Исследователи представили MERIT — новый метод анализа ЭКГ на основе информационной теории

Группа исследователей представила MERIT (Multimodal ECG Representation via Information Theory) — новый метод мультимодального обучения представлений электрокардиографических сигналов. Разработка опубликована на платформе arXiv и основана на принципах информационной теории, что позволяет одновременно учитывать структуру сигнала и клиническую семантику текстовых описаний.

Авторы отмечают, что существующие подходы к анализу ЭКГ часто используют только клинические отчёты, которые не передают всей физиологической структуры сигнала, особенно на разных уровнях абстракции — от грубых диагностических категорий до тонкой морфологии. MERIT решает эту проблему с помощью двухветочной предобучающей архитектуры: маскированное моделирование ЭКГ и контрастивное выравнивание сигналов с текстом.

Эксперименты на наборе данных PTB-XL показали улучшение F1-меры более чем на 3% для классификации всех патологий и более чем на 5% для подклассов. В режиме zero-shot (без дополнительного обучения) модель также продемонстрировала прирост AUC до +2,66% и F1 до +2,11% на подклассах PTB-XL, а также устойчивость к нескольким типам смещения распределения данных.

Кроме классификационных задач, авторы проверили способность MERIT генерировать клинические тексты по сигналу ЭКГ с помощью больших языковых моделей. Качество сгенерированных отчётов оценивалось по метрикам ROUGE и METEOR — результаты превзошли предыдущие методы.

Разработчики подчёркивают, что MERIT позволяет получать более информативные и клинически значимые представления ЭКГ, особенно для тонких клинических приложений, где важна высокая детализация. Метод может найти применение в автоматизированной диагностике сердечно-сосудистых заболеваний и поддержке врачей.

Исследование выполнено на базе открытых данных PTB-XL и дополнительных бенчмарков. Код модели планируется опубликовать отдельно.