Sleep Apnea from Cortrium Data

Cortrium indsamler kontinuerte EKG- og bevægelsesdata via C3-sensoren. Denne mission eksisterer for at udvikle og validere en algoritme, der kan detektere søvnapnø fra disse data — og dermed udvide produktets kliniske værdi og åbne nye markedsmuligheder.

Projektet er en succes, når vi har leveret en færdig prototype til søvnapnø-detektion, der virker på Cortriums egne C3-data og opnår en nøjagtighed, der er accepteret af Cortrium.

Udvikling af søvnapnø-algoritme baseret på C3-data åbner nye kliniske og kommercielle muligheder for Cortrium: udvidet produktværdi, adgang til nye markeder og styrket konkurrenceposition inden for digital sundhed.

1. Litteraturgennemgang af eksisterende metoder til søvnapnø-detektion
2. Find og indsaml ekstern data (fx offentlige datasæt som PhysioNet/SHHS)
3. Dataanalyse af ekstern data og Cortriums egne C3-data
4. Modeludvikling — minimum 2 modeller udvikles og sammenlignes
5. Test og validering af modeller
6. Prototype-udvikling baseret på bedste model
7. Levering af færdig prototype med dokumentation

1. Annotering af data — vi udfører ingen annotering og er ikke ansvarlige for at skaffe annoterede data
2. Datalevering — annoterede Cortrium-data forventes leveret af Cortrium, når de er nødvendige
3. Integration i eksisterende software eller platform — vores leverance stopper ved prototypen
4. Klinisk validering, CE-mærkning eller regulatorisk godkendelse
5. Detektion af andre søvnforstyrrelser end søvnapnø

Vi arbejder agilt i korte iterationer med løbende validering. Tilgangen er datadrevet: vi starter med litteraturgennemgang og ekstern data, bygger gradvist op mod Cortrium-specifikke modeller. Vi anvender Python-baserede ML-frameworks (fx scikit-learn, TensorFlow/PyTorch) og standard signal processing til EKG-analyse. Modeller evalueres på klinisk relevante metrikker (sensitivity, specificity, AUC).

Missionen starter juli 2026. Første konkrete deadline er præsentation af insights fra ekstern data i Q3 2026. Yderligere tidsgrænser fastlægges efter denne præsentation baseret på resultater og Cortriums feedback.

Budgettet er timebaseret og endnu ikke fastlagt. Missionen finansieres med de timer der er tilgængelige inden for tidsperioden, under hensyntagen til at der kører andre projekter parallelt. Det konkrete timetal fastlægges løbende.

1. MindFuture data scientist(er) — primære udviklere af algoritme og prototype
2. Adgang til eksterne datasæt (fx PhysioNet/SHHS) — offentligt tilgængeligt
3. Adgang til Cortriums C3-data — leveres af Cortrium
4. Python-udviklingsmiljø med relevante ML-libraries (scikit-learn, TensorFlow/PyTorch)
5. Cortrium faglig kontaktperson til validering og feedback

1. Levering af annoterede C3-data når de er nødvendige for modeludvikling
2. Udpegning af faglig kontaktperson hos Cortrium til løbende feedback og validering
3. Godkendelse af nøjagtighedskrav til prototype inden modeludvikling påbegyndes
4. Rettidig feedback efter Q3-præsentation så tidsplan kan fastlægges

1. Annoterede Cortrium-data leveres ikke til tiden — forsinker eller blokerer modeludvikling
2. Cortriums C3-data er ikke kompatible med eksisterende søvnapnø-metoder fra litteraturen
3. Nøjagtighedskrav fra Cortrium er ikke definerede inden modeludvikling påbegyndes — risiko for at prototype ikke godkendes
4. Begrænset tilgængelighed af MindFuture-ressourcer pga. parallelle projekter
5. Annoterede eksterne datasæt matcher ikke Cortriums C3-datasignal tilstrækkeligt