Forskarna tränade två identiska residualnätverk på EKG-bilder med ett enda hjärtslag. Det ena nätverket fick en pseudofärgkodning som färglägger området under QT-intervallet med färger hämtade från QT-nomogrammet, ett kliniskt verktyg för riskbedömning. Modellen med enbart färgkodning fick AUC-värden på 0,903 och 0,914 vid två besök i UK Biobank, medan den svartvita modellen låg kvar kring 0,72. Med åtta olika förklaringsmetoder gav de färgkodade indata tydligare och stabilare lokalisering av QT-området med förhöjd risk.
Varför det spelar roll
Kliniker skulle kunna förlita sig på AI-genererade EKG-förklaringar som stämmer överens med etablerad elektrofysiologi, vilket kan öka förtroendet för automatiserade riskbedömningar.
