ImputeECG: 심장 평가를 위한 불완전한 심전도 기록으로부터 완전한 12극 심전도를 재구성하는 딥러닝 모델

ImputeECG: Deep Learning Reconstruction of Complete 12-Lead Electrocardiograms from Incomplete Recordings for Cardiac Assessment

인공지능 기반의 심혈관 평가에 필수적인 완전한 디지털 12극 심전도는, 특히 ECG 이미지에서 디지털화된 많은 임상 심전도 기록에서 짧은 표시 형식, 불완전한 파형 디지털화, 리드 손실 또는 신호 손상으로 인해 여전히 불완전한 경우가 많습니다. 본 연구에서는 관측된 모든 샘플을 유지하면서 12극, 10초 심전도를 완성하는 마스크 조건부 1차원 트랜스포머 오토인코더인 ImputeECG를 개발했습니다. 모델은 PTB-XL 데이터셋으로 학습되었으며, 시뮬레이션된 불완전한 환경에서 PTB-XL 및 CPSC2018 데이터셋으로 평가되었습니다. 또한, ECG 이미지 디지털화를 통해 생성된 43,633개의 Kailuan 임상 코호트 데이터를 사용하여 실제 성능을 검증했습니다. 원래 누락된 영역에 대한 지표를 계산하고 형태학적 분석 및 후속 진단 유용성을 평가했습니다. PTB-XL 데이터셋에서 ImputeECG는 가장 강력한 기준 모델 대비 누락된 영역의 평균 절대 오차(MAE)를 41.7~51.0% 감소시키고, 평균 제곱 오차(MSE)를 54.0~63.7% 감소시켰습니다. 또한 R-파 타이밍, RR 간격, QRS 지속 시간, QT 간격, P-파, QRS 복합체 및 T-파 재구성에 대한 오류도 줄였습니다. CPSC2018 데이터셋에서도 ImputeECG는 MAE를 49.7~51.9% 감소시켜 외부 일반화 가능성을 입증했습니다. 후속 다중 레이블 분류 작업에서, ImputeECG는 가장 불완전한 PTB-XL 환경에서 92.28%의 AUROC 및 33.88%의 AUPRC를 달성하여 완전한 심전도 성능에 근접하는 결과를 보였습니다. CPSC2018 데이터셋에서는 완성된 심전도가 다양한 환경에서 94.75~95.89%의 AUROC 및 78.83~81.86%의 AUPRC를 달성했습니다. Kailuan 코호트에서는 ECG 완성 기술이 이미지 기반 ECG 디지털화를 통해 얻은 데이터에 대한 제로샷 성별 예측의 AUROC를 82.6%에서 85.8%로 향상시키고, 나이 예측 MAE를 10.72년에서 9.87년으로 줄였습니다. 이러한 결과는 불완전한 심전도 기록을 인공지능 기반 분석에 적합한 12극, 10초 디지털 신호로 변환하고 디지털 심장 평가를 위한 ECG 아카이브의 활용 범위를 확장하는 실용적인 전략으로서의 ECG 완성 기술의 가능성을 보여줍니다.

Complete digital 12-lead electrocardiograms (ECGs) are essential for AI-enabled cardiovascular assessment, yet many clinical ECG records, particularly those digitized from ECG images, remain incomplete because of short display formats, incomplete waveform digitization, lead loss, or signal corruption. We developed ImputeECG, a mask-conditioned one-dimensional Transformer autoencoder that completes 12-lead, 10-s ECGs while retaining all observed samples. The model was trained on PTB-XL and evaluated on PTB-XL and CPSC2018 under simulated incomplete settings, with additional real-world validation in a 43,633-record Kailuan clinical cohort after ECG image digitization. Metrics were computed over originally missing regions, with analyses of morphology and downstream diagnostic utility. On PTB-XL, ImputeECG reduced missing-region MAE by 41.7-51.0% and MSE by 54.0-63.7% versus the strongest baseline, with lower errors in R-peak timing, RR interval, QRS duration, QT interval, and P-wave, QRS-complex, and T-wave reconstruction. On CPSC2018, ImputeECG reduced MAE by 49.7-51.9%, supporting external generalization. In downstream multi-label classification, ImputeECG restored performance to 92.28% AUROC and 33.88% AUPRC in the most incomplete PTB-XL setting, approaching complete-ECG performance. On CPSC2018, completed ECGs achieved 94.75-95.89% AUROC and 78.83-81.86% AUPRC across settings. In Kailuan, ECG completion improved zero-shot sex prediction AUROC from 82.6% to 85.8% and reduced age prediction MAE from 10.72 to 9.87 years after image-based ECG digitization. These findings support ECG completion as a practical strategy for converting incomplete ECG records into AI-ready 12-lead, 10-s digital signals and extending the usable scope of ECG archives for digital cardiac assessment.