Supervised Contrastive Learning-based Digital Biomarker Discovery for Wearable IMU Gait Signals

Resumen Técnico: Descubrimiento de Biomarcadores Digitales Basado en el Aprendizaje Contrastivo Supervisado para Señales de Marcha de IMU Wearable

Planteamiento del Problema
Las unidades de medida inercial (IMU) portátiles ofrecen un método práctico para la evaluación de la marcha, pero los enfoques tradicionales que dependen de características diseñadas manualmente (p. ej., tiempo de zancada, cadencia) a menudo no logran capturar la naturaleza multidimensional completa de los patrones de marcha patológicos. Aunque los modelos de aprendizaje profundo pueden aprender patrones complejos a partir de señales brutas, frecuentemente funcionan como "cajas negras" con interpretabilidad limitada y pueden sufrir de fuga de información si los protocolos de evaluación utilizan divisiones por ensayos en lugar de divisiones por sujeto. Además, los métodos existentes suelen carecer de un biomarcador digital unificado y compacto que pueda distinguir objetivamente entre patrones de marcha saludables, neurológicos y ortopédicos manteniendo la relevancia clínica.

Metodología
El estudio propone un biomarcador digital denominado Biomarcador de Marcha de Distancia de Incrustación (EDGB), derivado del aprendizaje de representaciones contrastivas supervisadas. La metodología involucra los siguientes componentes:

• Conjunto de Datos: La investigación utiliza el conjunto de datos clínicos Voisard, disponible públicamente, que comprende 1,356 ensayos de marcha de 260 participantes (73 sanos, 143 neurológicos, 44 ortopédicos). Los datos fueron recolectados utilizando cuatro IMUs sincronizadas (cabeza, zona lumbar, pie izquierdo, pie derecho) registrando aceleración de 3 ejes y velocidad angular a 100 Hz.
• Preprocesamiento de la Entrada: La red acepta 16 canales de entrada por ensayo. Estos incluyen la magnitud de la aceleración ($\|a\|$), la velocidad angular ($\|\omega\|$) y sus primeras derivadas temporales (jerk $\|j\|$ y aceleración angular $\|\alpha\|$) de los cuatro sensores. Todas las señales son remuestreadas a una longitud fija de 1,900 muestras (~19 segundos).
• Arquitectura de Aprendizaje Profundo: Se emplea una red neuronal convolucional (CNN) 1D compacta como codificador. Consiste en tres capas convolucionales (con 4, 8 y 16 canales) seguidas de normalización por lotes (batch normalization), activaciones ReLU y max-pooling. La salida es procesada mediante un promedio adaptativo y max-pooling para generar un vector de características de 256 dimensiones. Este se mapea a un espacio de incrustación latente de 32 dimensiones ($e$) mediante una red de incrustación totalmente conectada. Se utiliza un cabezal de proyección ($z$) durante el entrenamiento, el cual se descarta durante la inferencia.
• Objetivo de Entrenamiento: El modelo se entrena utilizando Aprendizaje Contrastivo Supervisado (SupCL). A diferencia de la clasificación estándar, el SupCL construye pares positivos de ensayos de la misma categoría clínica y pares negativos de diferentes categorías dentro de un lote (batch). La función de pérdida minimiza la distancia entre las incrustaciones de la misma clase mientras maximiza la distancia entre las incrustaciones de clases diferentes en el espacio latente.
• Construcción del Biomarcador: Tras el entrenamiento, se computan los vectores de prototipos específicos de clase ($\mu_H, \mu_N, \mu_O$) como los centroides normalizados de las incrustaciones de entrenamiento para los grupos Sano, Neurológico y Ortopédico. Para un nuevo ensayo con incrustación $e$, el EDGB se calcula como un valor escalar basado en las distancias euclidianas a estos prototipos: $DBM = d_H + d_N - d_O$. Esta formulación está diseñada para maximizar la separación, donde valores más bajos indican proximidad al grupo neurológico y valores más altos indican proximidad al grupo ortopédico.
• Protocolo de Evaluación: Se utiliza una división estricta a nivel de sujeto (80% entrenamiento, 20% prueba) para evitar la fuga de datos de ensayos repetidos del mismo participante.

Contribuciones Clave

1. Definición de un Nuevo Biomarcador: La introducción del EDGB, un biomarcador digital escalar derivado de la distancia de una incrustación de la marcha hacia los prototipos de clase aprendidos, proporcionando una representación compacta de la dinámica compleja de la marcha.
2. Marco de Aprendizaje Contrastivo Supervisado: La aplicación de SupCL a datos de IMU portátiles para aprender un espacio latente discriminativo que agrupa eficazmente las categorías clínicas sin depender de la ingeniería de características manual.
3. Integración de Dinámicas de Orden Superior: La inclusión explícita de las señales derivadas (jerk y aceleración angular) como canales de entrada, demostrando su papel crítico en la captura de la dinámica del movimiento.
4. Validación Rigurosa: Evaluación en sujetos no vistos con un enfoque en la repetibilidad (ICC) y significancia estadística (ANOVA), asegurando que el biomarcador refleje características específicas del sujeto en lugar de ruido entre ensayos.

Resultos

• Desempeño Discriminativo: En el conjunto de prueba excluido, el EDGB logró una precisión general del 84% en la clasificación de sujetos en los tres grupos clínicos.
  • Sano vs. Neurológico: AUC = 90.59%
  • Sano vs. Ortopédico: AUC = 88.47%
  • Neurológico vs. Ortopédico: AUC = 99.50% (separación casi perfecta)
  • El AUC promedio macro para el EDGB fue de 92.85%, superando significativamente a la mejor característica convencional diseñada manualmente (tiempo de giro de 180°, o U-turn time), que alcanzó un macro-AUC de 76.48%.
• Significancia Estadística: El análisis ANOVA reveló que la categoría clínica explicaba el 71% de la varianza en el EDGB ($\eta^2 = 0.7104$), un tamaño de efecto sustancialmente mayor que cualquier medida de marcha convencional (la siguiente más alta fue el tiempo de giro de 180°, con $\eta^2 = 0.1628$).
• Fiabilidad: El biomarcador demostró una alta repetibilidad entre ensayos con un Coeficiente de Correlación Intraclase (ICC(2,1)) de 0.82, lo que indica que el 82% de la varianza es atribuible a las diferencias entre sujetos.
• Interpretabilidad: El análisis de correlación mostró asociaciones débiles con las características temporales convencionales (p. ej., tiempo de zancada, cadencia) pero correlaciones moderadas a fuertes con las características de la señal relacionadas con el jerk (p. ej., jerk máximo, variabilidad del jerk), particularmente de los sensores montados en los pies. Esto sugiere que el biomarcador captura características dinámicas del movimiento más allá de las simples métricas temporales.
• Estudios de Ablación:
  • Importancia de los Sensores: Los sensores montados en los pies (Pie Derecho y Pie Izquierdo) proporcionaron la información más discriminativa.
  • Canales de Entrada: La inclusión de las señales derivadas (jerk y aceleración angular) mejoró el macro-AUC de 89.64% (solo señales brutas) a 92.85%.

Significancia y Reivindicaciones
El artículo afirma que el marco propuesto de EDGB transforma con éxito las grabaciones de IMU de múltiples sensores en un biomarcor digital compacto, informativo y objetivo. Los autores sostienen que la representación aprendida captura características de la marcha multidimensionales y sutiles, específicas de los trastornos neurológicos y ortopédicos, que no están adecuadamente representadas por los descriptores tradicionales diseñados manualmente. El estudio destaca que el biomarcador es particularmente efectivo para distinguir entre diferentes patrones de marcha patológicos (neurológico vs. ortopédico), una tarea en la que las medidas convencionales suelen tener dificultades. Los autores concluyen que el aprendizaje contrastivo supervisado ofrece un marco eficaz para desarrollar biomarcadores clínicamente útiles, siempre que se cumplan estrictamente los protocolos de evaluación a nivel de sujeto. El estudio reconoce las limitaciones respecto a la categorización amplia de las enfermedades y sugiere que el trabajo futuro debería centrarse en subtipos de enfermedades más finos y en el monitoreo longitudinal de la progresión de la enfermedad.