . Für den automatischen Algorithmus von MyDiagnostick wurden eine Sensitivität von 100 % und eine Spezifität von 95,9 % zur Diagnostik von VHF ermittelt [28] . Elegant ist die Integration eines 1-Kanal-EKGs in Smartwatches, da dadurch kein zusätzlicher Sensor mitgeführt werden muss (. Abb. 1b; [12] ). Durch Kontakt beider Hände mit der Smartwatch kann die Ableitung I berechnet werden [12] . Häufig genutzt wird die Apple Watch (Apple, Cupertino, Kalifornien, USA), die eine Sensitivität von 96 % und eine Spezifität von 91 % zur Diagnostik von VHF hat [12] . Einige EKG-basierte mHealth-Anwendungen können als Wearables kontinuierlich auf der Haut getragen werden, ohne dass sie für jede Einzelmessung bewusst in Gebrauch genommen werden müssen [16] . Als Beispiel dienen hier EKG-Patches, die herznah auf den vorderen Brustkorb geklebt werden (z. B. Zio Patch, iRhythm Technologies Inc., San Francisco, Kalifornien, USA; . Abb. 1c; [30] ). Eine Erweiterung [8, 24] . PPG-basierte mHealth-Anwendungen werden ebenfalls als Wearables angeboten, indem der optische Sensor in die Rückseite von Smartwatches integriert wird (. Abb. 1f; [22] ). Ein Beispiel ist die Apple Watch, die anhand der PPG-basierten Analyse in der Apple Heart Study einen positiv-prädiktiven Wert von 0,84 für die Diagnose von VHF aufwies [22] . Die Apple Watch ist damit ein Device, das sowohl die EKG-als auch die PPG-basierte Diagnostik von VHF ermöglicht [12, 22] . Insgesamt ist die Studienlage zur diagnostischen Treffsicherheit PPG-basierter mHealth-Anwendungen gut und viele Anwendungen sind ausreichend validiert [16] . Dennoch führen auch die aktuellen Leitlinien der Europäischen Gesellschaft für Kardiologie das EKG als Diagnostikum der Wahl für VHF an [18] . Dies limitiert die Anwendbarkeit PPG-basierter Algorithmen im Alltag und hat zur Folge, dass bei einem Verdacht auf VHF in der PPG-Messung zunächst eine EKG-Dokumentation angestrebt werden sollte, bevor die definitive Diagnose gestellt werden kann [29] . Neben den gut etablierten Techniken der EKG-und PPG-basierten Rhythmusanalyse wird ständig an innovativen Methoden gearbeitet. Beispielsweise haben Golovchiner et al. [14] einen Algorithmus entwickelt, der die Auswirkungen von VHF auf die Sprache untersucht und anhand von Sprachmustern auf das Vorliegen von VHF schließen kann. Die App Cardiokol (Cardiokol, Airport City, Israel) nutzt diesen Algorithmus bereits, um beispielsweise über das Mikrofon eines gewöhnlichen Smartphones VHF zu detektieren. Bisher besteht jedoch nur limitierte Evidenz für diese Technik und weitere Studien sind zu erwarten. Der potenzielle Nutzen von mHealth liegt in der frühzeitigen Diagnostik von VHF zur Reduktion des Risikos kardiovaskulärer Folgen, wie eines Schlaganfalls. Allerdings sind Anwendungen, die rein der Primärprävention dienen, im Sinne des BfArM nicht antragsberechtigt und somit von der allgemeinen Erstattung ausgeschlossen [10] . Dennoch existieren viele Studien, die einen Nutzen von mHealth in der Primärprävention von VHF annehmen lassen. Die durch ein mHealth-basiertes Screening ermittelte VHF-Prävalenz variiert je nach Risikoprofil der untersuchten Proband*innen zwischen 0,5 und 5,5 % [21, 22, 25] . Beispielsweise betrug die durch ein Screening mit dem Device MyDiagnostick ermittelte Prävalenz von bisher nicht bekanntem VHF bei 1820 Patient*innen über 65 Jahre 5,5 % [25] . Proband*innen der Apple Heart Study wurden mit dem PPG-basierten Algorithmus der Apple Watch auf einen unregelmäßigen Herzschlag untersucht und bei auffälligem Befund einer EKG-Diagnostik zugeführt [22] . Bei 0,5 % der relativ jungen 419.297 Teilnehmer*innen registrierte die Smartwatch in einem Beobachtungszeitraum von im Median 117 Tagen einen unregelmäßigen Puls [22] . Hiervon erhielten 34 % in der daraufhin initiierten EKG-Analyse die Erstdiagnose VHF [22] . Lowres et al. [21] führten im Rahmen der SEARCH-AF-Studie ein Screening von 1000 Proband*innen (Alter ≥ 65 Jahre) auf VHF mit der EKG-Platte KardiaMobile durch. Von den 1000 untersuchten Proband*innen (Alter über 65 Jahre) erhielten 1,0 % im Kontext des Screenings die Erstdiagnose VHF [21] . Die Autor*innen berechneten eine positive Kosteneffektivität für das Screening-Verfahren [21] . Birkemeyer et al. kalkulierten, dass ein VHF-Screening von 10.000 Patient*innen über 75 Jahre mit einer PPG-basierten Smartphone-App innerhalb von 4 Jahren 32 Schlaganfälle verhindern kann und dadurch kosteneffektiv ist [7] . [13, 17] . Außerdem empfanden Patient*innen die mHealth-Nachsorge als nutzerfreundlicher als die Durchführung von Holter-EKGs [17] . Eine weitere Studie zeigte, dass eine mHealth-Nachsorge von Patient*innen nach Katheterablation von VHF Hospitalisierungen im Vergleich zu einem konventionellen Monitoring reduzieren konnte [4] . Coronavirus-disease-2019 (COVID-19)-Pandemie gewann mHealth durch die Möglichkeit der Integration in telemedizinische Behandlungskonzepte zunehmend an Bedeutung, da hierdurch Praxisbesuche reduziert und therapeutische Maßnahmen "remote" ermöglicht werden konnten. Pluymaekers et al. [23] nutzten die PPG-basierte Smartphone-App FibriCheck im Rahmen eines interdisziplinären telemedizinischen Nachsorgekonzepts für Patient*innen mit VHF während der Pandemie. Mithilfe der Anwendung wurde eine Infrastruktur geschaffen, die die Therapie allein durch Telekonsultationen ermöglichte [23] . Vorteile waren die aktive Teilhabe der Patient*innen am Behandlungsprozess sowie die Realisierung eines interdisziplinären Therapieansatzes durch Einbezug von Hausärzt*innen, Kardiolog*innen und auch Klinikärzt*innen gleichermaßen [23] . Stavrakis etal. [27] integriertenmHealth in ein Behandlungskonzept zur individuellen Steuerung der oralen Antikoagulation in Abhängigkeit vom aktuellen Herzrhythmus. In der iCARE-AF-Studie wurden 58 Patient*innen mit paroxysmalem VHF und einem CHA2DS2-VASc-Score von 1 (CHA2DS2-VASc siehe Abkürzungsverzeichnis) auf eine kontinuierliche Antikoagulation oder alternativ intermittierende Antikoagulation basierend auf den Ergebnissen einer täglichen mHealthbasierten Rhythmusanalyse randomisiert [27] . Die Interventionsgruppe erhielt über die mHealth-Anwendung ein telemedizinisches Monitoring, nur im Falle von VHF wurde eine Antikoagulation eingeleitet [27] . Nach 20 Monaten waren in der Interventionsgruppe weniger Blutungen und keine Schlaganfälle aufgetreten [27] . Das Konzept ist zwar innovativ, erfordert aber ein zuverlässiges Monitoring der Patient*innen und hat bisher zu wenig Evidenz für eine Umsetzung im Alltag. Die Bundesregierung hat mit der Verabschiedung des DVG am 19.12.2019 einen wichtigen Schritt zur Verordnungs-und Erstattungsfähigkeit getan [9] . Die Integration in die Versorgungsrealität ist bis-her allerdings nur unzureichend gelungen. Zentrale limitierende Faktoren der Integration sind die oftmals nicht gegebene Erstattungsfähigkeit der Anwendungen, die limitierte Vergütung der ärztlichen Leistungen sowie Informations-und Qualifizierungsdefizite der Ärzteschaft. Limitierte Abhilfe schaffen derzeit Erstattungskonzepte durch Selektivverträge zwischen einzelnen Herstellern und Krankenkassen [1] . Voraussetzung für die allgemeine Erstattungsfähigkeit durch gesetzliche Krankenversicherungen ist, dass die Anwendungen vom BfArM in das DiGA-Verzeichnis aufgenommen worden sind [10] . Hierfür müssen sie das Fast-Track-Verfahren des BfArM durchlaufen [10] . Dieser Prozess beinhaltet Anforderungen an Sicherheit, Funktionstauglichkeit und Qualität, aber auch den Nachweis positiver Versorgungseffekte, eines medizinischen Nutzens oder von Strukturverbesserungen [10] . Bisher befinden sich 28 Apps im DiGA-Verzeichnis, jedoch keine zur Detektion von VHF (Stand 01.01.2022; [11] Mobile health (mHealth) for the detection of atrial fibrillation is an innovative domestic monitoring of the heart rhythm. The use of mHealth in the context of atrial fibrillation increases the availability of diagnostic technologies and facilitates the integration into telemedical treatment concepts as well as the active participation of patients in the treatment process. The detection of atrial fibrillation with mHealth applications is usually based on electrocardiography (ECG) or by detection of the pulse wave using photoplethysmography (PPG). Some applications require additional sensors, others make use of sensors integrated into smartphones or smartwatches. A high diagnostic accuracy for the detection of atrial fibrillation has been shown for most mHealth applications regardless of the underlying technology (analytical validation); however, the evidence on positive care effects and improvement of medical endpoints (clinical validation) is so far scarce. Screening of symptomatic or asymptomatic patients and the follow-up care after antiarrhythmic measures are possibilities for the integration into the reality of care. The preventive detection of atrial fibrillation is an attractive field of application for mHealth with great potential for the future. Nevertheless, at present mHealth is only integrated to a limited extent into the reality of patient care. Adequate reimbursement and medical remuneration as well as opportunities to derive information and qualification are prerequisites in order to be able to guarantee a comprehensive implementation in the future. The Digital Health Care Act passed in 2019, regulates the reimbursement of digital healthcare applications but issues of primary preventive applications have not yet been included. Mobile applications · Mobile health/cardiology · Telemedicine · Monitoring, physiologic/atrial fibrillation · Primary prevention Nutzenbewertung von digitalen Gesundheitsprodukten (Digital Health) im gesellschaftlichen Erstattungskontext Chancen und Risiken von Gesundheits-Apps (CHARISMHA) Relevance of trust marks and CE labels in Germanlanguage store descriptions of health apps: analysis Smartphone ECG monitoring system helps lower emergency room and clinic visits in post-atrial fibrillation ablation patients The combination of medical devices and medicinal products revisited from the new European legal framework The effect of a case-finding app on the detection rate of atrial fibrillationcomparedwithopportunisticscreening in primary care patients: protocol for a cluster randomized trial A cost-effectiveness analysis model of preventicus atrial fibrillation screening from the point of view of statutory health insurance in Germany Detection of atrial fibrillation with a smartphone camera: first prospective, international, two-centre, clinical validation study (DETECT AF PRO) Bundesgesetzblatt Teil I (2019) Gesetz für eine bessere Versorgung durch Digitalisierung und Innovation (Digitale-Versorgung-Gesetz -DVG) Bundesinstitut für Arzneimittel und Medizinprodukte (2021) Das Fast Track Verfahren für digitale Gesundheitsanwendungen (DiGA) nach § 139e SGB V Bundesinstitut für Arzneimittel und Medizinprodukte (2022) DiGA-Verzeichnis Accuracy of a amartwatch-derived ECG for diagnosing bradyarrhythmias, tachyarrhythmias, and cardiac ischemia Recurrent atrial fibrillation/flutter detection after ablation or cardioversion using the AliveCor KardiaMobile device: iHEART results Automated detection of atrial fibrillation based on vocal features analysis Mobile health solutions for atrial fibrillation detection and management: a systematic review Long-term intermittent versus short continuous heart rhythm monitoring for the detection of atrial fibrillation recurrences after catheter ablation ESC guidelines for the diagnosis and management of atrial fibrillation HEARTLINE-a heart health study using digital technology to investigate if early AF diagnosis reduces the risk of thromboembolic events like stroke IN the realworld environment Comparison of electrocardiograms (ECG) waveforms and centralized ECG measurements between a simple 6-lead mobile ECG device and a standard 12-lead ECG Feasibility and cost-effectiveness of stroke prevention through community screening for atrial fibrillation using iPhone ECG in pharmacies. The SEARCH-AF study Largescale assessment of a smartwatch to identify atrial fibrillation Implementation of an on-demand app-based heart rate and rhythm monitoring infrastructure for the management of atrial fibrillation through teleconsultation: TeleCheck-AF Mobile phone-based use of the photoplethysmography technique to detect atrial fibrillation in primary care: diagnostic accuracy study of the fibricheck app Screening of unknown atrial fibrillation through handheld device in the elderly A study to assess a novel automated electrocardiogram technology in screening for atrial fibrillation Intermittent vs. continuous anticoagulation theRapy in patiEnts with atrial fibrillation (iCARE-AF): a randomized pilot study Validation and clinical use of a novel diagnostic device for screening of atrial fibrillation Wearable-basierte Detektion von Arrhythmien Identification of paroxysmal atrial fibrillation subtypes in over 13,000 individuals