Using explainable AI to investigate electrocardiogram changes during healthy aging — from expert features to raw signals

要約

心血管疾患は依然として世界の主要な死亡原因となっています。
年齢は重要な共変量であり、その影響は健康なコホートで最も簡単に調査され、前者を病気に関連した変化から適切に区別します。
従来、こうした洞察のほとんどは、加齢に伴う個人の心電図 (ECG) 特徴の変化の分析から得られてきました。
ただし、これらの機能は有益ではありますが、基礎となるデータの関係がわかりにくくなる可能性があります。
この論文では、次の貢献を紹介します。 (1) 深層学習モデルとツリーベースのモデルを使用して、さまざまな年齢にわたる健康な個人の堅牢なデータセットからの ECG データを、生の信号と ECG 特徴形式の両方で分析します。
(2) 説明可能な AI 手法を使用して、年齢グループ全体で最も識別可能な ECG 特徴を特定します。(3) ツリーベースの分類器を使用した分析により、推定呼吸数の年齢に関連した低下が明らかになり、高齢者を示す顕著に高い SDANN 値が特定されます。
彼らを若い成人と区別する。
(4) さらに、深層学習モデルは、すべての年齢グループにわたる年齢予測における P 波の極めて重要な役割を強調しており、年齢とともにさまざまな P 波タイプの分布が変化する可能性があることを示唆しています。
これらの発見は、加齢に伴う心電図の変化に新たな光を当て、従来の特徴ベースのアプローチを超えた洞察を提供します。

要約(オリジナル)

Cardiovascular diseases remain the leading global cause of mortality. Age is an important covariate whose effect is most easily investigated in a healthy cohort to properly distinguish the former from disease-related changes. Traditionally, most of such insights have been drawn from the analysis of electrocardiogram (ECG) feature changes in individuals as they age. However, these features, while informative, may potentially obscure underlying data relationships. In this paper we present the following contributions: (1) We employ a deep-learning model and a tree-based model to analyze ECG data from a robust dataset of healthy individuals across varying ages in both raw signals and ECG feature format. (2) We use explainable AI methods to identify the most discriminative ECG features across age groups.(3) Our analysis with tree-based classifiers reveals age-related declines in inferred breathing rates and identifies notably high SDANN values as indicative of elderly individuals, distinguishing them from younger adults. (4) Furthermore, the deep-learning model underscores the pivotal role of the P-wave in age predictions across all age groups, suggesting potential changes in the distribution of different P-wave types with age. These findings shed new light on age-related ECG changes, offering insights that transcend traditional feature-based approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google