摘要
基础模型在 12 导心电图（ECG）上的应用在临床任务中表现良好，但其表征中编码的生理知识却仍然不透明。我们提出了 CADENCE，一个将 ECG 基础模型分解为可人类解读和查询的生理概念字典的框架。
使用 BatchTopK 稀疏自编码器，CADENCE 将来自超过九百万 ECG 令牌的第六层嵌入分解为 8,192 个稀疏心脏原子。这些原子在临床表型和波形形态与单个密集嵌入维度的对齐程度上表现更佳，能够恢复心律失常、传导异常、心肌梗死和复极模式、心腔和轴向发现，以及特定于导联和心跳阶段的波形原语。在第六层，最佳原子在临床表型上实现了 0.88 的平均 AUROC，而在形态上则为 0.90，相比之下，最佳密集维度分别为 0.78 和 0.83。
稀疏原子探针在表型、形态和年龄预测方面匹配或超越了密集探针，同时将每个预测归因于一小组可解读的原子；表型 AUROC 从 0.93 提升至 0.95。原子空间几何恢复了生理上连贯的关系，针对特定原子的消融选择性地改变了冻结的下游输出。自动化的 LLM 流程生成并定量验证原子描述，通过预测保留的激活进行验证。在独立的外部 ECG 数据集中，CADENCE 恢复了重叠概念并保持了一致的表型预测性能。CADENCE 提供了一个可扩展的框架，用于发现和审计 ECG 基础模型中编码的生理知识。
博主点评： CADENCE 的创新之处在于其通过稀疏心脏原子的引入，使得 ECG 基础模型的生理知识变得更加透明和可解释。这一方法不仅提升了预测性能，还为临床应用提供了更为直观的理解路径，具有重要的临床价值和广泛的应用前景。