Resumen Técnico: ECG-LLM

Planteamiento del Problema

Las enfermedades cardiovasculares siguen siendo la principal causa de muerte a nivel mundial, pero el triaje de primera línea en la atención primaria suele estar limitado por el acceso restringido a pruebas de diagnóstico por imagen avanzadas, como la ecocardiografía (ECHO) o la resonancia magnética cardíaca (CMR). Si bien el electrocardiograma (ECG) de 12 derivaciones es una prueba inicial estándar y económica, los sistemas de IA existentes para la interpretación de ECG suelen limitarse a etiquetas diagnósticas fijas o a la generación automatizada de informes. Estos sistemas carecen de la flexibilidad necesaria para apoyar el razonamiento clínico específico del paciente o para inferir fenotipos cardíacos complejos (p. ej., volúmenes ventriculares, grosor de la pared) que no son directamente visibles en la onda del ECG, pero que son críticos para la toma de decisiones clínicas. Además, los enfoques multimodales actuales suelen requerir modelos separados para tareas específicas o dependen del aprendizaje contrastivo que produce representaciones en lugar de respuestas clínicas directas.

Metodología

Los autores presentan ECG-LLM, un modelo fundacional diseñado para realizar un razonamiento cardíaco multimodal mediado por lenguaje utilizando únicamente la señal de ECG de 12 derivaciones como entrada.

Arquitectura

ECG-LLM sigue una arquitectura de modelo de lenguaje-visión (VLM) adaptada para datos de series temporales:

• Codificador de ECG: Un codificador ViT-MAE (Autoencoder de Máscara de Visión) autosupervisado, preentrenado en ECG de 12 derivaciones mediante un objetivo de reconstrucción de máscara. Este codificador procesa parches de ondas puras en tokens latentes sin depender de datos de texto o imágenes emparejados durante el preentrenamiento.
• Proyector: Un MLP ligero de dos capas que mapea los tokens del codificador de ECG al espacio de incrustación (embedding) del modelo de lenguaje.
• Modelo de Lenguaje: Un LLM autorregresivo (Llama-3.1-8B-Instruct) que genera respuestas en texto libre. Durante el entrenamiento, el núcleo del LLM permanece congelado, y solo se entrenan los adaptadores LoRA (Low-Rank Adaptation) y el proyector para minimizar la pérdida de predicción del siguiente token.

Supervisión Multimodal-a-Lenguaje

La innovación central es una estrategia de supervisión multimodal-a-lenguaje. En lugar de entrenar modelos separados para fenotipos específicos, los autores construyen un espacio de supervisión unificado utilizando el lenguaje natural.

1. Fuentes de Datos: El modelo se entrena con 679,112 estudios de ECG de cuatro cohortes: UK Biobank (vinculada a CMR), MIMIC-IV-ECG, PTB-XL y EchoNext (vinculada a ECHO).
2. Generación de QA (Pregunta-Respuesta): Para cada estudio de ECG, se recopila metadatos estructurados (mediciones de ECG, informes diagnósticos, fenotipos de CMR/ECHO, datos demográficos). Un LLM alojado localmente (GPT-OSS-20B) genera más de 5 millones de pares de pregunta-respuesta (QA) clínicamente fundamentados. Estos pares simulan consultas clínicas de primera línea (p. ej., "¿Cuál es la función ventricular?") y proporcionan respuestas derivadas de los datos de imagen y clínicos disponibles.
3. Objetivo de Entrenamiento: El modelo se entrena para responder a estas preguntas condicionadas únicamente a la onda del ECG y al texto de la pregunta. En la inferencia, no se utilizan datos de imagen ni módulos de recuperación externos; el modelo debe inferir los fenotipos derivados de la imagen basándose exclusivamente en la representación del ECG.

Contribuciones Clave

1. Supervisión Multimodal-a-Lenguaje: Una estrategia que desplaza el entrenamiento de ECG-lenguaje desde la reproducción de informes generados por máquinas hacia la respuesta a consultas flexibles impulsadas por preguntas sobre fenotipos cardíacos tanto derivados del ECG como de la imagen.
2. Recurso de Ajuste de Instrucciones a Gran Escala: Un flujo de trabajo que genera más de 5 millones de pares de QA de estilo médico general (GP) a partir de datos unificados de ECG, CMR y ECHO, creando un recurso para el razonamiento condicionado por ECG.
3. Modelo ECG-LLM: Un modelo autorregresivo de código abierto que procesa ECG de 12 derivaciones en bruto para responder preguntas cardíacas en texto libre sin imágenes renderizadas, cabezales de clasificación de tareas específicas o imagen en el tiempo de inferencia.
4. Evaluación Sistemática: Benchmarking exhaustivo a través de UK Biobank, MIMIC-IV-ECG, PTB-XL y EchoNext, cubriendo la interpretación de ECG, la inferencia de fenotipos de imagen y estándares de QA.

Resultados

1. Inferencia de Fenotipos Derivados de ECG y CMR

Evaluado en 1,000 ECG de la UK Biobank, ECG-LLM respondió con éxito preguntas sobre mediciones convencionales de ECG (frecuencia cardíaca, intervalos, ejes) y fenotipos derivados de CMR (volúmenes, fracción de eyección, grosor de la pared).

• Fenotipos de ECG: El modelo logró puntuaciones macro-F1 sólidas para propiedades directamente visibles (p. ej., frecuencia cardíaca, duración del QRS).
• Fenotipos de CMR: El modelo demostró la capacidad de inferir señales estructurales no medidas directamente en el ECG, como el grosor de la pared del ventrículo izquierdo (LV) y los volúmenes ventriculares, con un rendimiento significativamente superior a las líneas base de clase mayoritaria. Las matrices de confusión indicaron que, si bien las clases raras fueron un desafío, el modelo capturó señales estructurales generales.

2. Inferencia de Fenotipos Ecocardiográficos (EchoNext)

En el conjunto de datos EchoNext (5,442 estudios emparejados de ECG-ECHO), el modelo fue evaluado en la clasificación binaria de 11 fenotipos ecocardiográficos mediante un protocolo de texto libre de "Sí/No".

• Rendimiento: ECG-LLM alcanzó los F1-scores más altos para 10 de los 11 fenotipos en comparación con el Columbia Mini-Model y una línea base de ViT supervisado.
• Hallazgos Clave: El rendimiento más fuerte se observó para el aumento del grosor de la pared del LV (F1: 0.77), estenosis aórtica moderada o mayor (F1: 0.67) y disfunción sistólica del ventrículo derecho (F1: 0.61). El rendimiento fue menor para hallazgos raros o débilmente expresados (p. ej., derrame pericárdico, regurgitación pulmonar), aunque sigue siendo no aleatorio.

3. Benchmark de ECG-QA

Evaluado en el benchmark ECG-QA (PTB-XL y MIMIC-IV-ECG), ECG-LLM superó las líneas base existentes (Fusion, MedViLL, M3AE) en tareas específicas:

• Single-Verify: 76.71% de coincidencia exacta en PTB-XL (frente al 74.60% de M3AE).
• Single-Choose: 68.32% de coincidencia exacta en PTB-XL (frente al 57.10% de M3AE).
• El modelo mostró un sólido desempeño en diversos conceptos, incluyendo bloqueos de conducción, arritmias y cambios isquémicos, aunque la coincidencia exacta en tareas complejas de "Single-Query" de múltiples etiquetas siguió siendo un desafío debido a la rigurosidad de la métrica.

4. Generación de Informes Diagnósticos

Utilizando un protocolo de "LLM como Juez" (GPT-OSS-20B) para evaluar resúmenes diagnósticos de texto libre, ECG-LLM igualó o superó el rendimiento de PULSE-7B (una línea base de ECG-imagen) y superó significativamente a los VLMs médicos generales (MedGemma-4B) y a la línea base de señal pura ECG-Chat (sin sus módulos de recuperación). Esto confirmó la capacidad del modelo para mapear la morfología del ECG bruto al lenguaje diagnóstico convencional.

Significación y Reivindicaciones

El artículo afirma que ECG-LLM representa un cambio de la predicción de etiquetas fijas hacia un razonamiento cardiovascular flexible e impulsado por preguntas. Al utilizar el lenguaje natural como un espacio de supervisión unificado, el modelo aprende a asociar las ondas de ECG con un amplio espectro de conocimiento cardíaco, incluyendo fenotipos derivados de imágenes.

Los autores enfatizan que este enfoque permite que un solo ECG sirva como una interfaz flexible para el triaje de primera línea, permitiendo a los clínicos realizar preguntas dirigidas sobre el estado cardiovascular general del paciente (p. ej., "¿Hay evidencia de reducción de la fracción de eyección?") incluso cuando las imágenes se retrasan o no están disponibles. El trabajo posiciona a ECG-LLM no como un sistema de diagnóstico autónomo, sino como una herramienta de apoyo a la decisión clínica que puede proporcionar una "segunda opinión" y guiar la necesidad de realizar más imágenes. Los autores reconocen las limitaciones, incluyendo el riesgo de alucinación, la discretización de variables continuas y la necesidad de evaluación clínica humana antes de su implementación.