KI SpotlightNewsInnsbrucker Forscher präsentieren xECG: Ein Foundation Model für EKG-Analyse
Forscher der Medizinischen Universität Innsbruck haben mit xECG ein neues ECG-Foundation-Model entwickelt, das auf der xLSTM-Architektur basiert, mit etwa 8 Millionen EKG-Aufnahmen von 1,7 Millionen Patienten trainiert wurde und KI-gestützte Herzsignal-Analyse von einzelnen Diagnosen auf vielfältige
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- xECG ist ein Foundation Model für EKG-Analyse, entwickelt von Forschern der Medizinischen Universität Innsbruck unter Leitung von Clemens Dlaska.
- Das Modell basiert auf der xLSTM-Architektur, die von Sepp Hochreiter an der JKU Linz mitentwickelt wurde.
- xECG wurde mit der selbstüberwachten Lernmethode SimDINOv2 trainiert.
- Das Training umfasste etwa 8 Millionen EKG-Aufnahmen von 1,7 Millionen Patienten.
- xECG erreicht die beste BenchECG-Punktzahl im Vergleich zu öffentlich verfügbaren State-of-the-Art-Modellen.
- xECG ist das einzige öffentlich verfügbare Modell, das auf allen Datensätzen und Aufgaben des BenchECG-Benchmarks stark abschneidet.
Innsbrucker Forscher präsentieren xECG: Ein Foundation Model für EKG-Analyse
Forscher der Medizinischen Universität Innsbruck haben mit xECG ein neues Foundation Model für die Analyse von Elektrokardiogrammen entwickelt. Das unter Leitung von Clemens Dlaska an der Universitätsklinik für Innere Medizin III entwickelte Modell basiert auf der xLSTM-Architektur und wurde mit etwa acht Millionen EKG-Aufnahmen von 1,7 Millionen Patienten trainiert. Die Arbeit wurde in der Fachzeitschrift npj Digital Medicine veröffentlicht. Anders als herkömmliche KI-Modelle, die meist für eine einzelne Diagnoseaufgabe trainiert werden, soll xECG Herzsignale umfassend interpretieren und auf verschiedene medizinische Fragestellungen übertragbar sein.
xLSTM-Architektur und selbstüberwachtes Training mit SimDINOv2
xECG basiert auf der xLSTM-Architektur, die der KI-Forscher Sepp Hochreiter an der JKU Linz mitentwickelt hat. Trainiert wurde das Modell mit der selbstüberwachten Lernmethode SimDINOv2, die aus dem Computer-Vision-Bereich auf Zeitreihendaten übertragen wurde. Die xLSTM-Architektur ist recheneffizient und skaliert linear mit der Signallänge, wodurch sich das Modell auch für lange Aufnahmen wie ein Schlafapnoe-Monitoring über Nacht eignet, ohne dass die Leistung einbricht.
Neuer State-of-the-Art: Beste BenchECG-Punktzahl und öffentlicher Zugang
Im Rahmen des von den Forschern eingeführten BenchECG-Benchmarks, der eine standardisierte Evaluierung über eine umfassende Suite öffentlich verfügbarer EKG-Datensätze und vielseitiger Aufgaben ermöglicht, erreicht xECG die beste BenchECG-Punktzahl im Vergleich zu öffentlich verfügbaren State-of-the-Art-Modellen. Als einziges öffentlich verfügbares Modell schneidet es auf allen Datensätzen und Aufgaben stark ab. Das trainierte Modell steht auf Hugging Face zum Download bereit, der zugehörige Code ist auf GitHub veröffentlicht.
Von Einzelaufgaben zu vielfältigen medizinischen Anwendungen
xECG unterstützt vielfältige Aufgaben wie Klassifikation, Regression und Überlebensvorhersage. Zudem haben die Innsbrucker Forscher mit BenchECG erstmals klare wissenschaftliche Kriterien für die Qualität von ECG-Foundation-Modellen etabliert, um Leistungsvergleiche zu ermöglichen.
