arXiv cs.LGは2026年8月18日(現地時間)、マルチモーダル大規模言語モデル（MLLMs）による長期動的ECG（心電図）分析能力を評価する新たなベンチマーク「Holtercare-Bench」に関する論文を発表した。このベンチマークは、22,980組の質疑応答ペアを含むデータセット「Holtercare-23K」に基づき、時系列の局所化、臨床診断、全体的な要約といった複数の側面からMLLMsの性能を検証するものと見られる。研究者らは、既存のMLLMが動的ECGの複雑な時系列推論において課題を抱えている可能性を指摘している。
近年、マルチモーダル大規模言語モデル（MLLMs）は、静止画像分析や短期的な生体信号処理など、医療分野における応用で顕著な進歩を遂げてきた。しかし、心臓の電気的活動を長期間にわたり記録する動的ECG（ホルター記録）のような複雑な時系列データ分析においては、高品質なデータセットと標準的な評価ベンチマークが不足しており、MLLMsが持つ潜在能力を十分に引き出せていないとの指摘があった。
こうした課題に対処するため、研究者らは新たに開発したベンチマークHoltercare-Benchを提唱した。このベンチマークは、基盤となるデータセット「Holtercare-23K」に支えられている。Holtercare-23Kは、788件の匿名化された臨床ホルター記録から導出されており、信号、ビデオ、テキストという3つの異なるモダリティを整合させる独自のトリモーダルアライメントを特徴としている。この設計により、単一のデータソースから複数の情報タイプを統合し、MLLMsがより包括的な医療コンテキストを理解し、推論する能力を評価できるものと期待されている。
Holtercare-Benchを用いた主要なMLLMsに対するゼロショット評価が実施された結果、超長期にわたる病理学的シーケンス処理において、モデル間で顕著な性能差が明らかになったと報告されている。特に、複雑な時系列データから微細な異常を識別し、正確な診断を下す能力に課題が見られる傾向にあった。一方で、代表的なMLLMモデルをHoltercare-23Kデータセットでファインチューニングすることにより、評価指標において大幅な改善が見られたことも判明しており、適切なデータとトレーニング手法によってMLLMsの性能が向上する可能性が示唆された。
本研究は、電気生理学分野における既存のMLLMsの限界を明確にするとともに、長期的な医療分野のMLLMsの開発と評価のための基礎的なベンチマークを提供するものと位置付けられている。これにより、将来的にホルター記録などの長期的ECGデータ分析におけるMLLMsの応用が進展し、より高精度な診断支援や患者ケアの実現に貢献する可能性がある。
参考: arXiv cs.LG (アーカイブ) — 2026年8月21日 13:00 (JST)
原文ハイライト"Holtercare-Bench: A Multimodal Benchmark for Evaluating Long-Term Dynamic ECG Analysis"