ECG로 학습된 인공지능 (Artificial Intelligence) 모델을 통한 심근경색 (Myocardial Infarction) 이후

요약

본 연구는 심근경색(MI) 이후의 결과를 예측하기 위해, 부족한 라벨링 데이터를 극복하는 새로운 AI 모델을 제안합니다. 이 모델은 대조 학습(Contrastive learning)으로 환자 특이적 시계열 정보를 결합하고, 지도 학습 기반 멀티태스크 헤드를 사용하는 사전 학습된 AI 모델을 활용하여 미세 조정됩니다. 그 결과, 기존의 모델보다 월등히 높은 분류 성능(AUC 0.794 vs 0.608)을 달성하며 임상적 ECG 모델링의 중요성을 입증했습니다.

핵심 포인트

• 심근경색(MI) 예측은 주요 사망 원인으로, 정확한 예후 모델 개발이 시급합니다.
• 기존 ECG 기반 예후 모델들은 대규모 라벨링 데이터셋 부족으로 성능 저하 문제가 있었습니다.
• 본 연구는 대조 학습과 지도 학습 멀티태스크 헤드를 결합하여 사전 학습된 AI 모델을 제안했습니다.
• 제안된 모델은 기존 대비 높은 AUC(0.794)를 달성하며 임상적 ECG 모델링의 우수성을 입증했습니다.