Resumo Técnico: PRISM-CTG

Declaração do Problema

A análise automatizada de Cardiotocografia (CTG) usando aprendizado profundo supervisionado está atualmente limitada pela escassez de conjuntos de dados de alta qualidade e rotulados. Modelos existentes são tipicamente treinados em subconjuntos estreitamente curados de gravações alinhadas com resultados clínicos específicos (por exemplo, acidose neonatal), levando à exclusão de grandes quantidades de dados fisiologicamente informativos que não se encaixam em categorias de rótulos estritas. Essa dependência de coortes pequenas e específicas de tarefas resulta em modelos que carecem de robustez e falham em aprender representações generalizáveis em nível de domínio. Além disso, pipelines de treinamento convencionais frequentemente descartam metadados valiosos do paciente e características engenheiradas de domínio, tratando-os como ruído em vez de sinais de supervisão potenciais. Embora o Aprendizado Auto-supervisionado (SSL) tenha mostrado promessa em outros domínios fisiológicos, não foi aplicado efetivamente ao CTG, e as abordagens existentes de SSL frequentemente negligenciam o rico contexto clínico inerente a essas gravações.

Metodologia

Os autores propõem o PRISM-CTG (Aprendizado de Representação Consciente da Fisiologia via Auto-supervisão Integrada e Metadados para CTG), um modelo fundamental projetado para aprender representações transferíveis em nível de domínio a partir de dados de CTG não rotulados em grande escala. O modelo é pré-treinado em mais de 250.000 horas de gravações de CTG (51.336 gestações) abrangendo tanto os períodos anteparto quanto intraparto.

Arquitetura Central

O PRISM-CTG utiliza uma arquitetura baseada em Transformer aprimorada com três escolhas de design específicas para integrar sinal e contexto clínico:

1. Objetivos de Pretexto Multi-Visão: O modelo otimiza conjuntamente três objetivos complementares:

   • Best-RQ-MAE (Reconstrução de Sinal com Máscara Guiada por Projeção Aleatória): Uma abordagem de autoencoder com máscara onde um tokenizador de projeção aleatória congelado atribui pseudo-rótulos discretos a patches de sinal. Esses rótulos atuam como "dicas morfológicas" para guiar a reconstrução de patches mascarados, fornecendo orientação estrutural em nível de sinal sem exigir um decodificador profundo.
   • Predição de Metadados do Paciente: Uma tarefa de regressão que prevê variáveis contínuas do paciente (idade gestacional, tempo até o parto, idade materna) para impor a aprendizagem de representações em nível de gravação, contextualizadas clinicamente.
   • Classificação de Características Engenhariadas: Uma tarefa de classificação que prevê pseudo-rótulos derivados de 17 características clínicas manuais (por exemplo, frequência cardíaca fetal basal, variabilidade de curto prazo) para alinhar as representações aprendidas com o conhecimento de domínio estabelecido.

2. Tokens Específicos de Tarefa e Atenção Cruzada Controlada:

   • Em vez de um único token [CLS], o modelo antepõe três tokens aprendíveis dedicados: CLS_r (reconstrução), CLS_v (metadados) e CLS_f (características).
   • Máscara de Atenção de Isolamento: Durante a codificação, cada token CLS atende apenas a si mesmo e aos tokens de patch, forçando a agregação independente de informações específicas de seu objetivo.
   • Atenção Cruzada: Após a codificação, um mecanismo de atenção cruzada permite a troca controlada de informações entre os três tokens CLS, imitando o processo clínico no qual as características do sinal, o contexto do paciente e as características se informam mutuamente.

3. Tokenização de Sinal: O CTG de entrada (Frequência Cardíaca Fetal e Atividade Uterina) é processado por uma espinha dorsal CNN para incorporação de patches e por um quantizador de projeção aleatória congelado paralelo para gerar incorporações de rótulos discretos. Estes são fundidos com codificações posicionais para formar os tokens de entrada.

Avaliação a Montante

O codificador pré-treinado é avaliado usando sondagem linear (congelando o codificador e treinando uma cabeça linear) em sete tarefas a montante: quatro anteparto (classificação de anormalidade, cesariana, UTIN e trabalho de parto próximo) e três tarefas intraparto (classificação de acidose nos conjuntos de dados CTU-UHB e APHP, e classificação de cesariana).

Resultados Principais

O PRISM-CTG foi avaliado contra um conjunto abrangente de baselines, incluindo modelos supervisionados de última geração (por exemplo, NeuroFetalNet, PatchCTG) e vários modelos fundamentais de SSL (por exemplo, MAE, DINO, JEPA).

• Desempenho Geral: O PRISM-CTG alcançou a maior AUC média de 0,808 em todas as sete tarefas, superando consistentemente todas as baselines. A melhor baseline de SSL (MAE) alcançou 0,773, e o melhor modelo supervisionado (NeuroFetalNet) alcançou 0,771.
• Eficiência de Dados: Em regimes de poucos dados (10% dos dados de treinamento), o PRISM-CTG superou a melhor baseline supervisionada (ResNet) em 16,41% e o melhor modelo supervisionado de dados completos (NeuroFetalNet) em 20,18%. Alcançou desempenho comparável a modelos treinados em conjuntos de dados completos usando apenas 75% dos dados rotulados.
• Generalização: O modelo demonstrou forte generalização interinstitucional. Em tarefas de validação externa (CTU-UHB e APHP-CTG), superou as melhores baselines supervisionadas em 2,76% e 8,62%, respectivamente. Notavelmente, isso foi alcançado apesar de os dados intraparto constituírem menos de 1% do corpus de pré-treinamento.
• Robustez: O PRISM-CTG manteve desempenho estável sob níveis crescentes de perda de sinal (dados ausentes), enquanto modelos supervisionados mostraram degradação significativa quando a perda de dados excedeu 25%.
• Estudos de Ablação: A remoção do objetivo Best-RQ-MAE causou a maior queda de desempenho (7,16%), destacando sua importância para a aprendizagem robusta de representações. A remoção dos objetivos multivisão clínicos reduziu o desempenho em 3,95%, confirmando o valor da integração de metadados e características.

Significado e Alegações

Os autores afirmam que o PRISM-CTG representa o primeiro modelo fundamental em grande escala para CTG capaz de aprender representações transferíveis em nível de domínio. O significado primário do estudo reside em demonstrar que:

1. SSL em grande escala é viável para CTG: Ele aproveita efetivamente dados não rotulados para superar as limitações de conjuntos de dados rotulados escassos.
2. O Contexto Clínico é um Sinal de Supervisão: Ao reformular metadados do paciente e características engenheiradas de domínio como alvos de previsão em vez de entradas descartadas, o modelo aprende representações fundamentadas clinicamente que são mais robustas e transferíveis do que aquelas aprendidas apenas a partir da morfologia.
3. Generalização Superior: O modelo alcança desempenho comparável a estudos treinados em conjuntos de dados privados rotulados substancialmente maiores, apesar de usar um conjunto de pré-treinamento menor e publicamente disponível e dados intraparto mínimos.

O artigo conclui que a análise automatizada futura de CTG deve mudar de uma otimização supervisionada estreita e específica de tarefas para pré-treinamento auto-supervisionado em grande escala e informado clinicamente como a estratégia principal.