MS-ECG-FM 用多源临床报告对比对齐，在 98 项 ECG 检测任务上把宏平均 AUROC 提升到 93.6
核心概要
作者提出 MS-ECG-FM，一个以对比对齐方式同时对齐 ECG 机器报告、心内科报告、超声心动图、胸片和出院小结等多种临床文本的心电图基础模型；在覆盖 98 个标签的多数据集线性探针评测中，其宏平均 AUROC 达 93.6，高于 ECGFounder 的 91.5 与 MELP 的 91.2，并在结构心脏病等此前较弱的分组上明显改善，同时在单导联与减导联配置下保持领先。
Figure 1: Conceptual overview of MS-ECG-FM. MS-ECG-FM is an ECG foundation model that can support a broader range of ECG detection tasks. It is pre-trained using concurrent alignment to ECG, ECHO, chest X-ray and discharge reports to improve the universality of its representations.
arXiv深度剖析
多源对比对齐让单一 ECG 编码器同时吸收多种临床报告的信息，在 98 标签评测集上宏平均 AUROC 达 93.6，优于 ECGFounder（91.5）和同预训练数据的 MELP（91.2）。 此前 ECG 基础模型仅以机器生成的 ECG 解读报告作为唯一监督来源，本工作把 ECG、心内科报告、超声心动图、胸片和出院小结一并纳入对比对齐。 在 PTB-XL、CPSC2018、CSN、EchoNext-Mini 等留出数据集上以冻结嵌入加线性探针评测，并用配对患者级 bootstrap 做显著性检验；MS-ECG-FM 仅在 720,102 条训练 ECG 上预训练，少于对比方法使用的 800,035 条。
不同报告类型对不同诊断域各有优势：ECG 心内科报告（AUROC 89.7）与 ECG 机器报告（89.5）在心律失常、传导障碍、缺血/ST-T 改变和电压标准类条件上最强，而出院小结与胸片报告在结构心脏病及 MIMIC-EXP 探索性结局上最有用。 该工作把“哪种临床文本监督哪类诊断”从笼统假设变成按报告类型逐标签量化的对照实验，并显示多源模型接近逐标签取最优单源的 oracle 性能分布。 单源模型与 MS-ECG-FM 使用相同架构与配方，仅对齐的报告类型不同，构成受控比较；报告类型样本量差异明显（ECHO 81,821 份来自 34,147 名患者，出院小结 331,793 份）。
MS-ECG-FM 在减导联配置下仍保持领先，12 导联宏平均 AUROC 93.6，单导联 I、II、V2 分别为 86.9、88.1、85.0，均高于最强基线。 模型在 tokenizer 中按导联生成 token 并共享权重，预训练使用随机导联掩码，使 12 导联学到的表示可迁移到任意减导联子集。 采用 PhysioNet/CinC Challenge 2021 的单导联与减导联子集设置，按诊断分组报告；同时给出逐标签的 AUROC 与 AUPRC。
即使只对齐 ECG 机器报告，MS-ECG-FM 的架构与配方也把 98 标签宏平均 AUROC 做到 92.8，高于使用同一批机器报告的 MERL（88.8）、D-BETA（90.3）和 MELP（91.2）。 说明除多源对齐外，冻结的 MedGemma-27B 文本嵌入、不做输入归一化以保留电压幅度信息、以及不同的骨干与预训练配方各自贡献了增益。 消融显示使用在线文本编码器或零样本检查点选择会显著降低性能，而冻结文本编码器配合 RankMe 检查点选择给出最强表示。
启示与展望
该结果面向使用 12 导联临床 ECG 及其配套临床文本的研究与建模场景，也适用于把 12 导联表示迁移到单导联或减导联子集的部署设想，例如床旁监护、Holter、贴片或腕戴设备。作者指出，医院系统实际存储的多模态文本规模远大于本工作可用数据，用这些文本预训练更大的 MS-ECG-FM 可能带来超出当前结果的提升。评测框架本身（诊断分组、性能剖面、配对 bootstrap）可作为社区比较 ECG 基础模型的公共工具。
预训练数据来自单一健康系统，人群偏年长（中位年龄 58，四分位距 43–72）且以住院或急诊为主，向其他人群与其他医院系统迁移时的表现仍取决于分布偏移程度。减导联评测由临床 12 导联记录派生，而非原生采集的可穿戴或动态 ECG，真实减导联数据上的验证仍是开放问题。部分低患病率但临床急性的条件在现有评测数据中代表性不足；随机初始化编码器在右心室肥厚、肥厚型心肌病和心脏淀粉样变上未显著落后，作者将其归因于这些条件患病率极低。基础模型本身不具可解释性，作者也指出这不是缩小临床采用差距的完整答案。