高性能AI拓展心电分析至多项医疗任务

奥地利因斯布鲁克医科大学临床研究团队近日成功研发 xECG 心电图基础模型，成果发表于《npj Digital Medicine》。该模型由 Clemens Dlaska 教授领衔，融合 xLSTM 架构与首次适配时间序列的视觉训练算法，基于约800万份心电数据完成训练。有别于传统医疗AI仅聚焦单一任务，xCED 具备强泛化能力，可并行处理分类、回归与生存预测，并全面兼容标准导联、长程监测及可穿戴设备数据。其计算耗时随信号长度线性增长，大幅突破长序列分析的效率瓶颈。针对当前领域缺乏统一标准的痛点，团队同步建立 BenchECG 评估基准，确立多任务泛化、多源数据兼容及跨人群鲁棒性三大核心指标，并首次量化验证了基础模型的性能门槛。测试表明，xCED 在综合 benchmark 中显著优于同类方案。目前该模型已完成从底层研发至临床验证的技术闭环，首批用于心血管疾病预防与早期诊断的应用场景正加紧推进，有望重塑心电数据分析的标准化路径。