心房颤动是一种不规则的心律，全球有超过5900万人患有此病，增加中风风险五倍。Fitbit和Pixel设备可以分析心律，发现不规则模式时会发出警报。用户可以选择与医疗保健提供者共享数据，以便进行更主动的护理。这项技术有助于提高心脏健康意识和改善健康结果。

本研究使用12导联心电图数据，利用机器学习算法预测房颤患者是否需要抗凝治疗。算法通过卷积神经网络处理STOME增强的时间序列数据。引入路径发展层后，模型在阴性预测率为1的条件下实现30.6%的特异性，而没有引入路径发展的LSTM算法仅有2.7%的特异性。