CoFE: Gegenfaktische EKGs für erklärbare KI‑Diagnostik

In einer neuen Veröffentlichung auf arXiv wird das CoFE‑Framework vorgestellt, das Gegenfaktische EKG‑Signale erzeugt, um die Entscheidungsprozesse von KI‑Modellen für Herz‑EKG‑Diagnosen transparent zu machen. Durch gezielte Änderungen an Amplituden und Intervallen lassen sich die wichtigsten Einflussfaktoren der Modelle sichtbar machen.

Die Autoren demonstrieren die Anwendbarkeit von CoFE anhand zweier Fallstudien: einer Klassifikation von Vorhofflimmern und einer Regression zur Bestimmung des Kaliumspiegels. In beiden Fällen zeigen die erzeugten Gegenfaktiken, dass die Modellentscheidungen mit etabliertem klinischem Wissen übereinstimmen und die relevanten Signalbereiche klar identifiziert werden.

CoFE liefert somit nicht nur eine visuelle Darstellung, welche Features im EKG entscheidend sind, sondern erklärt auch, wie diese Features die Vorhersagen des Modells beeinflussen. Diese erhöhte Interpretierbarkeit soll die Integration von KI‑basierten EKG‑Modellen in die klinische Praxis erleichtern und die Entscheidungsfindung von Ärzten unterstützen.

Ein Demonstrationsvideo des Frameworks ist unter https://www.youtube.com/watch?v=YoW0bNBPglQ verfügbar.