AnyECG-Lab: An Exploration Study of Fine-tuning an ECG Foundation Model to Estimate Laboratory Values from Single-Lead ECG Signals
Created by
Haebom
Category
Empty
저자
Yujie Xiao, Gongzhen Tang, Wenhui Liu, Jun Li, Guangkun Nie, Zhuoran Kan, Deyun Zhang, Qinghao Zhao, Shenda Hong
개요
ECG 신호를 활용하여 혈액 검사 결과를 예측하는 인공지능 모델 개발에 대한 연구. 기존 모델의 한계를 극복하기 위해, 대규모 사전 훈련된 ECG 기반 모델(ECGFounder)을 전이 학습하여 Stanford MC-MED 데이터셋에 파인 튜닝함. 2천만 개 이상의 표준화된 ECG 세그먼트를 생성하여 미세한 생화학적 상관 관계에 대한 민감도를 높임. 내부 검증 결과, 33개 지표에 대해 높은 예측 성능(AUC 0.65 이상), 59개 지표에 대해 중간 성능(AUC 0.55-0.65), 16개 지표에 대해 제한적인 성능(AUC 0.55 미만)을 보임.
시사점, 한계점
•
시사점:
◦
비침습적이고 광범위하게 사용 가능한 ECG를 통해 실험실 검사 결과를 실시간으로 추정하는 가능성을 제시.
