Riassunto Tecnico: CAP – Verso l'Apprendimento di Rappresentazioni Universali PPG con Supervisione a Livello di Paziente

1. Definizione del Problema

La fotopletismografia (PPG) è un pilastro del monitoraggio della salute tramite dispositivi indossabili e del supporto alle decisioni cliniche, abilitando applicazioni quali il monitoraggio della frequenza cardiaca, la stima della pressione arteriosa e lo screening dell'aritmia. Tuttavia, gli approoli esistenti all'Apprendimento di Rappresentazioni PPG Universali affrontano tre criticità fondamentali che ne ostacolano la generalizzazione verso compiti clinici complessi e coorti eterogenee:

1. Scarsità Semantica e Bias: I paradigmi attuali di apprendimento auto-supervisionato (SSL) si basano ampiamente su obiettivi a livello di segnale, come la similitudine geometrica delle forme d'onda. Ciò trascura il fatto che morfologie PPG simili non implicano necessariamente stati fisiologici o patologici identici, portando a un disallineamento tra le rappresentazioni apprese e la realtà clinica.
2. Corruzione Semantica Indotta dall'Augmentation: Le comuni tecniche di data augmentation (ad es. masking, perturbazioni temporali) utilizzate nell'SSL possono involontariamente distorcere strutture fini che trasportano informazioni clinicamente rilevanti, limitando così la trasferibilità verso compiti di stima sensibili.
3. Limitata Consapevolezza della Scala Temporale: La maggior parte dei metodi di pretraining utilizza segmenti di segnale brevi (ad es. 5–30 secondi), fallendo nel catturare la dinamica fisiologica a lungo termine e le condizioni croniche che sono strettamente legate al contesto clinico più ampio del paziente.

Gli autori sostengono che l'apprendimento di rappresentazioni PPG debba passare da una visione centrata sul segnale a un approccio centrato sul paziente, incorporando informazioni di contesto del paziente a lungo raggio per ancorare le rappresentazioni fisiologiche nella semantica clinica.

2. Metodologia

2.1 Costruzione dei Dati: Dataset Accoppiato PPG-EHR

Per supportare l'apprendimento incentrato sul paziente, gli autori hanno costruito un dataset multimodale su larga scala che coinvolge 2.279 pazienti. Il dataset accoppia segnali PPG a lungo termine con cartelle cliniche elettroniche (EHR) distillate da storie mediche frammentate.

• Causalità Temporale: È imposto un rigoroso allineamento temporale; per un segmento PPG che termina al tempo $T_{current}$, il testo associato include solo le informazioni disponibili fino al tempo $T_{current}$ (escludendo diagnosi o esiti futuri di dimissione) per prevenire il bias di anticipazione (look-ahead bias).
• Allineamento Gerarchico: Il testo clinico è organizzato in contesto statico (demografia), contesto cumulativo (storia passata) e contesto concomitante (osservazioni prossimali).
• Distillazione: Un Modello di Linguaggio Pre-addestrato (PLM) distilla note cliniche grezze e codici diagnostici in documenti EHR strutturati ($e_k$) accoppiati con finestre PPG di 5 minuti ($x_k$).
• Controllo Qualità: Gli Indici di Qualità del Segnale (SQI) vengono calcolati per filtrare i segmenti rumorosi, garantendo l'addestramento su dati fisiologici affidabili.

2.2 Il Framework CAP

Il framework proposto Clinical Anchored Pretraining (CAP) colma il divario tra le fluttuazioni fisiologiche di basso livello e la semantica clinica di alto livello attraverso tre componenti principali:

A. Physical-Semantic Unified Patching (PSUP)

Per affrontare la discrepanza di granularità tra i lunghi segmenti di pretraining (5 minuti) e i compiti downstream più brevi (ad es. 30 secondi), CAP introduce il PSUP. Questo meccanismo ricampiona dinamicamente i segnali grezzi verso una frequenza target e li suddivide in patch non sovrapponibili. Ciò assicura che la granularità della rappresentazione appresa sia fisicamente coerente e temporalmente allineata con le finestre diagnostiche attraverso diversi compiti.

B. Pretraining Multi-Obiettivo

CAP ottimizza tre obiettivi cooperativi durante la fase di pretraining:

1. Perdita di Ricostruzione Morfologica ($L_{morph}$): Utilizza il Masked Signal Modeling (MSM) per recuperare i dettagli della forma d'onda mascherati, costringendo l'encoder a imparare la "grammatica" fondamentale del PPG (ad es. picchi sistolici, tacche dicrotiche).
2. Perdita di Stabilità Fisiologica ($L_{inv}$): Un obiettivo contrastivo auto-supervisionato che impone la coerenza delle feature nello spazio latente sotto perturbazioni stocastiche (ad es. dropout), garantendo la robustezza contro il rumore del sensore e il drift della linea di base.
3. Perdita di Ancoraggio Clinico ($L_{clin}$): Una perdita contrastiva cross-modale che allinea la rappresentazione aggregata globale del PPG con l'embedding strutturale dell'EHR derivato dal PLM. Questo ancora le fluttuazioni fisiologiche alla semantica clinica del paziente, mitigando il drift della rappresentazione.

C. Adattamento Downstream (Finetuning)

Nella fase di finetuning, CAP impiega un'architettura a doppio percorso:

• Encoder della Morfologia Locale: Elabora il segnale PPG grezzo insieme alle sue derivate temporali del primo e secondo ordine per catturare indizi di pendenza e curvatura locale.
• Encoder della Semantica Clinica: Riutilizza il precedente encoder PPG per estrarre rappresentazioni cliniche a lungo contesto.
• Fusione Gated (Gated Fusion): Un meccanismo di gating bilancia adattivamente il contributo delle feature morfologiche locali e della semantica clinica globale in base all'input, permettendo al modello di dare priorità ai dettagli fini per segnali di alta qualità o di fare affidamento su una semantica robusta a lungo contesto quando le feature locali sono rumorose.

3. Contributi Chiave

1. Diagnosi dell'attuale SSL per PPG: Il paper fornisce un'analisi sistematica del perché gli attuali paradigmi SSL basati solo sul segnale non riescano a raggiungere una trasferibilità universale, evidenziando la mancanza di contesto a livello di paziente.
2. Dataset PPG-EHR su larga scala: La cura di un dataset multimodale accoppiato che inietta informazioni di contesto del paziente a lungo raggio nell'apprendimento delle rappresentazioni.
3. Framework CAP: La proposta di un framework di pretraining che utilizza la semantica clinica a livello di paziente come ancora, combinata con il Physical-Semantic Unified Patching per gestire le discrepanze di durata.
4. Validazione Empirica: Valutazione completa che dimostra come CAP apprenda rappresentazioni trasferibili e clinicamente fondate attraverso quattro diversi compiti downstream.

4. Risultati Sperimentali

Gli autori hanno valutato CAP su quattro compiti eterogenei utilizzando benchmark pubblici: rilevamento della Fibrillazione Atriale (AF), stima della Frequenza Cardiaca (HR), stima della Frequenza Respiratoria (RR) e stima della Pressione Arteriosa (BP).

• Rilevamento AF (Stanford Dataset): CAP ha raggiunto un F1-score di 0,883, superando i forti baseline inclusi GPT-PPG (0,841) e SiamQuality (0,770).
• Stima HR (WESAD Dataset): CAP ha raggiunto un Errore Assoluto Medio (MAE) di 3,99 (valutazione LOSO), superando il miglior baseline (GPT-PPG 1B) che ha ottenuto 4,98.
• Stima RR (BIDMC Dataset): CAP ha dimostrato un miglioramento massiccio, raggiungendo un MAE di 0,11 rispetto allo stato dell'arte (GPT-PPG 1B) che era a 0,93. Ciò rappresenta un miglioramento relativo fino all'87,6%.
• Stima BP (PulseDB): CAP ha raggiunto un MAE di 8,04, superando i baseline come GPT-PPG (8,12) e SiamQuality (8,60).

Prestazioni Complessive: CAP ha fornito un miglioramento relativo medio del 26,7% in tutti e quattro i compiti rispetto ai baseline più forti.

5. Significato e Rivendicazioni

Il paper sostiene che CAP riesce a spostare il paradigma dell'apprendimento di rappresentazioni PPG dal fitting della forma d'onda alla modellazione degli stati fisiologici a livello di paziente. Ancorando le rappresentazioni PPG alla semantica clinica derivata dagli EHR, il modello ottiene:

• Generalizzazione Potenziata: La capacità di trasferirsi efficacemente attraverso diverse attività e coorti dove i modelli basati solo sul segnale faticano.
• Robustezza: Prestazioni migliorate in condizioni rumorose, come dimostrato dalla capacità del meccanismo di gating di fare affidamento sulla semantica a lungo contesto quando la qualità del segnale locale degrada.
• Interpretabilità: Le visualizzazioni (mappe di attenzione e UMAP) confermano che il modello presta attenzione a regioni della forma d'onda clinicamente significative e crea uno spazio di rappresentazione più discriminante per gli stati patologici (ad es. separazione più chiara dei campioni positivi alla AF).

Gli autori concludono che l'incorporazione del contesto del paziente a lungo termine e della semantica clinica è una direzione promettente per lo sviluppo di modelli foundation universali per i segnali fisiologici, andando oltre i limiti del pattern matching a breve finestra e a livello di singolo segnale.