Diese Studie präsentiert eine Methode zur Vorhersage des Herzversagensrisikos (HF) unter Verwendung klinisch erfasster 12-Kanal-Elektrokardiogramme (EKGs). Es wird ein neuartiges, leichtgewichtiges Dual-Aufmerksamkeitsnetzwerk für EKGs vorgestellt, das in der Lage ist, komplexe EKG-Merkmale zu erfassen, die für eine frühe HF-Vorhersage entscheidend sind, auch wenn die Anzahl der Hochrisikogruppen deutlich geringer ist.
Um Überanpassung aufgrund begrenzter Trainingsdaten zu verhindern, wird ein großes Sprachmodell (LLM) mit einem öffentlichen EKG-Berichtdatensatz für die Vorverarbeitung auf einer EKG-Bericht-Ausrichtungsaufgabe verwendet. Das Netzwerk wird dann für die HF-Risikovorhersage auf zwei spezifischen Kohorten aus der UK Biobank-Studie feinabgestimmt, die sich auf Patienten mit Bluthochdruck (UKB-HYP) und Patienten nach einem Myokardinfarkt (UKB-MI) konzentrieren.
Die Ergebnisse zeigen, dass die LLM-informierte Vorverarbeitung die HF-Risikovorhersagefähigkeit des Netzwerks in diesen Kohorten deutlich verbessert. Darüber hinaus verbessert der Dual-Aufmerksamkeitsmechanismus die Interpretierbarkeit und Vorhersageleistung, was einen transparenten und zuverlässigen Vorhersageprozess gewährleistet. Die Methode übertrifft bestehende Modelle und erreicht durchschnittliche C-Index-Werte von 0,6349 und 0,5805 auf den UKB-HYP- und UKB-MI-Testdatensätzen.
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések