Clinical Evidence Morphology--Rhythm for ECG (CEMR-ECG): a traceable evidence framework for imbalanced heartbeat classification

Resumen Técnico: Morfología de Evidencia Clínica–Ritmo para ECG (CEMR-ECG)

Planteamiento del Proble el Problema
Los clasificadores automáticos de latidos de electrocardiograma (ECG) suelen tener dificultades con el desequilibrio de clases, donde los latidos normales dominan la distribución, lo que provoca la pérdida de latidos raros (supraventriculares, ventriculares y de fusión). Además, los modelos de aprendizaje profundo estándar suelen proporcionar evidencia de decisión limitada más allá de las puntuaciones finales, lo que dificulta la interpretación de por qué se clasificó un latido específico de cierta manera. Los enfoques existentes suelen centrarse en mejorar el codificador de la forma de onda, remodelar los datos de entrenamiento, alterar las funciones de pérdida o proporcionar explicaciones post-hoc. Existe una brecha para un marco de capa de decisión trazable que inserte evidencia clínica con nombre fijo entre la salida de probabilidad de un backbone y la clasificación final, diseñado específicamente para recuperar clases raras sin comprometer la interpretabilidad del proceso de decisión.

Metodología
Los autores proponen CEMR-ECG, un marco de evidencia trazable que opera como una interfaz de capa de decisión en lugar de reemplazar el backbone de la forma de onda subyacente. El marco está diseñado para ser compatible con cualquier clasificador de latidos de estilo AAMI que proporcione un vector de probabilidad sobre las clases estándar: Normal (N), Ectópico supraventricular (S), Ectópico ventricular (V), Fusión (F) y Desconocido (Q).

1. Representación de la Evidencia:
   Para cada latido anotado, se construye un vector de evidencia fijo de 362 dimensiones ($z_i$) a partir de cinco grupos específicos de evidencia clínica:

   • Ritmo RR: Intervalos R–R pre y post, medianas locales/globales y razones.
   • Morfología: 26 resúmenes de morfología local por cada derivación retenida.
   • Diferencias de Forma de Onda entre Derivaciones: Diferencias por pares entre dos derivaciones retenidas.
   • Resúmenes de Derivadas de la Forma: Formas de onda remuestreadas y trazos de primera diferencia.
   • Evidencia de Prototipo: Similitud de coseno y métricas de distancia contra prototipos de clase (calculados a partir de la división de entrenamiento).

2. Arquitectura y Fusión:

   • Interfaz del Backbone: Un backbone candidato (aprendizaje automático, aprendizaje profundo específico de ECG o modelos generales de series temporales) proporciona un vector de probabilidad bruta ($p^B_i$).
   • Codificador de Evidencia: Un codificador de Árboles Extremadamente Aleatorizados (Extremely Randomized Trees) compartido mapea el vector de evidencia $z_i$ a un vector de probabilidad de evidencia ($p^E_i$).
   • Adaptador: El marco forma una agrupación geométrica ponderada normalizada de las probabilidades del backbone y de la evidencia utilizando un parámetro $\alpha$ (seleccionado de una cuadrícula mediante validación interna).
   • Decodificador BioAdaptativo: Un decodificador acotado aplica multiplicadores de clase derivados de la prevalencia de entrenamiento (limitados para evitar la sobreinflación de la recuperación de minorías) y un parámetro de potencia $\gamma$. Se evalúan seis políticas candidatas (por ejemplo, recuperación de S, recuperación de F, defecto conservador).
   • Lógica de Selección: El peso del adaptador ($\alpha$) y la política del decodificador ($k$) se seleccionan según el rendimiento de la validación interna (maximizando el M-F1(4) con resolución de empates). Crucialmente, las "condiciones de guardia" evitan que el decodificador aplique una recuperación agresiva si el soporte de validación es insuficiente (por ejemplo, si la ganancia de la clase F se basa en menos de 10 latidos de validación) o si la precisión cae significativamente.

3. Diseño Experimental:
   El estudio evaluó 20 backbones diversos (11 de aprendizaje automático, 4 profundos específicos de ECG, 5 de series temporales) a través de tres bases de datos públicas (MIT-BIH, INCART, SVDB) utilizando cinco semillas aleatorias, resultando en 300 ejecuciones emparejadas. El punto final primario fue el F1 macro-promedio de cuatro clases (M-F1(4)) sobre N/S/V/F. Se utilizó una métrica de tres clases con soporte de la clase (M-F1(3-NSV)) como punto final interpretativo para conjuntos de datos con soporte escaso de latidos F.

Contribuciones Clave

1. Capa de Evidencia Trazable: Una capa de evidencia de morfología–ritmo de nombre fijo e interpuesta entre cualquier backbone compatible con AAMI y la decisión final, permitiendo la trazabilidad computacional de las decisiones hacia componentes específicos de evidencia clínica.
2. Decodificación BioAdaptativa Limitada por Validación: Un decodificador que utiliza multiplicadores derivados de la prevalencia y adaptación limitada por guardia en lugar de ajustes de conjunto de prueba, asegurando que la recuperación de minorías sea estable y esté acotada por el soporte de validación interna.
3. Evaluación Emparejada Exhaustiva: Una evaluación rigurosa de 20 backbones y tres bases de datos (300 ejecuciones) que demuestra que el marco mejora el rendimiento sin requerir el reentrenamiento de los codificadores de la forma de onda subyacentes.

Resultados

• Ganancias de Rendimiento: CEMR-ECG mejoró la métrica primaria M-F1(4) en los 60 resúmenes de conjunto de datos–backbone y en 297/300 ejecuciones por semilla.
  • El M-F1(4) medio aumentó en 11.48 puntos porcentuales (del 48.32% al 59.80%).
  • La Precisión media aumentó en 6.81 puntos porcentuales (del 86.32% al 93.13%).
• Recuperación Específica de Clase:
  • S (Supraventricular): El F1 aumentó 17.53 puntos porcentuales (28.11% a 45.64%).
  • V (Ventricular): El F1 aumentó 15.83 puntos porcentuales (66.94% a 82.77%).
  • F (Fusión): La recuperación dependió del soporte. MIT-BIH mostró una ganancia de +19.62 puntos; INCART mostró +5.58 puntos. En SVDB, donde solo existían 23 latidos F, no se buscó la recuperación de F debido a la falta de soporte de validación, y el marco se mantuvo conservador.
• Análisis de Componentes: Los estudios de ablación indicaron que el ritmo RR fue el principal motor de la mejora (eliminarlo causó una caída de 5.06 puntos en M-F1(4)). La morfología y los componentes de prototipo proporcionaron trazabilidad y evidencia secundaria, pero contribuyeron menos a la ganancia de rendimiento agregada cuando se eliminaron individualmente.
• Calidad de la Puntuación: El marco mejoró las puntuaciones de Brier (0.2313 a 0.1172) y el Error de Calibración Esperado (0.0975 a 0.0689) a través de las interfaces de decisión.
• Sobrecarga: El tiempo de predicción combinado fue aproximadamente 1.57 veces el del backbone bruto, con una mediana de 0.475 segundos por cada 10,000 latidos de prueba.

Significancia y Reivindicaciones
El artículo afirma que CEMR-ECG proporciona una capa de decisión reutilizable y computacionalmente trazable que mejora la clasificación de latidos desequilibrados sin reemplazar el codificador de la forma de onda. Su significancia radica en:

• Interpretabilidad: Las decisiones pueden vincularse a componentes de evidencia con nombre (ritmo RR, morfología, etc.) en lugar de puntuaciones opacas.
• Robustez ante el Desequilibrio: Logra ganancias significativas en la recuperación de clases minoritarias (S y V) manteniendo una alta precisión para los latidos normales, sin depender del ajuste del conjunto de prueba.
• Generalizabilidad: El marco es agnóstico a la arquitectura, mejorando el rendimiento a través de diversos backbones de aprendizaje automático y aprendizaje profundo.

Limitaciones y Alcance
Los autores declaran explícitamente que este es un estudio computacional retrospectivo que utiliza bases de datos públicas y de-identificadas.

• El marco no es un nuevo clasificador de forma de onda, sino una interfaz de capa de decisión.
• Las reivindicaciones se limitan a los ejes soportados N/S/V; la recuperación de latidos F depende estrictamente del soporte de datos.
• Sin reivindicaciones de atención al paciente: El estudio no incluye validación prospectiva, pruebas de flujo de trabajo o integración con detectores de QRS ascendentes en un entorno clínico. Los autores enfatizan que se requiere validación prospectiva, a nivel de paciente y orientada al flujo de trabajo antes de cualquier implementación clínica.