Ocena zdrowia serca w różnych scenariuszach i na różnych urządzeniach przy użyciu multimodalnego modelu bazowego wstępnie wytrenowanego na danych od 1,7 miliona osób

Dlaczego dane o Twoim biciu serca mają znaczenie

Od szpitalnych monitorów po smartwatche — coraz większa część naszego życia jest rejestrowana przez niewielkie sygnały elektryczne i optyczne pochodzące z serca. Takie zapisy potrafią wykrywać groźne zaburzenia rytmu, szacować ciśnienie krwi bez mankietu, a nawet wskazywać na przyszłe ryzyko sercowe. Jednak ponieważ urządzenia i warunki pomiaru są bardzo różne, współczesne algorytmy często działają dobrze tylko w wąskich sytuacjach, dla których je zaprojektowano. W tym badaniu przedstawiono nowy rodzaj „modelu bazowego” dla sygnałów serca, którego celem jest rozumienie zdrowia serca w wielu urządzeniach, krajach i zastosowaniach jednocześnie.

Wiele sposobów słuchania serca

Lekarze i urządzenia mogą „słuchać” serca na kilka sposobów. Klasycznym badaniem szpitalnym jest 12‑odprowadzeniowy elektrokardiogram (EKG), z przyklejanymi elektrodomi rozłożonymi na klatce piersiowej i kończynach, rejestrujący aktywność elektryczną serca z różnych kątów. Oddziały intensywnej terapii często używają mniejszej liczby odprowadzeń oraz optycznego czujnika zwanego fotopletyzmogramem (PPG), który oświetla skórę, by śledzić pulsowanie krwi w naczyniach. W domu smartwatche i plastry mogą rejestrować tylko jedno odprowadzenie EKG lub jedynie PPG. Każda z tych konfiguracji generuje sygnały o różnych kształtach, długościach i liczbie kanałów, co utrudnia stworzenie jednego modelu działającego uniwersalnie. Tradycyjne podejścia zwykle trenują osobne, dostosowane algorytmy dla każdego urządzenia i zadania, i mają problem po przeniesieniu do nowych środowisk lub populacji.

Jeden „mózg” dla wielu sygnałów serca

Naukowcy zaprojektowali kardiologiczny model bazowy, nazwany CSFM, mający pełnić rolę wspólnego „mózgu” dla tych wszystkich sygnałów. Zamiast uczyć się z jednego uporządkowanego zbioru danych, CSFM trenowano na ogromnej i nieuporządkowanej kolekcji: około 1,7 miliona zapisów serca z wielu szpitali i krajów, obejmującej zarówno przebiegi EKG, jak i PPG oraz tekstowe raporty, które sporządzili lekarze lub maszyny. Model dzieli sygnały na krótkie segmenty, zamienia zarówno sygnały, jak i słowa na tokeny i przetwarza je przez transformera — typ architektury głębokiego uczenia, który przyczynił się do ostatnich postępów w rozumieniu języka i obrazów. W trakcie treningu duże fragmenty tokenów są celowo ukrywane, a model uczy się rekonstruować brakujące części. Takie „maskowane” uczenie zmusza CSFM do wychwycenia istotnych wzorców wspólnych dla różnych urządzeń, odprowadzeń i języków opisów.

Od diagnozy po ciśnienie krwi i dalej

Po wstępnym wytrenowaniu CSFM można dostosować do wielu konkretnych zadań przy użyciu stosunkowo niewielkich oznakowanych zbiorów danych. Zespół przetestował go w klasyfikacji rytmu i chorób serca, używając standardowych 12‑odprowadzeniowych EKG, noszonych jednoodprowadzeniowych EKG oraz PPG ze smartwatchy. Model nie tylko dorównywał, ale często przewyższał silne, zadaniowo wyspecjalizowane sieci głębokie. CSFM pomógł też oszacować wiek, płeć i wskaźnik masy ciała bezpośrednio z krótkich fragmentów EKG i PPG, co pokazuje, że uchwycił subtelne wskazówki dotyczące osoby, a nie tylko samego bicia serca. W innym zestawie eksperymentów model przekształcał EKG i PPG w ciągłe przebiegi ciśnienia krwi, a następnie w wartości skurczowe i rozkurczowe, uzyskując dokładniejsze bezmankietowe oszacowania ciśnienia niż konkurencyjne metody.

Praca między urządzeniami i wypełnianie braków

Szczególnie ważnym testem było sprawdzenie, czy CSFM poradzi sobie w sytuacjach, gdy dostępna jest tylko część zwykłych informacji. Badacze pokazali, że modele dotończone z użyciem CSFM działały dobrze niezależnie od tego, czy widziały wszystkie 12 odprowadzeń EKG, sześć odprowadzeń, dwa popularne odprowadzenia czy nawet pojedyncze odprowadzenie. Testowali też kombinacje wejść: tylko EKG, tylko PPG oraz EKG plus PPG. W tych konfiguracjach systemy oparte na CSFM pozostawały wydajne, podczas gdy konwencjonalne modele pogarszały się szybciej. Wewnętrzne reprezentacje modelu mogły być nawet użyte jako gotowe cechy dla prostszych narzędzi, takich jak lasy gradientowe, często osiągając wydajność zbliżoną do w pełni dostrojonych sieci głębokich. Wreszcie, dodając główkę regresyjną, CSFM potrafił generować jeden typ sygnału z innego — na przykład tworzyć realistyczne EKG z przebiegu PPG albo rekonstruować pełne 12‑odprowadzeniowe EKG z pojedynczego odprowadzenia — otwierając drogę do augmentacji danych i lepszej analizy, gdy idealne zapisy są niedostępne.

Co to może znaczyć dla pacjentów

Dla osób niebędących ekspertami najważniejszy przekaz jest taki, że pojedynczy, ogólnego przeznaczenia model potrafi teraz interpretować bardzo różne zapisy serca i dostarczać dokładnych, klinicznie użytecznych odpowiedzi. Zamiast tworzyć jeden kruchy algorytm dla każdego urządzenia i szpitala, CSFM oferuje wspólną podstawę, którą można lekko dostroić do lokalnych potrzeb — od wykrywania groźnych rytmów na smartwatchu po przewidywanie, którzy pacjenci mają wyższe ryzyko zgonu w ciągu roku. Autorzy przyznają otwarte problemy, takie jak uczynienie decyzji modelu bardziej zrozumiałymi dla klinicystów i zmniejszenie jego zapotrzebowania na moc obliczeniową. Mimo to ich wyniki sugerują, że modele bazowe dla sygnałów serca mogą pomóc w upowszechnieniu zaawansowanego monitoringu kardiologicznego i prognoz ryzyka dla większej liczby osób, w większej liczbie miejsc, przy użyciu urządzeń, które już posiadają.

Cytowanie: Gu, X., Tang, W., Han, J. et al. Cardiac health assessment across scenarios and devices using a multimodal foundation model pretrained on data from 1.7 million individuals. Nat Mach Intell 8, 220–233 (2026). https://doi.org/10.1038/s42256-026-01180-5

Słowa kluczowe: model bazowy kardiologiczny, elektrokardiogram, fotopletyzmografia, cyfrowa kardiologia, noszone urządzenia do monitorowania serca