EchoBridge: 심초음파 데이터를 활용한 심장 질환 진단 시 ECG-텍스트 정렬을 위한 장기 데이터 편향 인식 모델

EchoBridge: Long-Tail-Aware ECG-Echocardiography Text Alignment for Echocardiography-Derived Cardiac Findings

표준화된 심초음파 결과는 심초음파 데이터를 기반으로 한 심장 질환 진단을 위해 ECG 표현 학습에 의미 있는 정보를 제공합니다. 전체적인 ECG와 텍스트 정렬은 모달리티별 특이 요소를 혼동시킬 수 있으며, 데이터 분포의 불균형은 희귀한 상태에 대한 제한적인 양성 감독 신호를 제공할 수 있습니다. 본 연구에서는 보완적 공유-개인 투영(CSPP)과 적응적 프로토타입 경계 교정(APBC)을 사용하는 EchoBridge 모델을 제안합니다. CSPP는 각 모달리티를 공유 및 보조 개인 투영으로 매핑하고, 모달리티 내의 방향성 중복성을 줄이며, 정규화된 공유 투영을 양방향으로 정렬합니다. APBC는 클래스별 프로토타입, 학습 빈도에 적응하는 각도 마진, 그리고 구면 Riesz 반발력을 사용하여 공유 하이퍼스피어를 구성합니다. EchoBridge 모델은 EchoNext-Mini 데이터셋과 독립적인 PKUPH 및 SHTMU 코호트를 사용하여 4가지 프로토콜(프롬프트 기반 추론, 동일 도메인 고정 선형 탐색, 대상 도메인 교차 센터 고정 선형 탐색, 소스 전용 교차 센터 전송)을 통해 평가되었으며, 질환별 분석도 함께 수행되었습니다. EchoBridge 모델은 기존 최고 성능 모델 대비 AUROC, AUPRC 및 F1 점수를 각각 7.88, 5.61, 4.54 포인트 향상시켰으며, 모든 동일 도메인 및 대상 도메인 탐색 환경과 소스 전용 전송 코호트에서 가장 높은 성능을 보였습니다. 질환별 분석 결과, 대부분의 상태에서 성능 향상이 확인되었으며, 특히 몇 가지 희귀 판막 질환에서도 개선 효과가 나타났습니다.

Standardized echocardiography conclusions provide meaningful supervision for learning ECG representations of echocardiography-derived cardiac findings. Global ECG--text alignment may entangle modality-specific factors, while long-tailed finding distributions provide sparse positive supervision for low-prevalence conditions. We propose EchoBridge with Complementary Shared--Private Projection (CSPP) and Adaptive Prototype Boundary Calibration (APBC). CSPP maps each modality into shared and auxiliary private projections, reduces directional redundancy via within-modality orthogonality, and bidirectionally aligns normalized shared projections. APBC organizes the shared hypersphere with class-specific prototypes, training-frequency-adaptive angular margins, and spherical Riesz repulsion. We evaluate EchoBridge on EchoNext-Mini and independent PKUPH and SHTMU cohorts under four protocols: prompt-based inference without downstream classifier training, in-domain frozen linear probing, target-domain cross-center frozen linear probing, and source-only cross-center transfer, supplemented by finding-specific analyses. EchoBridge improves classifier-free AUROC, AUPRC, and F1 over the strongest baselines by 7.88, 5.61, and 4.54 points, respectively, and achieves the highest point estimates across all in-domain and target-domain probing budgets and both source-only transfer cohorts. Finding-specific analyses show gains for most conditions, including several low-prevalence valvular findings.