Resumo Técnico: ECG-LLM

Declaração do Problema

As doenças cardiovasculares continuam sendo a principal causa de morte globalmente, mas a triagem de primeira linha na atenção primária é frequentemente limitada pelo acesso restrito a exames de imagem diagnóstica avançados, como o ecocardiograma (ECHO) ou a ressonância magnética cardíaca (CMR). Embora o eletrocardiograma (ECG) de 12 derivações seja um teste inicial padrão e de baixo custo, os sistemas de IA existentes para interpretação de ECG são tipicamente limitados a rótulos diagnósticos fixos ou geração de relatórios automatizados. Esses sistemas carecem da flexibilidade para apoiar o raciocínio clínico específico do paciente ou para inferir fenótipos cardíacos complexos (ex: volumes ventriculares, espessura da parede) que não são diretamente visíveis na onda do ECG, mas que são críticos para a tomada de decisão clínica. Além disso, as abordagens multimodais atuais frequentemente exigem modelos separados para tarefas específicas ou dependem de aprendizado contrastivo que produz representações em vez de respostas clínicas diretas.

Metodologia

Os autores apresentam o ECG-LLM, um modelo de fundação projetado para realizar raciocínio cardíaco multimodal mediado por linguagem usando apenas o sinal bruto de ECG de 12 derivações como entrada.

Arquitetura

O ECG-LLM segue uma arquitetura de modelo de linguagem-visão (VLM) adaptada para dados de séries temporais:

• Codificador de ECG: Um codificador ViT-MAE (Autoencoder de Máscara de Transformador de Visão) autossupervisionado, pré-treinado em ECGs de 12 derivações utilizando um objetivo de reconstrução de máscara. Este codificador processa patches de ondas brutas em tokens latentes sem depender de dados textuais ou de imagem pareados durante o pré-treinamento.
• Projetor: Um MLP de duas camadas leve que mapeia os tokens do codificador de ECG para o espaço de incorporação (embedding) do modelo de linguagem.
• Modelo de Linguagem: Um LLM autorregressivo (Llama-3.1-8B-Instruct) que gera respostas em texto livre. Durante o treinamento, o backbone do LLM é congelado, e apenas os adaptadores LoRA (Low-Rank Adaptation) e o projetor são treinados para minimizar a perda de predição do próximo token.

Supervisão Multimodal-para-Linguagem

A principal inovação é uma estratégia de supervisão multimodal-para-linguagem. Em vez de treinar modelos separados para fenótipos específicos, os autores constroem um espaço de supervisão unificado utilizando linguagem natural.

1. Fontes de Dados: O modelo é treinado em 679.112 estudos de ECG de quatro coortes: UK Biobank (vinculado a CMR), MIMIC-IV-ECG, PTB-XL e EchoNext (vinculado a ECHO).
2. Geração de QA (Pergunta-Resposta): Para cada estudo de ECG, metadados estruturados (medições de ECG, relatórios diagnósticos, fenótipos de CMR/ECHO, demografia) são compilados. Um LLM hospedado localmente (GPT-OSS-20B) gera mais de 5 milhões de pares de pergunta-resposta (QA) clinicamente fundamentados. Esses pares simulam consultas clínicas de linha de frente (ex: "Qual é a função ventricular?") e fornecem respostas derivadas dos dados de imagem e clínicos disponíveis.
3. Objetivo de Treinamento: O modelo é treinado para responder a essas perguntas condicionadas apenas à onda do ECG e ao texto da pergunta. Na inferência, nenhum dado de imagem ou módulos de recuperação externa são usados; o modelo deve inferir fenótipos derivados de imagem exclusivamente a partir da representação do ECG.

Principais Contribuições

1. Supervisão Multimodal-para-Linguagem: Uma estratégia que desloca o treinamento de ECG-linguagem da reprodução de relatórios gerados por máquina para a resposta a consultas flexíveis e orientadas por perguntas sobre fenótipos cardíacos derivados de ECG e de imagem.
2. Recurso de Ajuste de Instrução em Larga Escala: Um pipeline que gera mais de 5 milhões de pares de QA clinicamente realistas, no estilo de um clínico geral (GP), a partir de dados unificados de ECG, CMR e ECHO, criando um recurso para o raciocínio condicionado ao ECG.
3. Modelo ECG-LLM: Um modelo autorregressivo de código aberto que processa ECGs brutos de 12 derivações para responder a perguntas cardíacas em texto livre, sem imagens renderizadas, cabeças de classificação específicas para tarefas ou imagem em tempo de inferência.
4. Avaliação Sistemática: Benchmarking abrangente através de UK Biobank, MIMIC-IV-ECG, PTB-XL e EchoNext, cobrindo interpretação de ECG, inferência de fenótipo de imagem e benchmarks padrão de QA.

Resultados

1. Inferência de Fenótipo Derivado de ECG e CMR

Avaliado em 1.000 ECGs do UK Biobank, o ECG-LLM respondeu com sucesso a perguntas sobre medições convencionais de ECG (frequência cardíaca, intervalos, eixos) e fenótipos derivados de CMR (volumes, fração de ejeção, espessura da parede).

• Fenótipos de ECG: O modelo alcançou fortes pontuações macro-F1 para propriedades diretamente visíveis (ex: frequência cardíaca, duração do QRS).
• Fenótipos de CMR: O modelo demonstrou a capacidade de inferir sinais estruturais não medidos diretamente no ECG, como espessura da parede do ventrículo esquerdo (VE) e volumes ventriculares, apresentando desempenho significativamente acima das linhas de base de classe majoritária. Matrizes de confusão indicaram que, embora classes raras tenham sido desafiadoras, o modelo capturou sinais estruturais grosseiros.

2. Inferência de Fenótipo Ecocardiográfico (EchoNext)

No conjunto de dados EchoNext (5.442 estudos pareados ECG-ECHO), o modelo foi avaliado na classificação binária de 11 fenótipos ecocardiográficos via um protocolo de texto livre "Sim/Não".

• Desempenho: O ECG-LLM alcançou os maiores F1-scores para 10 de 11 fenótipos em comparação com o Columbia Mini-Model e uma linha de base de ViT supervisionado.
• Principais Achados: O desempenho mais forte foi observado para aumento da espessura da parede do VE (F1: 0,77), estenose aórtica moderada ou superior (F1: 0,67) e disfunção sistólica do ventrículo direito (F1: 0,61). O desempenho foi menor para achados raros ou fracamente expressos (ex: derrame pericárdico, regurgitação pulmonar), embora ainda não fosse aleatório.

3. Benchmark de ECG-QA

Avaliado no benchmark ECG-QA (PTB-XL e MIMIC-IV-ECG), o ECG-LLM superou as linhas de base existentes (Fusion, MedViLL, M3AE) em tarefas direcionadas:

• Single-Verify (Verificação Única): 76,71% de correspondência exata no PTB-XL (vs. 74,60% para M3AE).
• Single-Choose (Escolha Única): 68,32% de correspondência exata no PTB-XL (vs. 57,10% para M3AE).
• O modelo mostrou forte desempenho em diversos conceitos, incluindo bloqueios de condução, arritmias e alterações isquêmicas, embora a correspondência exata em tarefas complexas de múltiplas etiquetas "Single-Query" tenha permanecido um desafio devido ao rigor da métrica.

4. Geração de Relatório Diagnóstico

Usando um protocolo de LLM-como-Juiz (GPT-OSS-20B) para avaliar resumos diagnósticos de texto livre, o ECG-LLM igualou ou excedeu o desempenho do PULSE-7B (uma linha de base ECG-imagem) e superou significativamente os VLMs médicos gerais (MedGemma-4B) e a linha de base de sinal bruto ECG-Chat (sem seus módulos de recuperação). Isso confirmou a capacidade do modelo de mapear a morfologia bruta do ECG para a linguagem diagnóstica convencional.

Significância e Alegações

O artigo afirma que o ECG-LLM representa uma mudança da predição de rótulos fixos para o raciocínio cardiovascular flexível e orientado por perguntas. Ao usar a linguagem natural como um espaço de supervisão unificado, o modelo aprende a associar ondas de ECG brutas com um amplo espectro de conhecimento cardíaco, incluindo fenótipos derivados de imagem.

Os autores enfatizam que esta abordagem permite que um único ECG sirva como uma interface flexível para a triagem de primeira linha, permitindo que clínicos façam perguntas direcionadas sobre o estado cardiovascular mais amplo do paciente (ex: "Há evidência de redução da fração de ejeção?") mesmo quando a imagem está atrasada ou indisponível. O trabalho posiciona o ECG-LLM não como um sistema de diagnóstico autônomo, mas como uma ferramenta de suporte à decisão para o clínico que pode fornecer uma "segunda opinião" e guiar a necessidade de exames de imagem adicionais. Os autores reconhecem limitações, incluindo o risco de alucinação, a discretização de variáveis contínuas e a necessidade de avaliação clínica humana antes da implementação.