Continuous Cardiac Arrest Prediction in ICU using PPG Foundation Model

要約

不利な急性健康イベントを追跡および予測するための非侵襲的患者監視は、研究の新たな分野です。
院内心停止（IHCA）予測を追求します。単一チャネルフィンガーフォト植物学（PPG）シグナルのみを使用しています。
提案されている2段階モデル​​特徴抽出装置アグレゲーターネットワーク（FEAN）は、シーケンシャル分類モデルで積み重ねられた事前に訓練されたPPGファンデーションモデル（最大10億サイズのPPG-GPT）からの強力な表現を活用しています。
最新の1時間と（最大）24時間履歴を使用してそれぞれ決定を下す2つのFeanバリエーション（ ‘1H’、 ‘fh’）を提案します。
私たちの研究は、IHCA予測の結果を最初に提示し、ICU患者はユニモーダル（連続PPG信号）波形の深い表現のみを使用しています。
私たちの最高のモデルを使用すると、CAイベント開始の前に24〜Hの予測ウィンドウを超える平均0.79 AUROCを取得します。
また、潜在空間における患者の健康軌跡の建築チューニングとPACMAPの視覚化を通じて、モデルの包括的な分析を提供します。

要約(オリジナル)

Non-invasive patient monitoring for tracking and predicting adverse acute health events is an emerging area of research. We pursue in-hospital cardiac arrest (IHCA) prediction using only single-channel finger photoplethysmography (PPG) signals. Our proposed two-stage model Feature Extractor-Aggregator Network (FEAN) leverages powerful representations from pre-trained PPG foundation models (PPG-GPT of size up to 1 Billion) stacked with sequential classification models. We propose two FEAN variants (‘1H’, ‘FH’) which use the latest one-hour and (max) 24-hour history to make decisions respectively. Our study is the first to present IHCA prediction results in ICU patients using only unimodal (continuous PPG signal) waveform deep representations. With our best model, we obtain an average of 0.79 AUROC over 24~h prediction window before CA event onset with our model peaking performance at 0.82 one hour before CA. We also provide a comprehensive analysis of our model through architectural tuning and PaCMAP visualization of patient health trajectory in latent space.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google