Модальная, временная и событийная хрупкость мультимодальной модели искусственного интеллекта при анализе тревог желудочковой тахикардии

Бесплатный доступ

Рассматривается задача проверки хрупкости мультимодальной модели анализа физиологических временных рядов при классификации истинных и ложных тревог желудочковой тахикардии. Проведена многоосевая оценка модели в полном режиме, при удалении ЭКГ, на трудных и конфликтных событиях, при временных сдвигах окна и в режимах калибровочного анализа. Показано, что высокая точность на полном тесте скрывает модальную и временную хрупкость, а отдельные стратегии дообучения дают только ограниченные эффекты. Внешняя проверка на PhysioNet/CinC Challenge 2015 подтверждает применимость протокола к независимому источнику ОРИТ-тревог. Работа выполнена в рамках государственного задания Министерства науки и высшего образования Российской Федерации (тема № 124112200072-2).

медицинский искусственный интеллект \ физиологические временные ряды \ желудочковая тахикардия \ мультимодальная модель \ хрупкость модели \ стресс-тестирование \ калибровка \ ложные тревоги \ PhysioNet

Короткий адрес: https://sciup.org/14139473

IDS: 14139473   |   УДК: 004.8, 004.89, 616.12-008.313

Modal, temporal and event-level fragility of a multimodal artificial intelligence model for ventricular tachycardia alarm analysis

The paper considers fragility assessment of a multimodal physiological time-series model for classifying true and false ventricular tachycardia alarms. The model is evaluated under several stress profiles: full input, ECG removal, hard and conflict events, temporal window shifts, and calibration checks. The results show that high performance on the full test set may hide modality and temporal fragility, while fine-tuning strategies provide only bounded improvements. An external check on the PhysioNet/CinC Challenge 2015 dataset demonstrates that the evaluation procedure can be applied to an independent ICU alarm source.