Smartwatch Photoplethysmography-Derived Heart Age via ECG-Guided Cross-Modal Pretraining as a Digital Biomarker of Vascular Aging

Resumo Técnico: Idade Cardíaca Derivada de PPG em Smartwatches via Pré-treinamento Cross-Modal Guiado por ECG

Problema
O envelhecimento cardiovascular, caracterizado pela rigidez arterial e hipertensão, é um dos principais impulsionadores da morbidade e mortalidade globais. Embora a "idade cardíaca" ou "idade vascular" ofereça uma métrica interpretável para o risco cardiovascular, os métodos de estimativa existentes dependem fortemente de ambientes clínicos, eletrocardiografia (ECG) de repouso, imagem ou medições especializadas de função vascular. Essas abordagens carecem da natureza de baixo ônus, alta frequência e repetibilidade necessárias para o monitoramento contínuo. Embora a fotopletismografia (PPG) de smartwatches ofereça uma alternativa escalável, os modelos atuais de idade baseados em PPG enfrentam desafios como ruído de sinal, escassez de dados rotulados, baixa generalização entre coortes e uma falta de ligação com fenótipos clínicos padrão-ouro, como rigidez arterial e hipertensão. Além disso, os modelos existentes raramente utilizam a rica informação fisiológica disponível em pares sincronizados de ECG-PPG durante o treinamento para aprimorar o aprendizado de representação de PPG.

Metodologia
Os autores propõem uma estrutura de pré-treinamento cross-modal guiada por ECG projetada para aprender representações robustas de PPG para a estimativa da idade cardíaca, mantendo uma via de inferência apenas de PPG adequada para implantação em smartwatches.

• Desenho do Estudo e Coortes: O estudo utilizou três coortes do OPPO Health Lab envolvendo 581.804 participantes e mais de 7,4 milhões de registros:

  1. Estudo de Saúde Vascular (VHS): Uma coorte interna utilizada para pré-treinamento (não rotulada, ECG-PPG sincronizados) e ajuste fino supervisionado (rotulada com idade cronológica).
  2. Coorte Externa de PWV: Utilizada para validação externa e análise de associação com a Velocidade da Onda de Pulso (PWV - rigidez arterial).
  3. Coorte Externa de HBPM: Utilizada para validação externa e análise de associação com o monitoramento residencial da pressão arterial (prevalência de hipertensão).

• Arquitetura do Modelo:

  • Encoders: Ambos os sinais de ECG e PPG são processados por encoders ResNet-18 de 1D específicos para cada modalidade. Os inputs de PPG utilizam quatro canais (luz verde), enquanto o ECG utiliza uma única derivação.
  • Pré-treinamento (SA-CLIP): O modelo emprega uma estratégia de pré-treinamento em duas etapas nos dados não rotulados do VHS:
    1. Aprendizado Autossupervisionado Sensível ao Sujeito (SA-SSL): Utiliza aprendizado contrastivo para aproximar visualizações aumentadas do mesmo sinal do participante, enquanto afasta sinais de diferentes participantes.
    2. Alinhamento Contrastivo Cross-Modal (estilo CLIP): Alinha representações de ECG e PPG sincronizadas do mesmo intervalo de tempo. O ECG atua como uma "modalidade privilegiada" para guiar o encoder de PPG, transferindo o ritmo cardiovascular e a dinâmica batimento a batimento sem exigir ECG na inferência.
  • Ajuste Fino (Fine-Tuning): O encoder de PPG pré-treinado é ajustado nos dados rotulados do VHS usando a idade cronológica como alvo de regressão.
  • Inferência: O modelo implantado depende exclusivamente do input de PPG para prever a idade cardíaca.

• Estratégia de Agregação: Para lidar com a variabilidade do sinal, o estudo avalia a idade cardíaca ao nível do sujeito agregando múltiplos registros de curto prazo (dentro de uma janela de 3 meses) por participante, observando que o aumento da densidade de dados melhora a estabilidade.

• Análise Downstream: O "Gap de Idade Cardíaca" (idade cardíaca prevista menos a idade cronológica) é analisado quanto às associações com resíduos de PWV e prevalência de hipertensão, ajustando para idade cronológica, sexo, IMC e histórico familiar.

Principais Resultados

• Desempenho: O pré-treinamento cross-modal guiado por ECG (SA-CLIP) melhorou significativamente o desempenho apenas de PPG em comparação com o aprendizado autossupervisionado de modalidade única (SA-SSL). Na coorte interna VHS, o modelo de apenas PPG SA-CLIP alcançou um Erro Médio Absoluto (MAE) ao nível do sujeito de 4,951 anos (Pearson r = 0,734), superando o modelo de PPG SA-SSL (MAE 5,223 anos, r = 0,687).
• Validação Externa: O modelo generalizou-se de forma robusta para coortes externas:
  • Coorte PWV: MAE ao nível do sujeito de 5,895 anos (r = 0,819).
  • Coorte HBPM: MAE ao nível do sujeito de 4,344 anos (r = 0,800).
• Estabilidade: A agregação de registros repetidos melhorou a estabilidade ao nível do sujeito. A agregação de 15 registros reduziu o MAE para 4,949 anos e aumentou o r para 0,733 em comparação com as estimativas de registro único.
• Associações Clínicas:
  • Rigidez Arterial: O gap de idade cardíaca permaneceu significativamente associado à PWV após o ajuste para idade cronológica (correlação parcial = 0,2627, P < 0,001). A regressão multivariável mostrou que cada aumento de 1 ano no gap de idade correspondia a um aumento de **0,062 m/s** na PWV. Participantes com envelhecimento cardíaco acelerado (>3 anos de gap) tiveram uma PWV ajustada 0,91 m/s maior do que aqueles com envelhecimento desacelerado.
  • Hipertensão: Na coorte HBPM, um gap de idade cardíaca ajustado mais alto foi independentemente associado à prevalência de hipertensão. Cada aumento de 1-SD no gap foi associado a um Odds Ratio (OR) de 1,72 (95% CI 1,49–1,99). Participantes no quartil mais alto do gap de idade cardíaca apresentaram um OR de 4,25 em comparação ao quartil mais baixo.

Significância e Alegações
O artigo afirma estabelecer um caminho de evidência de ponta a ponta, desde o aprendizado de representação de sinal de wearable até a validação de fenótipo cardiovascular. Suas principais contribuições são:

1. Inovação Metodológica: Demonstrar que o pré-treinamento cross-modal guiado por ECG pode aprimorar o aprendizado de representação de PPG, permitindo a estimativa de idade cardíaca de alta precisão usando apenas PPG na inferência. Isso aproveita o ECG como um sinal supervisório "privilegiado" durante o treinamento sem aumentar o ônus sensorial na implantação.
2. Biomarcador Digital Escalável: Validar que o gap de idade cardíaca derivado de PPG em smartwatches serve como um biomarcador digital escalável para estratificar a rigidez arterial e a hipertensão prevalente, independentemente da idade cronológica.
3. Utilidade Prática: Mostrar que a agregação de curto prazo de medições repetidas de wearables melhora significativamente a precisão e a estabilidade das estimativas ao nível do sujeito, apoiando a viabilidade do monitoramento contínuo em cenários do mundo real.

Os autores posicionam este trabalho como um passo em direção à identificação de sinais precoces e assintomáticos de envelhecimento cardiovascular na vida cotidiana, oferecendo uma ferramenta para estratificação de risco que é mais acessível do que as medições clínicas tradicionais. Eles observam limitações relativas à população específica do dispositivo (principalmente asiática, relativamente jovem) e à natureza transversal da análise de hipertensão, o que impede a inferência causal.