HeartBEiT: Mount Sinai의 AI 혁신으로 심전도를 언어로 디코딩

작성자: Mount Sinai Hospital / Mount Sinai School of Medicine 2023년 6월 6일

HeartBEiT은 관심 영역(이 경우 심장마비(심근경색) 진단)을 강조하는 데 훨씬 더 정확합니다. 출처: Mount Sinai에 있는 Icahn School of Medicine의 의학 및 과학 실험실의 증강 지능

Mount Sinai's AI model, HeartBEiT, improves the accuracyHow close the measured value conforms to the correct value." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]"> 데이터가 제한되어 있는 희귀한 조건에서도 ECG 진단의 정확성과 세부정보를 제공합니다. ECG를 언어로 해석하고 기존 CNN보다 성능이 뛰어나 심장 상태를 담당하는 특정 ECG 영역을 강조합니다.

Mount Sinai 연구원들은 ECG를 언어로 해석할 수 있는 심전도(ECG) 분석을 위한 혁신적인 인공 지능(AI) 모델을 개발했습니다. 이 접근 방식은 특히 훈련할 데이터가 제한된 심장 질환의 경우 ECG 관련 진단의 정확성과 효율성을 향상시킬 수 있습니다.

npj Digital Medicine 6월 6일자 온라인 호에 발표된 연구에서 연구팀은 HeartBEiT로 알려진 새로운 딥 러닝 모델이 전문 진단 모델을 만들 수 있는 기반을 형성한다고 보고했습니다. 팀은 비교 테스트에서 HeartBEiT을 사용하여 생성된 모델이 기존의 심전도 분석 방법을 능가한다는 점에 주목했습니다.

"Our model consistently outperformed convolutional neural networks [CNNs], which are commonly used machine learningMachine learning is a subset of artificial intelligence (AI) that deals with the development of algorithms and statistical models that enable computers to learn from data and make predictions or decisions without being explicitly programmed to do so. Machine learning is used to identify patterns in data, classify data into different categories, or make predictions about future events. It can be categorized into three main types of learning: supervised, unsupervised and reinforcement learning." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]"> 컴퓨터 비전 작업을 위한 기계 학습 알고리즘. 이러한 CNN은 종종 실제 물체의 공개적으로 이용 가능한 이미지로 사전 훈련됩니다."라고 마운트 시나이 아이칸 의과대학의 데이터 기반 및 디지털 의학(D3M) 강사이자 제1저자인 Akhil Vaid 박사는 말합니다. "HeartBEiT은 전문화되어 있기 때문입니다. ECG에 대해서는 데이터의 10분의 1을 사용하여 이러한 방법보다 더 나은 것은 아니지만 성능을 발휘할 수 있습니다. 이는 특히 더 적은 수의 환자에게 영향을 미치고 따라서 이용 가능한 데이터가 제한적인 희귀 질환의 경우 ECG 기반 진단을 훨씬 더 실행 가능하게 만듭니다."

저렴한 비용, 비침습성 및 심장 질환에 대한 광범위한 적용 가능성 덕분에 미국에서만 매년 1억 건 이상의 심전도 검사가 수행됩니다. 그럼에도 불구하고 ECG의 유용성은 의사가 육안으로 질병을 나타내는 패턴, 특히 확립된 진단 기준이 없거나 그러한 패턴이 사람이 해석하기에는 너무 미묘하거나 혼란스러울 수 있는 상태의 경우 일관되게 식별할 수 없기 때문에 범위가 제한됩니다. 그러나 인공지능은 이제 과학에 혁명을 일으키고 있으며 현재까지의 작업은 대부분 CNN을 중심으로 진행되고 있습니다.

Mount Sinai는 인간과 유사한 텍스트를 생성하기 위해 대규모 텍스트 데이터 세트에서 훈련되는 딥 러닝 모델인 변환기를 기반으로 구축된 ChatGPT와 같은 소위 생성 AI 시스템에 대한 강한 관심을 바탕으로 대담하고 새로운 방향으로 분야를 개척하고 있습니다. 거의 모든 주제에 대한 사용자의 메시지에 응답합니다. 연구자들은 관련 이미지 생성 모델을 사용하여 ECG의 작은 부분을 개별적으로 표현함으로써 ECG를 언어로 분석할 수 있습니다.

"이러한 표현은 개별 단어로 간주될 수 있으며 전체 ECG는 단일 문서로 간주될 수 있습니다."라고 Vaid 박사는 설명합니다. "HeartBEiT은 이러한 표현 간의 관계를 이해하고 이러한 이해를 사용하여 다운스트림 진단 작업을 보다 효과적으로 수행합니다. 우리가 모델을 테스트한 세 가지 작업은 환자가 심장 마비를 겪고 있는지, 비후성 심근병증이라는 유전 질환이 있는지 학습하는 것이었습니다. 심장이 얼마나 효과적으로 기능하는지. 각 경우에 우리 모델은 테스트된 다른 모든 기준보다 더 나은 성능을 보였습니다."