IKrNet: A Neural Network for Detecting Specific Drug-Induced Patterns in Electrocardiograms Amidst Physiological Variability

要約

心臓の健康を正確に評価するためには、身体活動、薬物、ストレスの影響を受けるものを含むさまざまな生理学的条件下でさえ、心電図（ECG）シグナルの監視と分析。
ただし、現在のAIベースの方法は、これらの要因がどのように相互作用してECGパターンを変化させるかを説明できず、最終的には実際の設定での適用性を制限します。
この研究では、特定の生理学的状態の中でECGの薬物特異的パターンを特定する新しいニューラルネットワークモデルであるIkrnetを紹介します。
Ikrnetのアーキテクチャには、空間的特徴をキャプチャするために、さまざまな受容フィールドサイズの畳み込みバックボーンを使用することにより、空間的および時間的ダイナミクスが組み込まれています。
双方向の長期メモリモジュールも、時間的依存性をモデル化するために採用されています。
心拍数の変動を生理学的変動の代理として扱うことにより、身体的ストレスのある状態、薬物摂取単独、および薬物存在のないベースラインなど、多様なシナリオ全体でIkrnetのパフォーマンスを評価しました。
私たちの評価は、990人の健康なボランティアが80mgのソタロールを投与された臨床プロトコルに従います。これは、生命にかかわる不整脈であるトルサド・ド・ポイントの前兆であることが知られている薬物です。
Ikrnetは、さまざまな生理学的条件で最先端のモデルの精度と安定性を上回り、その臨床的生存率を強調することを示しています。

要約(オリジナル)

Monitoring and analyzing electrocardiogram (ECG) signals, even under varying physiological conditions, including those influenced by physical activity, drugs and stress, is crucial to accurately assess cardiac health. However, current AI-based methods often fail to account for how these factors interact and alter ECG patterns, ultimately limiting their applicability in real-world settings. This study introduces IKrNet, a novel neural network model, which identifies drug-specific patterns in ECGs amidst certain physiological conditions. IKrNet’s architecture incorporates spatial and temporal dynamics by using a convolutional backbone with varying receptive field size to capture spatial features. A bi-directional Long Short-Term Memory module is also employed to model temporal dependencies. By treating heart rate variability as a surrogate for physiological fluctuations, we evaluated IKrNet’s performance across diverse scenarios, including conditions with physical stress, drug intake alone, and a baseline without drug presence. Our assessment follows a clinical protocol in which 990 healthy volunteers were administered 80mg of Sotalol, a drug which is known to be a precursor to Torsades-de-Pointes, a life-threatening arrhythmia. We show that IKrNet outperforms state-of-the-art models’ accuracy and stability in varying physiological conditions, underscoring its clinical viability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google