解锁遥测潜能：基于自监督学习的连续临床心电图监测

机器学习应用于 ICU（重症监护病房）中常规患者监测，有望通过为每位患者提供关于其健康状况及干预反应的新见解来改善护理。本文将深度学习应用于约147,000小时的非标记心电图（ECG）遥测信号，这些信号在医院常用于连续患者监测，但与许多先前机器学习研究中使用的标准单时间点 12 导联 ECG 有重要区别。我们对预训练的自监督学习方法进行了开发，该方法在约147,000小时的 ECG 遥测数据上对一系列深度网络进行训练。我们的做法利用该数据集训练模型，在四个不同的下游任务上性能显著优于仅使用标记数据进行直接监督学习的做法。这些预训练模型使我们能够在通常受限于标签稀缺的较小患者队列中进行有意义的预测和估计。值得注意的是，我们展示了预训练网络可持续地为 ECG 遥测信号进行注释，从而提供了常因需要专业知识和耗时的专业注释而难以获得的监测能力。