Wspomagana sztuczną inteligencją ekstrakcja cech elektrokardiogramu na dużą skalę i badanie związku między wyodrębnionymi cechami a śmiertelnością, udarem lub różnymi interesującymi wynikami zdrowotnymi

Metody badawcze:

1. Ekstrakcja elektrokardiogramu na podstawie kryteriów badanych.
2. W połączeniu z wyodrębnionymi danymi EKG i danymi National Insurance Corporation (+ dane dotyczące przyczyn zgonów Krajowego Urzędu Statystycznego).
3. Definicja zdrowia poza interesem (HOI). Obejmuje śmierć, udar mózgu itp.
4. Zdefiniowany HOI można uzyskać z danych Centrum Medycznego Yonsei, danych Służby Ubezpieczeń Społecznych lub danych dotyczących przyczyn zgonów Korei Statystycznej.
5. Trenowanie modeli sztucznej inteligencji z elektrokardiogramem (i, jeśli to konieczne, diagramem informacji klinicznych) jako danymi wejściowymi, z wykorzystaniem algorytmów nadzorowanego głębokiego uczenia się, jeśli jest etykieta, i algorytmów uczenia się bez nadzoru, jeśli nie ma etykiety.
6. Ocena wydajności modeli sztucznej inteligencji uczenia się nadzorowanego.
7. W przypadku modeli sztucznej inteligencji uczenia się bez nadzoru – powiązanie/korelacja między wyodrębnionymi cechami a HOI lub analiza przewidywalności/wykrywalności.
8. Uczenie transferowe można przeprowadzić poprzez dodanie zewnętrznej weryfikacji lub danych dielektrycznych do wyuczonego modelu przy użyciu publicznych baz danych.
9. Zewnętrzną weryfikację można przeprowadzić z wykorzystaniem zewnętrznych danych dodatkowych poprzez zamontowanie wyuczonego modelu na internetowej platformie sztucznej inteligencji.
10. Biorąc pod uwagę dane wielkoskalowe, obciążenia obliczeniowe można dystrybuować za pomocą internetowych platform sztucznej inteligencji.
11. Wyniki analizy można zanonimizować, a wyniki analizy można udostępnić badaczom za pośrednictwem internetowej platformy sztucznej inteligencji.