PRISM-CTG：マルチビューSSLによる胎児心拍・子宮収縮記録（CTG）解析のための基盤モデル

要旨: CTG解析のための自動化を目的とした教師ありディープラーニングモデルは、通常、厳密にキュレーションされたラベル付きデータセットや限定的な患者コホートに制約されており、生理学的に有益な情報を含む大量の臨床記録が十分に活用されないまま残されています。この制約に対処するために、CTG（PRISM-CTG）のための統合自己教師学習とメタデータによる生理学に配慮した表現学習を提案します。PRISM-CTGは、ラベルなしの大規模記録を活用して転移可能なドメインレベルの表現を学習する、CTG向けの臨床に基づいた自己教師あり基盤モデル（FM）です。PRISM-CTGは、多視点の自己教師ありフレームワークを用いて事前学習され、3つの相補的な前処理タスク（pretext objective）を同時に最適化します。それは、ランダムに射影した誘導付きマスク信号の再構成、臨床変数の予測、特徴の分類です。各目的には専用のタスク固有トークンが割り当てられており、専門化された表現学習が可能になります。一方で、制御されたクロスアテンションにより、臨床的文脈間で情報交換が行われます。予測ターゲットとして従来の学習では十分に活用されていないことの多い患者メタデータやドメイン知識を組み替えることで、Prism-CTGは、臨床的に意味のある表現学習を導く追加の教師信号となるよう、利用可能な臨床情報を変換します。周産期（antepartum）領域および分娩中（intrapartum）領域の両方における7つの下流CTGタスクに対する大規模な実験の結果、PRISM-CTGは一貫してドメイン内ベースラインおよびSSLベースラインを上回ることが示されました。特に、PRISM-CTGは外部検証で2つのデータセットに対して強い汎化性能を示し、また実質的により大規模で、私的にラベル付けされたデータセットで学習した研究と同等の性能を達成しました。私たちの知る限り、ドメインレベルの表現を学習するCTG向けの大規模FMを導入した最初の研究です。