Privacy-Preserving Federated Autoencoder for ECG Anomaly Detection on Edge Devices

Resumen Técnico: Autoencoder Federado con Preservación de la Privacidad para la Detección de Anomalías en ECG en Dispositivos Edge

Planteamiento del Problema
El monitoreo continuo de la electrocardiografía (ECG) ofrece el potencial de detectar anomalías del ritmo antes de que estas escalen hacia eventos cardiovasculares. Sin embargo, el despliegue de tales sistemas en entornos clínicos reales enfrenta tres desafíos simultáneos y, a menudo, conflictivos:

1. Cumplimiento de la Privacidad: Los datos de ECG de los pacientes son altamente sensibles bajo regulaciones como el GDPR y HIPAA. La centralización de los datos para el entrenamiento suele estar legalmente prohibida. Aunque el Aprendizaje Federado (FL) mantiene los datos locales, sigue siendo vulnerable a ataques de inversión de gradiente e inferencia de membresía.
2. Eficiencia en el Borde (Edge Efficiency): Los dispositivos de monitoreo continuo son típicamente limitados en recursos (por ejemplo, basados en ARM Cortex-A, como la Raspberry Pi 4). Los modelos deben ser lo suficientemente pequeños y rápidos para la inferencia en tiempo real, pero las técnicas de cuantización estándar no han sido validadas para la fidelidad de reconstrucción detallada requerida para la detección de anomalías no supervisada.
3. Efectividad de la Detección: Los modelos deben mantener una alta calidad de detección cuando se entrenan con datos no-IID (no independientes e idénticamente distribuidos) a través de diferentes hospitales, un escenario común en la atención médica distribuida.

La literatura existente a menudo aborda estos problemas de forma aislada o se enfoca en la clasificación supervisada, dejando un vacío en la detección de anomalías no supervisada basada en reconstrucción que satisfaga simultáneamente garantías formales de privacidad, restricciones de despliegue en el borde y robustez ante datos no-IID.

Metodología
Los autores proponen y evalúan un sistema federado de extremo a extremo diseñado para la detección de anomalías de ECG de 12 derivaciones no supervisada utilizando el conjunto de datos PTB-XL. El flujo de trabajo integra cuatro componentes principales:

1. Aprendizaje Federado (FL): El sistema simula diez hospitales (clientes) utilizando una distribución de Dirichlet ($\alpha=0.5$) para crear una partición no-IID de 6,294 muestras de ECG normales. Un servidor central agrega las actualizaciones del modelo usando Federated Averaging (FedAvg) durante 50 rondas.
2. Arquitecturas de Modelos: Se evalúan tres familias de autoencoders:
   • VanillaAE: Capas totalmente conectadas.
   • ConvAE: Codificador/decodificador convolucional 1D con GroupNorm.
   • VAE: Autoencoder Variacional con un truco de reparametrización.
     Todos los modelos se entrenan para reconstruir la morfología cardíaca normal; las anomalías se marcan basándose en un alto error de reconstrucción (MSE).
3. Privacidad Diferencial (DP): Para evitar la filtración de privacidad de las actualizaciones compartidas, el sistema emplea el Descenso de Gradiente Estocástico con Privacidad Diferencial en el cliente (DP-SGD). Los gradientes por muestra se recortan (norma $L_2$ $C=1.0$) y se inyecta ruido gaussiano. El sistema utiliza un contador de Rényi-DP para rastrear el presupuesto de privacidad ($\epsilon, \delta$), con $\delta$ fijado en $10^{-5}$.
4. Despliegue en el Borde y Cuantización: Los mejores modelos de punto flotante de 32 bits (FP32) se someten a una cuantización de post-entrenamiento (PTQ) a enteros de 8 bits (INT8) sin reentrenamiento. Los modelos finales se evalúan en una Raspberry Pi 4 (arquitectura AArch64) para medir la latencia y la eficiencia energética.

Contribuciones Clave
El artículo afirma ser el primer trabajo en evaluar la intersección de Aprendizaje Federado, DP $(\epsilon, \delta)$ formal, detección no supervisada basada en reconstrucción y despliegue cuantizado en AArch64 para datos de ECG. Las contribuciones específicas incluyen:

• Caracterización Empírica de la Composición: El estudio demuestra cómo interactúan el FL, la DP y la cuantización. Crucialmente, encuentra que las penalizaciones de rendimiento de la DP y la cuantización son empíricamente independientes, lo que permite a los profesionales habilitar ambas simultáneamente sin una degradación multiplicativa.
• Análisis de la Relación Privacidad-Utilidad: A través de un barrido de cinco puntos de $\epsilon$, los autores identifican $\epsilon=4$ como un punto de operación recomendado para datos clínicos. Observan un "suelo de utilidad" en AUROC $\approx 0.610$; por debajo de $\epsilon=4$, el ruido del gradiente abruma la señal de reconstrucción, causando que el modelo converja a un mapeo trivial.
• Validación de la Eficiencia en el Borde: La cuantización INT8 reduce el tamaño del modelo aproximadamente un 53% y disminuye la latencia de inferencia en la Raspberry Pi 4 entre un 16.6% y un 44.3% (una aceleración de 1.20–1.80$\times$) con una pérdida de precisión insignificante (<0.12% de degradación en AUROC).
• La Federación como Regularización: En un hallazgo contraintuitivo, el entrenamiento federado mejoró significativamente el rendimiento de la arquitectura VAE (+0.165 AUROC) en comparación con su línea base centralizada. Los autores atribuyen esto a que las actualizaciones de los clientes no-IID actúan como una regularización implícita, evitando el "colapso de la posterior" observado en el VAE centralizado.

Resultados

• Calidad de la Detección: El ConvAE federado logró el mayor rendimiento con un AUROC de 0.782, igualando o superando las líneas base centralizadas en todas las arquitecturas.
• Impacto de la Privacidad: Una mayor privacidad (menor $\epsilon$) degradó monótonamente el rendimiento. En $\epsilon=1$, el rendimiento alcanzó el suelo de utilidad. En $\epsilon=4$, el sistema mantuvo un AUROC de aproximadamente 0.610–0.640 (dependiendo de la arquitectura) mientras duplicaba la garantía de privacidad formal comparado con $\epsilon=8$.
• Métricas de Despliegue: La configuración recomendada (ConvAE INT8) logró un AUROC de 0.787 con un tamaño de modelo de 2.76 MB y una latencia de inferencia de 14.1 ms en una Raspberry Pi 4, consumiendo aproximadamente 56 mJ por inferencia.
• Rendimiento por Clase: Como detector de una sola clase no supervisado, el sistema mostró valores de AUROC cercanos a 0.50 para clases anormales específicas (MI, STTC, HYP, CD), confirmando su rol como herramienta de cribado más que como un clasificador diagnóstico específico. La hipertrofia (HYP) fue la clase más difícil de distinguir.

Significancia y Reivindicaciones
El artículo posiciona este trabajo como un paso crítico hacia sistemas de monitoreo cardíaco desplegables, éticos y prácticos.

• Necesidad Ética: Los autores argumentan que para datos cuasi-biométricos como el ECG, las garantías formales de privacidad (DP) son un requisito previo, no una mejora, para prevenir la reidentificación mediante ataques de gradiente.
• Viabilidad Práctica: Al demostrar que las configuraciones de alta privacidad ($\epsilon=4$) y alta eficiencia (INT8) pueden coexistir sin penalizaciones compuestas, el sistema ofrece un camino viable para el cribado en tiempo real a nivel poblacional en dispositivos edge.
• Limitación del Alcance: Los autores aclaran modestamente que el sistema está diseñado para el cribado y triaje para señalar posibles anomalías para la revisión de un cardiólogo, no como una herramienta de diagnóstico autónoma para condiciones específicas. Reconocen limitaciones respecto al uso de un único conjunto de datos (PTB-XL), la partición no-IID simulada y la asunción de un servidor "honesto pero curioso", señalando que la agregación segura y la validación cruzada de conjuntos de datos son pasos futuros necesarios.