基于 ECG 训练的人工智能模型用于心肌梗死后心血管疾病进展的动力学预测建模
机器学习
2026-05-14 v1 人工智能
摘要
心肌梗死 (MI) 是死亡的主要原因，其不良后果亟需预测。然而，基于 ECG 的预后模型表现不佳，因为深度学习需要大量标记数据集，而医学领域的数据标注稀缺。基础模型可以通过自监督方式从未标记的 ECG 数据中学习，但医学相关的训练策略仍未得到充分探索。我们提出一种预训练的人工智能模型，通过对比学习结合患者特定的时间信息，同时使用监督多任务头，然后在后 MI 预后预测上微调。所提模型优于从头训练的模型（0.794 与 0.608 的 AUC），表明临床结构化 ECG 建模在数据有限的情境下能提高分类性能。
引用
@article{arxiv.2605.13568,
title = {Dynamical Predictive Modelling of Cardiovascular Disease Progression Post-Myocardial Infarction via ECG-Trained Artificial Intelligence Model},
author = {Riccardo Cavarra and Lupo Lovatelli and Shaheim Ogbomo-Harmitt and Shahid Aziz and Adelaide De Vecchi and Andrew King and Oleg Aslanidi},
journal= {arXiv preprint arXiv:2605.13568},
year = {2026}
}
备注
submitted to the 9th International Conference on Computational and Mathematical Biomedical Engineering, 4 pages, 1 figure, 1 table