ECG-FM: ein offenes Fundamentalmuster für Elektrokardiogramme

Zusammenfassung Ziele Entwicklung von ECG-FM, einem offenen Fundamentalmuster für die Analyse von Elektrokardiogrammen (EKG), strenge Bewertung seiner Leistung bei klinisch relevanten Aufgaben und öffentliche Freigabe zusammen mit einem öffentlichen Benchmark. Materialien und Methoden In einer Studie mit 1,5 Millionen 12-Kanal-EKGs präsentieren wir ECG-FM, ein auf Transformatoren basierendes Fundamentalmuster, das mit hybrider Selbstüberwachung vortrainiert wurde, die maskierte Rekonstruktion und kontrastives Lernen mit EKG-spezifischer Augmentation kombiniert. In den nachgelagerten Aufgaben bewerten wir die multi-label EKG-Interpretation und die Vorhersage einer reduzierten linksventrikulären Auswurffraktion (LVEF) und führen einen öffentlich verfügbaren Benchmark auf dem MIMIC-IV-ECG-Datensatz ein. Wir bewerten die Fähigkeiten von ECG-FM durch Datenskala-Experimente, Analysen der latenten Raummuster und auf Aufmerksamkeit basierende Salienz. Ergebnisse Feineingestellte ECG-FM-Modelle übertreffen aufgabenbezogene Baseline-Modelle im kleinen bis mittleren Datenbereich, zeigen hohe Label-Effizienz und Generalisierbarkeit über verschiedene Datensätze hinweg und erreichen hohe AUROC-Werte bei wichtigen Labels, darunter Vorhofflimmern (0,996) und LVEF ≤40% (0,929). Der vortrainierte Encoder zeigt wettbewerbsfähige Leistungen beim linearen Probing, mit funktionell diskriminierenden Einbettungen. Diskussion Die Ergebnisse deuten darauf hin, dass ECG-FM generalisierbar, label-effizient und diskriminierend für Screening, Risikostratifizierung und Überwachung ist. Seine Darstellungen erfassen die Morphologie auf niedriger Ebene und hochgradige kardiale Semantik, und der vortrainierte Encoder dient als robuster Generator von Merkmalsätzen. Diese Arbeit verringert die Abhängigkeit von großen, beschrifteten Datensätzen, reduziert Rechen- und Datenanforderungen und senkt die Barrieren für Reproduzierbarkeit und vergleichende Studien. Schlussfolgerung ECG-FM ist ein offenes, rigoros validiertes ECG-Grundmodell, das dazu dienen soll, transparente und vergleichbare Forschung im Bereich der EKG-Analyse voranzutreiben. Es ist für eine schnelle Integration und Bewertung konzipiert, insbesondere um praktische Verbesserungen in Umgebungen mit wenigen Labels zu ermöglichen. Wir stellen unseren Code, die Modellgewichte, Tutorials und Benchmarks auf https://github.com/bowang-lab/ECG-FM/ zur Verfügung.