아동 심전도는 심박수와 파형 간격, 전압 기준이 연령에 따라 달라 성인 데이터로 학습한 모델을 그대로 옮기기 어렵다. 2026년 7월 17일 arXiv에 공개된 프리프린트는 이 전이 격차를 줄이기 위해 라벨 조건 임상 지식과 대조학습을 결합한 PEACE를 제안했다. 이는 의료기기 승인이나 임상 배치 결과가 아니라 두 데이터셋에서 평가한 연구 모델이다.
PEACE는 각 진단을 리듬, 형태, ST-T 축으로 나누고 양성 라벨에 해당하는 설명만 조합한다. 라벨 질의 네트워크가 ECG 토큰과 지식 토큰을 연결하고, 같은 진단을 공유하는 기록의 표현을 맞추는 양방향 대조학습을 적용한다. 학습 초기에 지식 결합이 최적화를 흔들지 않도록 진행도에 따라 정렬 강도를 조절하며, 추론할 때는 심전도 신호만 사용한다.
소아 ZZU-pECG는 아동 1만1,643명의 기록을 담았다. PEACE의 거시평균 AUC는 제로샷 59.39%, 라벨당 50개를 쓰는 50-shot 81.74%, 전체 미세조정 91.56%였다. PTB-XL의 조정된 9개 라벨에서는 전체 미세조정 뒤 96.90%를 보고했다. 서로 다른 감독량과 데이터셋의 값이므로 하나의 임상 정확도로 합쳐 읽어서는 안 된다.
50-shot AUC는 DANN 81.70%와 차이가 작았고, 균형정확도와 F1에서는 DANN이 PEACE보다 높았다. 전체 미세조정에서도 ST-MEM의 F1이 PEACE보다 높게 나온 항목이 있다. 반면 PEACE는 AUC에서 높은 값을 보였고, 텍스트를 제거한 소거 실험에서는 전체 미세조정 AUC가 66.86%로 낮아져 라벨 조건 지식의 기여를 뒷받침했다.
이 연구는 소아 라벨이 부족할 때 성인 ECG 사전학습을 보완하는 초기화 방법으로 읽는 것이 적절하다. 라벨별 성능 편차가 크고 데이터셋 기반 후향 평가라는 점, 외부 병원과 실제 진료 흐름에서 검증되지 않았다는 한계가 남는다. 임상 적용을 주장하려면 연령·인종·장비가 다른 전향적 외부 검증과 안전성 평가가 필요하다.
저작권자 © STORIUM 무단전재 및 재배포 금지
