ECG-MoE：専門家混合型心電図基盤モデル
ECG-MoEは、心拍の形態とリズムを別々にモデル化するハイブリッドアーキテクチャを採用し、40%の高速推論を実現する最先端の心電図基盤モデルである。
キーポイント
ハイブリッドアーキテクチャの採用
マルチモーダル時間特徴と心臓周期認識型エキスパートモジュールを統合し、既存モデルが苦手とする周期性や多様な臨床特徴の捕捉を実現した。
デュアルパスMixture-of-Experts
心拍レベルの形態（morphology）とリズム（rhythm）を別々にモデル化するデュアルパスMoE構造を採用し、専門的な処理能力を向上させた。
効率的な推論とSOTA性能
LoRAを用いた階層的融合ネットワークにより、5つの公的臨床タスクで最先端（SOTA）性能を達成しつつ、マルチタスクベースラインより40%高速な推論を実現した。
影響分析・編集コメントを表示
影響分析
この研究は、医療AI分野における基盤モデルの実用化において重要な一歩を示しています。特に、推論速度の大幅な向上と高精度の両立は、リアルタイムの心臓診断支援システムや大規模スクリーニングでの展開を現実的なものにする可能性があります。また、MoEの構造を医療時系列データに応用した手法は、他の生体信号解析分野への波及効果が期待されます。
編集コメント
医療現場での実装を視野に入れた「速度」と「精度」の両立は、基盤モデルの実用化において極めて重要な指標です。MoE構造を医療データに適用した本アプローチは、計算資源の制約がある環境でも高精度な診断を可能にするため、今後の標準技術になる可能性があります。
arXiv:2603.04589v1 アナウンスタイプ：新規
概要：心電図（ECG）解析は心臓診断において不可欠ですが、既存のファウンデーションモデルは、多様な臨床タスクに必要な周期性や多様な特徴を捉えることにしばしば失敗します。私たちは、マルチモデル時系列特徴と心周期認識型エキスパートモジュールを統合したハイブリッドアーキテクチャである ECG-MoE を提案します。私たちのアプローチでは、ビートレベルの形態とリズムをそれぞれモデル化するためにデュアルパス Mixture-of-Experts（専門家混合）を使用し、効率的な推論のために LoRA を用いた階層的融合ネットワークを組み合わせています。5 つの公的臨床タスクで評価した結果、ECG-MoE はマルチタスクベースラインよりも 40% 高速に推論を行い、最先端のパフォーマンスを達成しました。
原文を表示
arXiv:2603.04589v1 Announce Type: new
Abstract: Electrocardiography (ECG) analysis is crucial for cardiac diagnosis, yet existing foundation models often fail to capture the periodicity and diverse features required for varied clinical tasks. We propose ECG-MoE, a hybrid architecture that integrates multi-model temporal features with a cardiac period-aware expert module. Our approach uses a dual-path Mixture-of-Experts to separately model beat-level morphology and rhythm, combined with a hierarchical fusion network using LoRA for efficient inference. Evaluated on five public clinical tasks, ECG-MoE achieves state-of-the-art performance with 40% faster inference than multi-task baselines.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み