PEACE：小児と成人の心電図をクロスモーダルに強化して整合することで頑健な小児診断を実現

Abstract

自動的な小児心電図（ECG）の診断は依然として困難です。というのも、成人データを主に用いて学習したモデルは集団間の不一致（クロス・ポピュレーション・ミスマッチ）が大きい一方で、小児のラベルはしばしば入手が困難だからです。私たちは、成人から小児へのECG転送のための構造化されたクロスモーダル整合フレームワークであるPEACE（Pediatric-Adult ECG Alignment via Cross-modal Enhancement）を提示します。PEACEは、三軸の臨床セマンティック分解、ラベル照会による特徴抽出、カリキュラム・ゲーティング付き最適化を統合し、転送可能な成人ECG表現を小児の診断目標へ整合させます。ZZU-pECGでは対応する臨床レポートが提供されないため、Geminiを用いて簡潔な臨床プロンプトによりラベル条件付きのセマンティック記述子を生成し、それらを補助的な学習上の監督としてのみ使用します。推論はECGのみのままです。ZZU-pECGにおいて、PEACEはゼロショット、50ショット、完全なファインチューニングの設定でそれぞれ59.39%、79.03%、90.89%のAUCを達成し、共有されたPTB-XLラベル空間では96.65%のAUCに到達します。これらの結果は、構造化された臨床セマンティック監督が、低リソース下での成人から小児へのECG転送を改善し得ることを示唆しています。一方で、実運用の前には前向きな臨床的検証と、より明示的な年齢に配慮したモデリングがなお必要です。