연구진이 EEG, ECG, sEMG(근전도) 신호를 처리하는 AI 모델 제품군 PhysioWave-T를 공개했다. 이 방식은 웨이블릿으로 분해한 신호 스케일을 결합한 뒤 데이터를 토큰으로 변환한다. 연구진은 EEG 처리 경로 4개에서 정확도 저하 없이 트랜스포머의 지연 시간을 4.0~7.2배, 최대 메모리 사용량을 6.8~12.7배 줄였다고 밝혔다.
발작 탐지 시험인 SeizeIT2에서 연구진은 별도의 인코더가 처리한 신호를 결합했을 때 시간당 오탐 11건을 기준으로 발작 이벤트 민감도가 61.4%에서 74.4%로 높아졌다고 보고했다. 논문에는 코드와 모델 가중치가 있다고 나와 있지만, 제공된 자료에는 해당 링크가 포함돼 있지 않다.
왜 중요한가
EEG 기록을 처리하는 연구자에게 보고된 메모리 절감은 모델 실행 부담을 낮출 수 있다. 다만 이번 결과만으로 임상 현장에서의 성능을 판단할 수는 없다.
