Smartwatch Photoplethysmography-Derived Heart Age via ECG-Guided Cross-Modal Pretraining as a Digital Biomarker of Vascular Aging

Resumen Técnico: Edad Cardíaca Derivada de PPG en Relojes Inteligentes mediante Preentrenamiento Transmodal Guiado por ECG

Planteamiento del Problema
El envejecimiento cardiovascular, caracterizado por la rigidez arterial e hipertensión, es un motor primario de la morbilidad y mortalidad global. Aunque la "edad cardíaca" o "edad vascular" ofrece una métía interpretable para el riesgo cardiovascular, los métodos de estimación existentes dependen en gran medida de entornos clínicos, electrocardiografía (ECG) en reposo, imágenes o mediciones especializadas de la función vascular. Estos enfoques carecen de la naturaleza de baja carga, alta frecuencia y repetibilidad requerida para el monitoreo continuo. Aunque la fotopletismografía (PPG) de los relojes inteligentes ofrece una alternativa escalable, los modelos actuales basados en PPG enfrentan desafíos como el ruido de la señal, la escasez de datos etiquetados, la baja generalización entre cohortes y la falta de vinculación con fenotipos clínicos de estándar de oro, como la rigidez arterial y la hipertensión. Además, los modelos existentes rara vez utilizan la rica información fisiológica disponible en los pares sincronizados ECG-PPG durante el entrenamiento para mejorar el aprendizaje de representaciones de PPG.

Metodología
Los autores proponen un marco de preentrenamiento transmodal guiado por ECG diseñado para aprender representaciones robustas de PPG para la estimación de la edad cardíaca, manteniendo una vía de inferencia de solo PPG adecuada para el despliegue en relojes inteligentes.

• Diseño del Estudio y Cohortes: El estudio utilizó tres cohortes de OPPO Health Lab que involucraron a 581,804 participantes y más de 7.4 millones de registros:

  1. Estudio de Salud Vascular (VHS): Una cohorte interna utilizada para el preentrenamiento (sin etiquetar, ECG-PPG sincronizados) y el ajuste fino supervisado (etiquetado con edad cronológica).
  2. Cohorte Externa de PWV: Utilizada para la validación externa y el análisis de asociación con la Velocidad de la Onda de Pulso (PWV, rigidez arterial).
  3. Cohorte Externa de HBPM: Utilizada para la validación externa y el análisis de asociación con el monitoreo de la presión arterial en el hogar (prevalencia de hipertensión).

• Arquitectura del Modelo:

  • Codificadores: Tanto las señales de ECG como las de PPG son procesadas por codificadores ResNet-18 de 1D específicos para cada modalidad. Las entradas de PPG utilizan cuatro canales (luz verde), mientras que el ECG utiliza una sola derivación.
  • Preentrenamiento (SA-CLIP): El modelo emplea una estrategia de preentrenamiento de dos etapas en los datos no etiquetados de VHS:
    1. Aprendizaje Auto-supervisado Consciente del Sujeto (SA-SSL): Utiliza aprendizaje contrastivo para unir vistas aumentadas de las señales del mismo participante mientras separa las de diferentes participantes.
    2. Alineación Contrastiva Transmodal (estilo CLIP): Alinea las representaciones de ECG y PPG sincronizadas de la misma ventana de tiempo. El ECG actúa como una "modalidad privilegiada" para guiar al codificador de PPG, transfiriendo el ritmo cardiovascular y la dinámica latido a latido sin requerir ECG durante la inferencia.
  • Ajuste Fino (Fine-Tuning): El codificador de PPG preentrenado se ajusta en los datos etiquetados de VHS utilizando la edad cronológica como objetivo de regresión.
  • Inferencia: El modelo desplegado depende únicamente de la entrada de PPG para predecir la edad cardíaca.

• Estrategia de Agregación: Para abordar la variabilidad de la señal, el estudio evalúa la edad cardíaca a nivel de sujeto agregando múltiples registros de corto plazo (dentro de una ventana de 3 meses) por participante, observando que una mayor densidad de datos mejora la estabilidad.

• Análisis de Seguimiento (Downstream): La "Brecha de Edad Cardíaca" (edad cardíaca predicha menos la edad cronológica) se analiza para sus asociaciones con los residuales de PWV y la prevalencia de hipertensión, ajustando por edad cronológica, sexo, IMC y antecedentes familiares.

Resultos Clave

• Desempeño: El preentrenamiento transmodal guiado por ECG (SA-CLIP) mejoró significamente el desempeño de solo PPG en comparación con el aprendizaje auto-supervisado de una sola modalidad (SA-SSL). En la cohorte interna VHS, el modelo de solo PPG SA-CLIP logró un Error Absoluto Medio (MAE) a nivel de sujeto de 4.951 años (r de Pearson = 0.734), superando al modelo PPG de SA-SSL (MAE 5.223 años, r = 0.687).
• Validación Externa: El modelo se generalizó robustamente a cohortes externas:
  • Cohorte de PWV: MAE a nivel de sujeto de 5.895 años (r = 0.819).
  • Cohorte de HBPM: MAE a nivel de sujeto de 4.344 años (r = 0.800).
• Estabilidad: La agregación de registros repetidos mejoró la estabilidad a nivel de sujeto. La agregación de 15 registros redujo el MAE a 4.949 años e incrementó r a 0.733 en comparación con las estimaciones de un solo registro.
• Asociaciones Clínicas:
  • Rigidez Arterial: La brecha de edad cardíaca permaneció significativamente asociada con la PWV tras ajustar por edad cronológica (correlación parcial = 0.2627, P < 0.001). La regresión multivariable mostró que cada aumento de 1 año en la brecha de edad correspondía a un incremento de **0.062 m/s** en la PWV. Los participantes con envejecimiento cardíaco acelerado (>3 años de brecha) tuvieron una PWV ajustada 0.91 m/s mayor que aquellos con envejecimiento desacelerado.
  • Hipertensión: En la cohorte de HBPM, una mayor brecha de edad cardíaca ajustada se asoció independientemente con la hipertensión prevalente. Cada aumento de 1-DE de la brecha se asoció con un Odds Ratio (OR) de 1.72 (IC 95% 1.49–1.99). Los participantes en el cuartil más alto de la brecha de edad cardíaca presentaron un OR de 4.25 en comparación con el cuartil más bajo.

Significancia y Reivindicaciones
El artículo afirma establecer una vía de evidencia de extremo a extremo desde el aprendizaje de representación de señales portátiles hasta la validación del fenotipo cardiovascular. Sus principales contribuciones son:

1. Innovación Metodológica: Demostrar que el preentrenamiento transmodal guiado por ECG puede mejorar el aprendizaje de representaciones de PPG, permitiendo la estimación de la edad cardíaca de alta precisión utilizando solo PPG durante la inferencia. Esto aprovecha el ECG como una señal supervisora "privilegiada" durante el entrenamiento sin aumentar la carga de sensores en el despliegue.
2. Biomarcador Digital Escalable: Validar que la brecha de edad cardíaca derivada de PPG en relojes inteligentes sirve como un biomarcador digital escalable para estratificar la rigidez arterial y la hipertensión prevalente, independientemente de la edad cronológica.
3. Utilidad Práctica: Mostrar que la agregación de corto plazo de mediciones repetidas de dispositivos portátiles mejora significamente la precisión y estabilidad de las estimaciones a nivel de sujeto, apoyando la viabilidad del monitoreo continuo en entornos del mundo real.

Los autores posicionan este trabajo como un paso hacia la identificación de señales de envejecimiento cardiovascular temprano y asintomático en la vida diaria, ofreciendo una herramienta para la estratificación de riesgos que es más accesible que las mediciones clínicas tradicionales. Señalan las limitaciones respecto a la población específica del dispositivo (principalmente asiática, relativamente joven) y la naturaleza transversal del análisis de hipertensión, lo que impide la inferencia causal.