論文の概要: ECG-WM: A Physiology-Informed ECG World Model for Clinical Intervention Simulation

• arxiv url: http://arxiv.org/abs/2605.17580v1
• Date: Sun, 17 May 2026 18:14:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.214749
• Title: ECG-WM: A Physiology-Informed ECG World Model for Clinical Intervention Simulation
• Title（参考訳）: ECG-WM : 臨床介入シミュレーションのための生理インフォームドECG世界モデル
• Authors: Zhikang Chen, Yue Wang, Sen Cui, Yu Zhang, Changshui Zhang, Tianling Ren, Tingting Zhu,
• Abstract要約: 心電気生理学の行動条件予測シミュレーションのための心電図世界モデルを提案する。 我々のフレームワークは、生理的常微分方程式(ODE)の原理的な積分を潜在拡散力学に組み入れている。 本手法は,薬物応答の制御シナリオや臨床記録など,様々な状況において評価される。
• 参考スコア（独自算出の注目度）: 30.72000718768186
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electrocardiogram (ECG)-based models have achieved strong performance in diagnostic tasks, yet they remain limited in modeling how cardiac dynamics evolve under external interventions. In particular, existing approaches focus primarily on static prediction and lack mechanisms to capture ECG variations under different pharmacological conditions. In this work, we propose an ECG World Model for action-conditioned predictive simulation of cardiac electrophysiology. Moving beyond disjoint pipelines, our framework features a principled integration of physiological ordinary differential equation (ODE) priors into latent diffusion dynamics via energy regularization. This structural constraint enables the synthesis of physiologically plausible post-intervention ECG trajectories while effectively mitigating generative hallucinations. Building on this simulation process, we introduce an uncertainty-aware evaluation strategy that leverages the stochasticity of diffusion sampling to characterize both the expected clinical risk and its variability, allowing a more reliable comparative assessment of candidate interventions. We evaluate our method across diverse settings, including controlled drug-response scenarios and real-world clinical records. Beyond standard waveform metrics, experimental results demonstrate improved risk calibration and strong alignment with expert-informed treatment preferences. These results establish our approach as a robust foundation for safe and intervention-aware clinical decision support.
• Abstract（参考訳）: 心電図(ECG)に基づくモデルは、診断タスクにおいて高い性能を達成しているが、外的介入の下での心臓動態の進化のモデル化には依然として限界がある。 特に、既存のアプローチは、主に静的予測と、異なる薬理条件下でのECG変動を捉えるメカニズムの欠如に焦点を当てている。 本研究では,心電気生理学の行動条件予測シミュレーションのためのECG World Modelを提案する。 解離パイプラインを超えて、我々のフレームワークは、生理的常微分方程式(ODE)の原理的な積分をエネルギー正則化による潜伏拡散力学に組み入れている。 この構造的制約により、生理学的にプラウジブルなインターベンション後ECG軌道の合成が可能であり、生成幻覚を効果的に緩和することができる。 本研究では, このシミュレーションプロセスに基づいて, 拡散サンプリングの確率性を活用する不確実性評価戦略を導入し, 予測される臨床リスクと変動性の両方を特徴付けるとともに, 候補介入の信頼性の高い比較評価を可能にする。 本手法は,薬物応答の制御シナリオや臨床記録など,様々な状況において評価される。 標準波形測定以外にも,リスクキャリブレーションの改善や,専門家による治療選好との整合性を実証した実験結果がある。 これらの結果は、安全かつ介入に配慮した臨床意思決定支援のための堅牢な基盤として、我々のアプローチを確立している。

関連論文リスト

• From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction [61.12883122613684]
  本稿では, 患者固有の縦断疾患の進展を推定し, 代替治療下での軌跡変化を評価するための, 臨床AIにおける介入認識型疾患軌跡モデリングに焦点をあてる。 3つの意思決定タスク(実測,反実推定,政策評価)と3つのデータ生成機構(障害発生, 治療課題, 観察過程)によって, 識別可能性を決定する。 本稿では,個別/連続時間にまたがる予測,反ファクト的軌跡,政策評価の統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-05-16T10:45:26Z)
• PG-LRF: Physiology-Guided Latent Rectified Flow for Electro-Hemodynamic PPG-to-ECG Generation [51.79176059799321]
  フォトプレチスモグラフィーはウェアラブルではユビキタスであるが、ECG特有の診断形態は欠如している。 既存の手法は統計アライメントとデータ駆動生成に依存している。 生理的誘導型潜在フローフレームワークであるPG-LRFを提案する。
  論文  参考訳（メタデータ） (2026-05-09T07:39:58Z)
• Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
  MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。 消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。 本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-21T07:47:37Z)
• Detecting Structural Heart Disease from Electrocardiograms via a Generalized Additive Model of Interpretable Foundation-Model Predictors [8.817617912039616]
  構造心疾患 (SHD) は多くの未診断例で一般的である。 近年の研究では、心電図(ECG)の人工知能に基づく解析がSHDを検出できることが示されている。 既存の方法は、完全にブラックボックスモデルであり、解釈可能性と臨床応用を制限する。
  論文  参考訳（メタデータ） (2026-03-03T05:39:32Z)
• Transferring Clinical Knowledge into ECGs Representation [0.19498378931702776]
  本稿では,マルチモーダル臨床データから強力なECGエンコーダへ知識を伝達する新しい3段階トレーニングパラダイムを提案する。 我々は、文脈的臨床情報に富んだ心電図表現を作成するために、自己監督型、共同埋め込み型プレトレーニングステージを用いている。 モデルの出力を説明する間接的な方法として、ECG埋め込みから直接、関連する実験室の異常を予測できるように訓練する。
  論文  参考訳（メタデータ） (2025-12-07T22:19:24Z)
• Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
  本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。 SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。 実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
  論文  参考訳（メタデータ） (2025-11-13T02:57:10Z)
• High-Fidelity Synthetic ECG Generation via Mel-Spectrogram Informed Diffusion Training [3.864395218585964]
  リアル患者心電図(ECG)データの共有に関するプライバシー制限により、心臓ケアのための機械学習の開発が妨げられる。 本研究は、現在の生成ECG法における2つの大きな欠点に対処する。 条件付き拡散に基づく構造化状態空間モデル (Structured State Space Model, SSSD-ECG) を2つの原則により構築する。
  論文  参考訳（メタデータ） (2025-10-07T01:14:53Z)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• Simulation-based Inference for Cardiovascular Models [43.55219268578912]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)

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。