본 논문은 다양한 생리적 조건(신체 활동, 약물, 스트레스) 하에서 심전도(ECG) 신호를 정확하게 분석하여 심장 건강을 평가하는 데 어려움을 극복하기 위해, 약물 특이적 패턴을 식별하는 새로운 신경망 모델인 IKrNet을 제안합니다. IKrNet은 다양한 수용 영역 크기를 갖는 합성곱 백본을 사용하여 공간적 특징을 포착하고, 양방향 장단기 기억(Bi-LSTM) 모듈을 사용하여 시간적 의존성을 모델링합니다. 심박 변이도를 생리적 변동의 대용 지표로 사용하여, 신체적 스트레스, 약물 섭취, 약물이 없는 기준 상태 등 다양한 시나리오에서 IKrNet의 성능을 평가했습니다. 990명의 건강한 지원자에게 80mg의 소탈롤(Torsades-de-Pointes의 전구체인 약물)을 투여하는 임상 프로토콜을 따랐으며, 그 결과 IKrNet이 다양한 생리적 조건에서 최첨단 모델보다 정확도와 안정성이 우수함을 보여주었습니다.
