پژوهشگران دو شبکه باقی‌مانده یکسان را با تصاویر ECG تک‌ضربانی آموزش دادند. یکی از شبکه‌ها از کدگذاری رنگیِ کاذبی استفاده کرد که فضای زیر بازه QT را با رنگ‌هایی پر می‌کند که بر اساس نوموگرام QT، یک ابزار بالینی سنجش خطر، انتخاب شده‌اند. مدلِ مبتنی بر رنگ به‌ترتیب در دو نوبت مراجعه به UK‑Biobank به امتیازهای AUC برابر با 0.903 و 0.914 رسید، در حالی که امتیاز مدل تک‌رنگ حدود 0.72 باقی ماند. در هر هشت روش توضیح‌پذیری، ورودی‌های رنگی ناحیه پرخطر QT را واضح‌تر و باثبات‌تر مشخص کردند.
چرا مهم است
پزشکان می‌توانند به توضیحات تولیدشده با هوش مصنوعی درباره ECG اعتماد بیشتری کنند، چون این توضیحات با الکتروفیزیولوژی شناخته‌شده هم‌خوانی دارند و ارزیابی خودکار خطر را قابل‌اعتمادتر می‌کنند.
