CLEF: Un Modello Fondamentale EEG a Contesto Lungo Clinicamente Fondato
I ricercatori hanno sviluppato un nuovo modello EEG chiamato CLEF, progettato per contesti clinici. Questo modello può analizzare intere sessioni EEG combinando pattern di segnali con dati clinici. A differenza dei modelli esistenti che decodificano solo brevi segmenti, CLEF utilizza token spettrogramma multitaper 3D per un'analisi a livello di sessione migliore. Allinea inoltre i suoi output con i referti dei neurologi e le cartelle cliniche elettroniche strutturate (EHR) utilizzando metodi contrastivi. CLEF è stato testato su un insieme innovativo di 234 compiti relativi a tratti patologici, uso di farmaci e risultati EEG, basato su oltre 260.000 sessioni EEG di più di 108.000 pazienti. Ha superato i modelli precedenti in 229 compiti e migliorato l'AUROC medio da 0,65 a 0,74.
Fatti principali
- CLEF è un modello fondamentale EEG a contesto lungo clinicamente fondato.
- Rappresenta le sessioni EEG come token spettrogramma multitaper 3D.
- Allinea gli embedding con i referti dei neurologi e i dati EHR strutturati.
- Valutato su un benchmark di 234 compiti con oltre 260.000 sessioni EEG di più di 108.000 pazienti.
- Ha superato i precedenti modelli fondamentali EEG in 229 dei 234 compiti.
- Ha migliorato l'AUROC medio da 0,65 a 0,74.
- Il pre-addestramento basato solo sulla ricostruzione ha superato i modelli precedenti.
- L'allineamento con referti e EHR ha prodotto ulteriori miglioramenti.
Entità
—