論文の概要: Interpretable Multimodal Zero-Shot ECG Diagnosis via Structured Clinical Knowledge Alignment

• arxiv url: http://arxiv.org/abs/2510.21551v1
• Date: Fri, 24 Oct 2025 15:09:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 06:57:23.438577
• Title: Interpretable Multimodal Zero-Shot ECG Diagnosis via Structured Clinical Knowledge Alignment
• Title（参考訳）: 構造的臨床知識アライメントによる多モードゼロショット心電図診断
• Authors: Jialu Tang, Hung Manh Pham, Ignace De Lathauwer, Henk S. Schipper, Yuan Lu, Dong Ma, Aaqib Saeed,
• Abstract要約: ZETAは、臨床知識に合わせて心電図の診断を解釈するために設計されたゼロショットマルチモーダルフレームワークである。 今後の研究を促進するため、キュレートされた観測データセットとコードをリリースする。
• 参考スコア（独自算出の注目度）: 10.34278624026891
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electrocardiogram (ECG) interpretation is essential for cardiovascular disease diagnosis, but current automated systems often struggle with transparency and generalization to unseen conditions. To address this, we introduce ZETA, a zero-shot multimodal framework designed for interpretable ECG diagnosis aligned with clinical workflows. ZETA uniquely compares ECG signals against structured positive and negative clinical observations, which are curated through an LLM-assisted, expert-validated process, thereby mimicking differential diagnosis. Our approach leverages a pre-trained multimodal model to align ECG and text embeddings without disease-specific fine-tuning. Empirical evaluations demonstrate ZETA's competitive zero-shot classification performance and, importantly, provide qualitative and quantitative evidence of enhanced interpretability, grounding predictions in specific, clinically relevant positive and negative diagnostic features. ZETA underscores the potential of aligning ECG analysis with structured clinical knowledge for building more transparent, generalizable, and trustworthy AI diagnostic systems. We will release the curated observation dataset and code to facilitate future research.
• Abstract（参考訳）: 心電図(ECG)の解釈は心血管疾患の診断に不可欠であるが、現在の自動システムは透明化と不明瞭な状態への一般化に苦慮することが多い。 そこで本研究では,臨床ワークフローに合わせて心電図診断を解釈可能なゼロショット・マルチモーダル・フレームワークであるZETAを紹介する。 ZETAは、構造化された正および負の臨床的観察と心電図信号を一意に比較する。 本手法では, トレーニング済みマルチモーダルモデルを用いて心電図とテキストの埋め込みを, 疾患特異的な微調整なしで調整する。 実証的な評価は、ZETAの競争力のあるゼロショット分類性能を示し、重要なことは、特定の、臨床的に関連のある正および負の診断特徴における、解釈可能性の向上の質的かつ定量的な証拠を提供する。 ZETAは、より透明で、一般化可能で、信頼できるAI診断システムを構築するための構造化された臨床知識とECG分析を整合させる可能性を強調している。 今後の研究を促進するため、キュレートされた観測データセットとコードをリリースする。

関連論文リスト

• Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
  本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。 LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。 我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
  論文  参考訳（メタデータ） (2025-10-21T18:10:45Z)
• CardioRAG: A Retrieval-Augmented Generation Framework for Multimodal Chagas Disease Detection [3.2889108396912974]
  チャガス病は世界中で約600万人に影響を及ぼし、チャガス心筋症は最も重篤な合併症である。 血清検査能力が限られている地域では、AI強化心電図(ECG)スクリーニングが重要な診断代替手段となる。 本稿では,大きな言語モデルと解釈可能なECGに基づく臨床特徴を統合した検索拡張生成フレームワークCardioRAGを提案する。
  論文  参考訳（メタデータ） (2025-10-02T01:02:04Z)
• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• EEG-MedRAG: Enhancing EEG-based Clinical Decision-Making via Hierarchical Hypergraph Retrieval-Augmented Generation [45.031633614714]
  EEG-MedRAGは3層ハイパーグラフに基づく検索拡張生成フレームワークである。 EEGドメイン知識、個々の患者ケース、大規模リポジトリをトラバース可能なn-aryリレーショナルハイパーグラフに統合する。 第1回クロスリリース・クロスロールEEG臨床QAベンチマークを,7つの障害と5つの臨床的観点から紹介した。
  論文  参考訳（メタデータ） (2025-08-19T11:12:58Z)
• Heartcare Suite: Multi-dimensional Understanding of ECG with Raw Multi-lead Signal Modeling [50.58126509704037]
  医療スイート(Heartcare Suite)は、微細心電図(ECG)の理解のためのフレームワークである。 Heartcare-220Kは高品質で構造化され、包括的なマルチモーダルECGデータセットである。 Heartcare-Benchは、ECGシナリオにおける医療マルチモーダル大言語モデル(Med-MLLM)の最適化を導くためのベンチマークである。
  論文  参考訳（メタデータ） (2025-06-06T07:56:41Z)
• ALFRED: Ask a Large-language model For Reliable ECG Diagnosis [14.920215852057236]
  本稿では,ECG解析のためのRAGに基づくゼロショット心電図診断フレームワークを提案する。 このフレームワークには専門家による知識が組み込まれており、診断精度と説明可能性を高める。
  論文  参考訳（メタデータ） (2025-04-30T12:59:06Z)
• ECG-Expert-QA: A Benchmark for Evaluating Medical Large Language Models in Heart Disease Diagnosis [8.059062779882554]
  ECG-Expert-QAは、心電図(ECG)の解釈における診断能力を評価するための包括的なデータセットである。 実際の臨床心電図データと、体系的に生成された合成ケースを組み合わせることで、12の必須の診断タスクをカバーしている。 主要なイノベーションは、対話型医療AIシステムの開発を可能にするマルチターン対話のサポートである。
  論文  参考訳（メタデータ） (2025-02-16T13:28:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。