ArcFace-Inception による ECG バイオメトリクス：MIMIC と HEEDB における外部検証

Abstract

心電図（ECG）バイオメトリクスは主に小規模コホートおよび短いセッション間隔で研究されてきたため、大規模ギャラリー、外部ドメインシフト、ならびに複数年にわたる時間的ギャップのもとで同定がどのように振る舞うかは未解決のままである。本研究では、53,079人の患者から得られた164,440件の12誘導ECGから成る内部臨床コーパスで、ArcFaceにより学習した1D Inception-v1モデルを評価し、MIMIC-IV-ECGおよびHEEDBに由来するより大規模なコホートで検証した。研究は、Rank@KおよびTAR@FAR指標とともに、スケール、時間的ストレス、再ランキング、信頼性（confidence）分析を用いた統一されたクローズドセットのleave-one-out プロトコルで実施した。一般的な比較可能性のもとで、このシステムはASUGI-DBでRank@1が0.9506、MIMIC-GCで0.8291、HEEDB-GCで0.6884を達成した。ギャラリーサイズを一定にした時間的ストレステストでは、Rank@1は、MIMICで1年から5年の間に0.7853から0.6433へ、またHEEDBでは0.6864から0.5560へと低下した。HEEDBに対するスケール分析では、ギャラリーサイズが増加するにつれて単調な劣化が観察され、患者あたりの検査数が増えると回復した。HEEDB-RRにおいては、事後（post-hoc）の再ランキングにより検索がさらに改善され、AS-normは、0.7765という基準（ベースライン）からRank@1 = 0.8005へ到達した。したがって、ECGのアイデンティティ情報は、外部で検証された大規模なクローズドセット条件下でも測定可能であり続けるが、その運用上の品質は、ドメインの異質性、縦断的ドリフト、ギャラリーサイズ、ならびに第2段階のスコア処理の影響を強く受ける。