Resumo Técnico: MAR-ECG

Declaração do Problema

O eletrocardiograma (ECG) de 12 derivações é um sinal espaço-temporal complexo contendo informações diagnósticas que variam desde a morfologia da forma de onda em milissegundos até a dinâmica do ritmo em múltiplos segundos. As abordagens existentes de aprendizado de representação enfrentam duas limitações primárias:

1. Aprendizado Auto-Supervisionado (SSL) Apenas de Sinal: Métodos que utilizam reconstrução de patches mascarados, previsão latente ou aprendizado contrastivo em dados não rotulados frequentemente aprendem estruturas morfológicas de baixo nível, mas falham em capturar as relações clínicas estruturadas necessárias para tarefas diagnósticas subsequentes.
2. Alinhamento Multimodal ECG-Texto: Embora métodos no estilo CLIP que alinham sinais de ECG com relatórios clínicos pareados alcancem desempenho de última geração (SOTA), eles dependem de corpora de texto caros e licenciados que não se transferem bem entre hospitais ou idiomas. Além disso, os relatórios de ECG são frequentemente baseados em modelos, resultando em incorporações de texto agrupadas que carecem de sinal discriminativo em comparação com relatórios de radiologia em texto livre.

Crucialmente, ambos os paradigmas ignoram um recurso estruturado disponível em praticamente todo registro clínico: códigos diagnósticos SNOMED-CT. Esses códigos formam uma ontologia cardíaca curada que codifica relações clínicas (por exemplo, hierarquias pai-filho, co-ocorrências de irmãos) com mais precisão do que narrativas em texto livre e são padronizados entre instituições.

Metodologia: MAR-ECG

Os autores propõem o MAR-ECG (Representação Autoregressiva Mascarada para ECG), um framework guiado por ontologia que supervisiona o codificador diretamente usando um grafo curado de conceitos cardíacos SNOMED-CT de 40 nós ($G$) em vez de texto clínico pareado. O framework combina uma espinha dorsal autoregressiva mascarada (MAR) com dois objetivos complementares guiados por ontologia.

1. Arquitetura da Espinha Dorsal

• Tokenização de Entrada: O sinal de ECG de 12 derivações é segmentado em patches temporais sobrepostos por derivação. Uma projeção linear compartilhada incorpora esses patches em tokens, aumentada com incorporações de derivação e posição aprendíveis.
• Codificador: Um transformador bidirecional emprega atenção fatorada espacial-então-temporal. Ele primeiro atende através das 12 derivações em um único instante de tempo e, em seguida, através do tempo dentro de uma única derivação. Isso reduz a complexidade de $O(C^2T^2)$ para $O(CT^2 + C^2T)$, preservando o viés indutivo de que os padrões de ECG surgem de interações em ambos os eixos.
• Reconstrução Autoregressiva Mascarada: Uma fração de pares (derivação, patch) é mascarada. Um decodificador causal prevê os valores originais dos patches condicionado ao contexto bidirecional completo do codificador. Isso serve como a âncora principal de pré-treinamento.

2. Aprendizado Contrastivo Suavizado por Grafo (GSCL)

Este objetivo ancora a representação agrupada de ritmo (agregada através de derivações e tempo) ao grafo SNOMED.

• Alvos Suaves: Em vez de rótulos one-hot duros, o GSCL utiliza uma distribuição de alvo suave derivada da distância geodésica do grafo ($D_{tree}$) entre o conceito positivo primário ($c^*_b$) e todos os outros nós no grafo.
• Mecanismo: A probabilidade alvo para um conceito $c$ é proporcional a $\exp(-D_{tree}[c^*_b, c] / \sigma)$. Isso garante que conceitos clinicamente relacionados (por exemplo, raízes de pais, atalhos de irmãos) atuem como "positivos suaves" em vez de negativos duros, reforçando a compreensão do codificador da hierarquia clínica.
• Geração de Protótipos: Protótipos de conceitos são gerados dinamicamente via uma Rede de Convolução em Grafo (GCN) leve aplicada à adjacência fixa do grafo, garantindo que a similaridade estrutural seja injetada no espaço de representação.

3. Supervisão Fisiológica Multi-Escala (MSPS)

Para abordar lacunas no GSCL (que opera no nível da amostra), o MSPS introduz cabeças auxiliares leves na representação por patch (média de derivação):

• Auxiliar de Ritmo de Patch: Prevê estatísticas de ritmo ao nível da amostra (intervalo médio R-R, variabilidade, bucket de frequência cardíaca, sinalizador de alternância) transmitido para todos os patches.
• Auxiliar de Posição de Patch: Prevê buckets de posição da sequência e fases de pico R (PRÉ-R, R, ST, ONDA-T) com base na detecção não supervisionada de pico R.
• Benefício: Isso estende a supervisão para as escalas de batimento e ritmo sem exigir anotações adicionais, prevenindo o colapso de tokens e ancorando o modelo em marcos fisiológicos.

4. Objetivo de Treinamento

A perda total combina a perda de reconstrução autoregressiva mascarada com GSCL, MSPS e regularizadores auxiliares padrão (previsão latente, contraste de visão e uma cabeça de alinhamento de conceito-texto de múltiplos protótipos legada). O decodificador é descartado após o pré-treinamento; apenas o codificador é retido para avaliação subsequente.

Contribuições Principais

1. Pré-treinamento Guiado por Ontologia: O MAR-ECG é o primeiro método auto-supervisionado de ECG a usar uma estrutura de grafo-ontologia como objetivo principal de pré-treinamento, eliminando a necessidade de texto clínico pareado.
2. Aprendizado Contrastivo Suavizado por Grafo: Introduz um objetivo contrastivo inovador que suaviza a distribuição de alvo InfoNCE usando distâncias geodésicas de grafo, permitindo que conceitos clinicamente relacionados se reforcem mutuamente.
3. Supervisão Fisiológica Multi-Escala: Estende a supervisão além do nível da amostra para os níveis de patch e batimento usando estatísticas fisiológicas extraídas automaticamente, fechando a lacuna entre morfologia e dinâmica de ritmo.
4. Eficiência de Recursos: Ao aproveitar códigos SNOMED-CT (inerentes aos fluxos de trabalho clínicos) em vez de relatórios em texto livre, o método evita barreiras de licenciamento e problemas de transferência entre idiomas.

Resultados

O modelo foi pré-treinado em ~40.000 ECGs de 12 derivações publicamente disponíveis com códigos SNOMED-CT e avaliado via sondagem linear congelada em cinco benchmarks de classificação subsequentes (subconjuntos PTB-XL e CPSC2018).

• Desempenho vs. Baselines: O MAR-ECG supera consistentemente fortes baselines autoregressivas mascaradas (por exemplo, configuração C1). No regime de baixa rotulagem (1% e 10% de rótulos), a adição de GSCL (C2) produz ganhos significativos (por exemplo, +16,99 AUC em PTBXL-Rhythm com 1% de rótulos).
• Comparação com Métodos Multimodais: Apesar da ausência de texto clínico pareado, o MAR-ECG alcança desempenho competitivo com métodos multimodais ECG-texto SOTA (por exemplo, MERL, MELP, D-BETA). Especificamente, o MAR-ECG (C2) iguala ou supera as baselines multimodais em 9 de 15 células de avaliação.
• Ablação: A adição da Supervisão Fisiológica Multi-Escala (C3) afina ainda mais o desempenho em tarefas ricas em ritmo, embora incorra em uma troca menor em tarefas apenas de morfologia.

Significado e Alegações

O artigo afirma que ontologias diagnósticas estruturadas podem substituir efetivamente a supervisão em texto livre no aprendizado de representação de ECG. Ao alinhar o codificador diretamente com o grafo SNOMED-CT, o MAR-ECG captura as relações clínicas necessárias para tarefas subsequentes sem as restrições de dados das abordagens multimodais. Os autores postulam que essa abordagem oferece uma alternativa escalável e sem licença para o desenvolvimento de modelos fundamentais robustos de ECG, particularmente em cenários onde o texto clínico pareado está indisponível ou não padronizado. A implementação é disponibilizada para facilitar a reprodutibilidade.