患者の不変性を超えて：行動（アクション）条件付きJEPAsによる心臓ダイナミクスの学習

Abstract

医療における自己教師あり学習は、これまで主として、同一の患者に対する異なる視点間の類似性を最大化する不変性ベースの目的関数に依存してきました。静的な解剖学に対しては有効である一方、このパラダイムは臨床診断と本質的に整合していません。というのも、それは数学的に、モデルが本来検出すべき一過性の病理学的変化を抑制することを強制してしまうからです。私たちは、疾患の進行ダイナミクスをシミュレートすることを学習する「行動条件付きワールドモデル」へ、すなわち「イベント条件付き」への転換を提案します。生理時系列に対してLeJEPAフレームワークを適用し、病理を静的なラベルとしてではなく、患者の潜在状態に作用する遷移ベクトルとして定義します。疾患の発症を与えたときの心臓の将来の電気生理学的状態を予測することで、私たちのモデルは、安定した解剖学的特徴と動的な病理学的力を明示的に切り離します。MIMIC-IV-ECGデータセットで評価したところ、当該手法は重要なトリアージ課題において、完全に教師ありのベースラインを上回りました。重要な点として、サンプル効率が優れていることも示します。低リソース環境では、私たちのワールドモデルは教師あり学習を0.05 AUROC以上上回ります。これらの結果は、生物学的ダイナミクスをモデル化することが、静的な分類よりもはるかに頑健な、密な教師信号を提供することを示唆しています。ソースコードは https://github.com/cljosegfer/lesaude-dynamics で利用可能です