生物信号指纹识别：跨模式 PPG-ECG 基础模型

心血管疾病仍然是全球死亡的主要原因，但可扩展的心脏监测由于诊断丰富的心电图和无处不在的可穿戴 PPG 之间的差距而受到阻碍。弥合这一差距需要结构紧凑、可跨模式和设备转移、无需针对特定任务的再培训即可部署。在这里，我们介绍生物信号指纹：源自跨模态基础模型的心血管状态的紧凑潜在表示，多模态掩蔽自动编码器 (M2AE)，经过超过 340 万对心电图和 PPG 信号的训练。 M2AE 将特定于模态的编码器与共享瓶颈和双解码器集成在一起，使用重建和跨模态对比目标进行联合优化，产生保留模态内和模间特征的通用指纹。与生物指纹一样，这些表示以与模态无关、保护隐私的形式对个体的心血管状态进行独特编码，可在临床任务中重复使用，而无需暴露原始波形数据或需要模型重新训练。在 7 个下游任务中，涵盖跨模式重建、心血管疾病分类、高血压检测、死亡率预测和人口统计推断，与冷冻环境中领先的领域专家基础模型相比，生物信号指纹实现了竞争或优越的性能，其中五类 CVD 分类的 AUROC 为 0.974，高血压检测为 0.877，在 5 个分类任务中 AUROC 最大改进为 27.7%。至关重要的是，仅通过单一模式即可保持强大的性能，从而能够在现实世界可穿戴监测典型的资源受限、单传感器环境中进行部署，这对跨临床和消费者健康环境的连续心血管监测产生直接影响。