Apprendimento Scorciatoia e Effetto Clever Hans nella Classificazione di Immagini ECG basata su CNN

Uno studio pubblicato su arXiv (2607.25117) indaga l'apprendimento scorciatoia e l'effetto Clever Hans nelle reti neurali convoluzionali (CNN) utilizzate per la classificazione di immagini ECG. I ricercatori hanno creato sei set di caratteristiche di immagini controllate (FS1–FS6) per testare se i modelli si basano su indizi visivi non fisiologici piuttosto che sulla morfologia effettiva dell'onda ECG. FS1 utilizzava immagini ECG complete grezze; FS2 ritagliava solo la forma d'onda; FS3 mascherava la forma d'onda per mostrare i metadati; FS4 introduceva artefatti a freccia rossa per la classe infarto miocardico; FS5 applicava un miglioramento del contrasto per la classe battito anomalo; FS6 utilizzava una sfocatura gaussiana per la classe normale. I risultati evidenziano che i modelli di deep learning possono raggiungere un'alta accuratezza sfruttando correlazioni spurie, minando la fiducia clinica e l'interpretabilità. Lo studio sottolinea la necessità di una validazione robusta per garantire che i modelli apprendano caratteristiche fisiologicamente rilevanti.