Budujemy warstwę AI dla diagnostyki neurologicznej etapami: najpierw komercyjna usługa TeleEEG i dane operacyjne, następnie certyfikowane moduły wspierania decyzji klinicznych. Poniżej uczciwie pokazujemy, co już działa, co jest w walidacji, a co dopiero przed nami.
Rozwijany System Wspierania Decyzji Klinicznych (CDS)
Moduł AI do analizy sygnału EEG w warunkach ratunkowych (SOR, karetka), którego celem jest obiektywny triaż neurologiczny: ocena ryzyka udaru (w tym kwalifikacja LVO do trombektomii mechanicznej) oraz detekcja stanów napadowych, w tym niedrgawkowego stanu padaczkowego (NCSE). Rozwój modułu — wraz z certyfikacją MDR i zgodą komisji bioetycznej — stanowi kolejny etap roadmapy produktowej.
Ratownictwo ma EKG dla serca, ale nie ma obiektywnej oceny funkcji mózgu w fazie przedszpitalnej. Nawet u 25% pacjentów wstępna diagnoza ZRM różni się od rozpoznania szpitalnego.
Ok. 25% chorych wykazuje objawy nietypowe, błędnie interpretowane — realne udary bywają pomijane, a pacjenci trafiają do niewłaściwych placówek.
Tromboliza i trombektomia mają liczone w godzinach okna skuteczności. Każda minuta opóźnienia triażu to utracona tkanka mózgowa.
Algorytmiczna ocena prawdopodobieństwa udaru (niedokrwienny vs krwotoczny) na podstawie biomarkerów qEEG (asymetria, Delta/Alpha, BSI).
Automatyczna detekcja stanów napadowych, w tym trudnego do rozpoznania niedrgawkowego stanu padaczkowego — oparta na naszym silniku detekcji napadów (poniżej).
Mapy aktywności mózgu zrozumiałe dla lekarzy niebędących neurofizjologami — z automatycznym usuwaniem zakłóceń ruchowych.
Zero-shot · niezależny od układu elektrod · bezpieczny w stanie padaczkowym
Rdzeń przyszłego modułu Seizure Diagnostics. Architektura łączy ścieżkę względem linii bazowej pacjenta z uniwersalnym modelem tła populacyjnego, dzięki czemu działa bez douczania na ośrodku docelowym i zachowuje czułość, gdy pacjent zostaje podłączony już w trakcie napadu.
Wyniki uzyskane na dwóch niezależnych, publicznych zbiorach klinicznych (pediatrycznym i dorosłych), trzymanych poza treningiem. Model przeszedł wielorundowy wewnętrzny audyt poprawności metodologicznej.
Zmierzone, nie założone: ścieżka tła populacyjnego utrzymuje AUC ≈0.87 przy podłączeniu pacjenta w trakcie napadu — scenariusz, w którym podejścia oparte wyłącznie na linii bazowej pacjenta zawodzą.
Wyniki wewnętrzne (proof-of-concept). Przed nami: niezależna walidacja na zewnętrznym benchmarku klinicznym, zgoda komisji bioetycznej, budowa zbiorów danych własnych i ścieżka certyfikacji MDR.
Sześć klas diagnostycznych · strukturalny moduł opisowy bez halucynacji
Demonstracja szerokości naszych kompetencji w analizie sygnałów biomedycznych. Silnik klasyfikuje zapisy EKG w sześciu klasach (norma, migotanie przedsionków, zaburzenia przewodzenia, zawał/niedokrwienie, zmiany ST-T, przerost) i generuje interpretację wyłącznie z potwierdzonych rozpoznań — z założenia bez halucynacji.
Silnik wykazuje także zdolności wykraczające poza rutynową interpretację — m.in. przesiewowe przewidywanie przyszłego migotania przedsionków z zapisu o prawidłowym rytmie zatokowym — traktowane jako wynik badawczy w trakcie walidacji. Wszystkie wyniki są wewnętrzne i wymagają potwierdzenia na danych klinicznych, zanim staną się funkcją produktu.
Nasze podejście opieramy na recenzowanej literaturze i niezależnych badaniach klinicznych. Poniżej przedstawiamy dowody naukowe (EBM) — cudze, opublikowane badania — które wyznaczają kierunek i standardy dla rozwijanych przez nas rozwiązań. To baza dowodowa naszej domeny, nie wyniki produktów Wavedurance: nasze autorskie silniki pozostają na etapie proof-of-concept i wymagają niezależnej walidacji klinicznej.
Rozwój technologii Wavedurance opieramy na twardych danych. Niezależny projekt badawczy ELECTRA-STROKE udowodnił wykonalność i skuteczność diagnostyki EEG w warunkach przedszpitalnych, wyznaczając kierunek dla naszych rozwiązań.
Oficjalne zdefiniowanie standardów, doboru próby i punktów końcowych dla mobilnego EEG w diagnostyce udarów przed rozpoczęciem rekrutacji. Publikacja potwierdza rygorystyczne standardy EBM.
Badanie prospektywne na grupie 100 pacjentów SOR. Weryfikacja skuteczności biomarkerów EEG (TAR, Phase Lag) w warunkach szpitalnych przed wdrożeniem do karetek.
Kluczowa faza realizowana przez ZRM w trakcie transportu (311 pacjentów, w tym 6 z LVO). Pierwszorzędowy punkt końcowy: AUC 0.80 (czułość 50%); poniżej najlepszy biomarker eksploracyjny. Mediana nagrania: 2.5 min.
Wyniki ELECTRA-STROKE wpisują się w globalny standard. Przytaczamy niezależne przeglądy literatury oraz najnowsze publikacje z 2025 roku.
Zaproponowano model ApFu-TPELGBM, wykorzystujący zaawansowaną fuzję cech w celu precyzyjnego różnicowania udaru niedokrwiennego od krwotocznego. Wyniki potwierdzają dojrzałość technologii ML.
Badanie SOR (UC Irvine) wykazało, że model hybrydowy (dane kliniczne + AI EEG) drastycznie przewyższa standardową ocenę kliniczną. Potwierdzono szybkość i wykonalność użycia suchych elektrod.
Asymetria półkulowa (Delta/Alpha) oraz zjawisko Global Attenuation okazały się silnymi markerami LVO. Badanie SOR porównało qEEG przy użyciu elektrod suchych vs mokrych.
Conclusions. Analiza potwierdza, że systemy małokanałowe są wystarczające do triażu, a AI jest niezbędna dla personelu niespecjalistycznego. Redukcja transferów to kluczowa korzyść.
Jesteś badaczem, klinicystą lub inwestorem zainteresowanym naszą warstwą AI? Chętnie pokażemy szczegóły metodologii i plany walidacji.