# Färgkodade EKG-bilder förbättrar AI:s upptäckt av hjärtrisk

> En kliniskt utformad färgskala höjde AUC från 0,72 till över 0,9 och gjorde modellens förklaringar stabilare i en epilepsikohort från UK Biobank.

Oossa · 2026-11-10 · https://oossa.com/sv/pseudo-colour-ecg-images-boost-ai-heart-risk-detection-and-explanations

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.

## Fakta

- AUC 0,903 och 0,914 för den färgkodade modellen, jämfört med 0,719 och 0,720 för den svartvita
- Studien publicerades 10 nov 2026

## 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.

## Källor och referenser

1. [Clinically Informed Colour Encoding Improves the Localisation and Stability of Explanations in Deep Learning ECG Models: External Validation in a UK Biobank Epilepsy Cohort](https://arxiv.org/abs/2611.09971) – arXiv cs.CV, 2026-11-10

Senast uppdaterad: 2026-11-10