可解释的多式零射击ECG诊断通过结构化临床知识对齐

科学领域:

• 人工智能在医学中的应用
• 心脏病学 心脏病学
• 医学成像和诊断 医学成像和诊断

背景情况:

• 自动心电图 (ECG) 解释对于心血管疾病诊断至关重要.
• 当前的人工智能系统缺乏对新条件的透明度和概括能力.
• 临床工作流需要可解释的诊断工具.

研究的目的:

• 引入ZETA,一个零射击多式联络框架,用于可解释的心电图诊断.
• 将人工智能驱动的心电图分析与临床差异诊断工作流程保持一致.
• 提高AI诊断系统的透明度,概括性和可信度.

主要方法:

• 开发了ZETA,一个使用预训练模型的零射击多式联运框架.
• 通过LLM辅助策划,与结构化的正/负临床观察对齐的心电图信号.
• 模仿了通过将心电图嵌入与临床文本嵌入进行比较的差异诊断.
• 评估了零射击分类性能和可解释性,而无需对疾病进行特定微调.

主要成果:

• 在ECG解释方面,ZETA取得了竞争力的零射击分类表现.
• 证明了增强的解释性,在临床上相关的特征基础上进行预测.
• 提供了改善诊断透明度的定性和定量证据.
• 展示了ECG分析与结构化临床知识的结合.

结论:

• 泽塔为人工智能驱动的心电图诊断提供了一种透明和可通用的方法.
• 该框架模仿临床差异诊断,以提高可解释性.
• 将人工智能与结构化的临床知识相结合,提高了心血管诊断的可信度.