악성 부정맥(MA)은 심장 근육의 신경 신호 전달에 이상이 발생함으로써 나타나며, 효과적인 임상 관리를 위해서는 정교한 예측 모델이 필요하다. 전통적인 기계학습 모델은 주로 단일 단계 예측에 의존하여, 기저의 부정맥 유발 과정이 갖는 복잡한 시간적 역학을 충분히 반영하지 못한다. 본 논문은 심전도(ECG) 데이터에 내재된 신경 신호 전달 패턴을 모사하고 포착하기 위해 뇌(Brain)에서 영감을 받은 접근법을 활용하는, 악성 부정맥에 대한 최초의 다중 단계 예측 프레임워크를 제안한다. 우리의 프레임워크는 (i) 입력 모듈, (ii) 다중 경로 전파 모듈, (iii) 다중 단계 예측 모듈의 세 가지 핵심 모듈로 구성된다. 다중 경로 전파 모듈에는 신경 정보 처리가 이루어지는 서로 다른 시간 척도를 반영하는 단기 및 장기 경로가 포함된다. 또한 이 모듈 내에 뇌에서 영감을 받은 새로운 정보 처리 단위를 도입한다. 첫째, 국소 및 전역 시냅스 가소성 단위는 시간 컨볼루션 블록과 코사인 유사도 기반 패턴 매칭을 이용하여 ECG의 국소 및 전역 시간 패턴을 추출한다. 처리된 정보는 후속 단위로 전달되며, 동시에 전(前) 및 후(後) 시냅스 뉴런의 뉴로모듈레이션을 모델링하기 위해 설계된 헤브(Hebb) 기반 학습 단위로도 전달된다. 이 단위는 스파이크 및 특징 수준 활성과 연결 강도의 변화까지 모델링한다. 두 개의 벤치마크 데이터셋에서 평가한 결과, 우리의 모델은 단기 및 장기 예측 과제 모두에서 기존의 최신(state-of-the-art) 모델과 기본(baseline) 다중 단계 모델을 능가한다. 이러한 결과는 정밀한 부정맥 중재를 위한 견고한 임상 도구로서 우리의 모델이 지닐 수 있는 잠재력을 보여줄 뿐 아니라, 다른 응용 분야에서의 다중 단계 예측 발전을 위한 유의미한 통찰을 제공한다. • 심장 시스템에서의 신경 신호 전달 패턴을 위한 새로운 프레임워크를 제안한다. • 심전도에 기반한 새로운 뇌에서 영감을 받은 예측 모델을 제안한다. • 우리의 모델은 단기 및 장기 예측을 위해 차별화된 단위 조합을 사용하였다. • 본 논문은 단기 및 장기 예측 과제에서 우수한 성능 결과를 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.