要旨: 心電図（ECG）によるシャーガス病のスクリーニングは、既存データセットにおけるラベルの不足とノイズの多さによって限界があります。私たちはバイオマーカーに基づく事前学習アプローチを提案します。具体的には、ECG特徴抽出器をまずMIMIC-IV-ECGデータセットで、血中バイオマーカーをパーセンタイルで区切ったビンに分類して予測するように学習します。その後、事前学習済みモデルをブラジルのデータセットでシャーガス検出用に微調整します。Ahus AIMチームが開発した5モデルのアンサンブルは、Ahus AIMチームが開発した5モデルのアンサンブルは、非公開のテストセットにおいてチャレンジスコア0.269を達成し、「ECGからのシャーガス病の検出：The George B. Moody PhysioNet Challenge 2025」で5位にランクインしました。ソースコードとモデルはGitHubで公開されています：github.com/Ahus-AIM/physionet-challenge-2025
心電図によるシャーガス病スクリーニングのためのバイオマーカーに基づく事前学習
arXiv cs.CV / 2026/4/14
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、既存データセットにラベルが乏しくノイズが多い場合に、ECG（心電図）ベースのシャーガス病スクリーニングを改善するためのバイオマーカーに基づく事前学習を提案する。
- まず、ECG特徴抽出器をMIMIC-IV-ECGで事前学習し、パーセンタイル区分した血液バイオマーカーを予測させ、その後、シャーガス病の検出のためにブラジルのデータセットで微調整する。
- 5モデルのアンサンブルを用いて、著者らは隠しテストセットでチャレンジスコア0.269を報告し、2025年のGeorge B. Moody PhysioNet Challenge（シャーガス病検出）で5位となった。
- 本研究には公開コードとGitHub上のモデルが含まれており、他の研究者が再現やさらなる実験を行えるようになっている。
