Modello AI basato su ECG prevede gli esiti dopo infarto
Un team di ricercatori ha introdotto un modello AI pre-addestrato volto a prevedere la progressione della malattia cardiovascolare dopo un infarto miocardico (IM). Questo modello innovativo utilizza l'apprendimento contrastivo su ECG non etichettati, incorporando dati temporali specifici del paziente insieme a teste multitask supervisionate, e viene successivamente ottimizzato per prevedere gli esiti post-IM. Mostra prestazioni superiori rispetto a un modello sviluppato da zero, raggiungendo un AUC di 0,794 contro 0,608. Questa ricerca evidenzia il potenziale della modellazione ECG clinicamente strutturata per migliorare la classificazione, in particolare in scenari con dati limitati. I risultati sono disponibili su arXiv (2605.13568) nella categoria Computer Science > Machine Learning.
Fatti principali
- L'infarto miocardico è una delle principali cause di morte.
- I modelli prognostici basati su ECG hanno prestazioni scarse a causa della scarsità di dati etichettati.
- I modelli foundation possono apprendere da ECG non etichettati tramite auto-supervisione.
- Il modello proposto combina apprendimento contrastivo con teste multitask supervisionate.
- Il modello viene ottimizzato per la previsione degli esiti post-IM.
- Ha raggiunto un AUC di 0,794 contro 0,608 per un modello addestrato da zero.
- La modellazione ECG clinicamente strutturata migliora la classificazione in regimi di dati limitati.
- L'articolo è disponibile su arXiv.
Entità
Istituzioni
- arXiv