可解释AI助力心电图诊断透明化

尽管深度学习在多变量时间序列分类（如12导联心电图）中取得显著成功，但其缺乏透明度阻碍了临床采用。为了应对这一挑战，研究人员开发了一种集成事后可解释AI方法。该方法利用1D-ResNet模型在巴西CODE数据集上训练，并在德国PTB-XL数据集上评估，通过单导联解释识别疾病相关特征，增强了模型决策的可理解性。这一方法符合GDPR和欧盟AI法案的要求，有望提升医生对AI诊断的信任。需要注意的是，该研究为预印本，尚未经过同行评审。