Rare-Class Collapse in ECG-Based Ventricular Tachycardia and Fibrillation Detection: A Systematic Benchmark of Class-Imbalance Mitigation from Reweighting to Cascade Classification

Sintesi Tecnica: Collasso della Classe Rara nella Rilevazione di Tachicardia Ventricolare e Fibrillazione Ventricolare basata su ECG

Definizione del Problema
La rilevazione automatica delle aritmie letali, specificamente la Tachicardia Ventricolare (VT) e la Fibrillazione Ventricolare (VF), è criticamente ostacolata da un grave squilibrio di classe nei dataset ECG clinici. In questi contesti, gli eventi letali costituiscono spesso meno del 22% dei segmenti. Questo squilibrio porta a un modo di guasto denominato "collasso della classe rara" (rare-class collapse), in cui i classificatori standard ottengono un'elevata accuratezza complessiva prediligendo la classe maggioritaria (ritmo normale) ma mancando una proporzione significativa di eventi potenzialmente letali. Le metriche di valutazione convenzionali, come l'accuratezza e l'Area Sotto la Curva ROC (AUROC), spesso oscurano questo fallimento clinico poiché sono dominate dal gran numero di campioni negativi. Lo studio postula che, senza una specifica valutazione a un punto operativo clinico fisso e l'uso di metriche focalizzate sulla classe minoritaria, la sicurezza di questi sistemi di rilevazione non possa essere valutata in modo affidabile.

Metodologia
Lo studio ha condotto un benchmark sistematico di sei distinti approcci di gestione dello squilibrio utilizzando un dataset aggregato di 15.614 segmenti ECG derivati da tre database PhysioNet: VTaC, VFDB e CUDB. Il cohort finale presentava un rapporto normale-letale di circa 3,6:1.

• Pre-elaborazione dei Dati: I segnali sono stati campionati a 250 Hz, filtrati passa-banda (0,5–40 Hz), normalizzati e segmentati in finestre non sovrapposte di 6 secondi (1.500 campioni).
• Estrazione delle Caratteristiche: È stato calcolato un set di 22 caratteristiche artigianali (handcrafted) per segmento, comprendente statistiche nel dominio del tempo (es. ampiezza media assoluta, tasso di zero-crossing) e proprietà nel dominio della frequenza (es. entropia spettrale, frequenza dominante, rapporti di potenza di banda).
• Framework di Valutazione: Per garantire la rilevanza clinica, tutti i modelli sono stati valutati a un punto operativo fisso di 95% di specificità (tasso di falsi allarmi del 5%). Le prestazioni sono state misurate utilizzando Recall, Area Sotto la Curva Precision-Recall (AUPRC) e il Tasso di Eventi Letali Mancati (MLER). L'analisi della curva di decisione è stata impiegata per stimare il beneficio clinico netto.
• Modelli Valutati:
  1. Baseline Naive: Regressione logistica con regolarizzazione L2 senza pesatura delle classi.
  2. Ripesatura per Frequenza Inversa: Regressione logistica con pesi inversamente proporzionali alla frequenza della classe.
  3. Perdita LDAM: Un Perceptron Multistrato (MLP) addestrato con perdita di margine consapevole della distribuzione delle etichette (Label-Distribution-Aware Margin) per imporre margini decisionali più ampi per la classe minoritaria.
  4. Addestramento Sensibile al Costo (Cost-Sensitive): Un MLP addestrato con perdita di entropia incrociata dove la mancata rilevazione di un evento letale è penalizzata 10 volte più di un falso allarme.
  5. Cascata a Due Stadi: Uno screening tramite Random Forest (alta recall, peso classe minoritaria 20) seguito da una Random Forest bilanciata per filtrare i falsi allarmi.
  6. Rilevamento delle Anomalie: Un Isolation Forest addestrato esclusivamente su segmenti normali per rilevare VT/VF come anomalie.

Risultati Chiave

• Fallimento degli Approcci Naive: Il modello di regressione logistica naive ha raggiunto un'accuratezza dell'84,1% e un'AUROC di 0,822, ma ha sofferto di collasso della classe rara, rilevando solo il 45,1% degli eventi letali (MLER = 0,549). Ha mancato 564 su 1.027 eventi letali nel set di test.
• Efficacia Limitata della Semplice Ripesatura: La ripesatura per frequenza inversa ha prodotto un miglioramento trascurabile, aumentando la recall solo al 45,5% e mancando 560 eventi.
• Superiorità delle Modifiche Strutturali e Obiettivi: I metodi che hanno alterato l'obiettivo di apprendimento o l'architettura del modello hanno superato significativamente la semplice ripesatura.
  • LDAM ha migliorato la recall al 58,9%.
  • L'addestramento Sensibile al Costo ha ottenuto una recall del 61,8% e la più alta AUROC (0,927).
  • La Cascata a Due Stadi ha ottenuto le migliori prestazioni complessive con una recall del 65,2% e un AUPRC di 0,821. Questo approccio ha ridotto il numero di eventi letali mancati del 37% (da 564 a 357) rispetto alla baseline naive, mantenendo un numero di falsi allarmi simile.
• Disparità di Prestazione Specifica per Sorgente: Un risultato critico è stata la divergenza nelle prestazioni tra i tipi di aritmia. Il modello a cascata ha ottenuto una rilevazione quasi completa per la VF (recall fino a 0,975 sul dataset VFDB) ma ha performato scarsamente sulla VT organizzata (recall di soli 0,183 sul dataset VTaC).
• Limitazioni dello Spazio delle Caratteristiche: L'analisi della discriminazione delle caratteristiche (Cohen's d) ha rivelato che la caratteristica più discriminante (entropia spettrale) aveva un effetto dimensionale (effect size) di soli 0,52. Lo studio attribuisce la scarsa rilevazione della VT alla somiglianza spettrale tra la VT organizzata e il ritmo sinusale rapido, suggerendo che il set di caratteristiche artigianali imponga un tetto alle prestazioni indipendentemente dall'algoritmo di classificazione utilizzato.

Significatività e Assertions
L'articolo sostiene che la scelta delle metriche di valutazione determina fondamentalmente la visibilità del fallimento della classe rara. Spostando il focus dall'accuratezza alla recall a una specificità fissa e al tasso di eventi letali mancati, lo studio dimostra che le tecniche standard di ripesatura sono insufficienti per la rilevazione delle aritmie letali. Il contributo primario è l'identificazione di un limite dello spazio delle caratteristiche piuttosto che un limite del design del modello per la rilevazione della VT; la sovrapposizione spettrale tra VT e ritmo sinusale rapido impedisce alle caratteristiche artigianali di raggiungere un'alta recall.

Di conseguenza, gli autori sostengono che, per l'impiego clinico, i sistemi di rilevazione debbano essere valutati in base al numero di eventi mancati piuttosto che sulla correttezza complessiva. Concludono che, sebbene le cascate a due stadi offrano le migliori prestazioni attuali tra i metodi testati, ulteriori miglioramenti per la rilevazione della VT richiedono probabilmente di andare oltre le caratteristiche artigianali verso modelli che apprendono direttamente dalle forme d'onda ECG grezze (ad esempio, approcci di deep learning). Lo studio funge da prova di concetto metodologica, evidenziando come gli attuali sistemi basati su caratteristiche abbiano un limite pratico nel distinguere la VT organizzata dai ritmi normali.