Destilação de ECG para PPG memorizava a identidade: fixed-effects mais que dobrou o sinal de estado

As pessoas compram wearables para ver como o estado cardiovascular de uma pessoa específica muda: hoje a frequência cardíaca está mais alta, ontem a recuperação foi melhor. Mas o preprint arXiv:2610.10662 mostra que a destilação padrão de ECG para modelos de PPG ensina outra coisa. O vetor médio de características do registro, que os autores chamam de trait, responde por 40–59% do sinal-alvo do professor ECG congelado. Ou seja, quase metade do que o aluno tenta reproduzir descreve quem é a pessoa, e não o que está acontecendo com ela. A fixed-effects distillation proposta pelos autores remove essa parte, e a concordância de estado mais que dobra.

Onde a identidade se esconde

O ECG há muito tempo é o «padrão-ouro» para treinar modelos que trabalham apenas com fotopletismografia (PPG), isto é, o sensor óptico de um relógio ou anel. O professor analisa o eletrocardiograma, o aluno analisa o PPG, e o aluno ajusta seus embeddings aos do professor. A qualidade costuma ser medida pela similaridade de cosseno, e é aí que mora a armadilha. Um preditor constante, que devolve sempre o mesmo vetor independentemente da entrada, marca 0,793 nessa métrica. Um cosseno alto prova pouco: boa parte da similaridade vem do simples fato de o modelo acertar o «ponto médio» da distribuição-alvo.

Pior: modelos treinados em um pool comum de registros memorizam esse trait, mas não o transferem para registros novos. É o pior dos mundos: o aluno gasta capacidade com identidade, e isso não gera informação útil para registros desconhecidos. Os autores verificaram a relação em 34 execuções. O padrão é direto: quanto mais identidade o aluno memoriza, menos estado ele aprende.

Como funciona a fixed-effects distillation

A ideia vem da econometria e dos dados em painel: se o interesse é a variação dentro de um indivíduo, o nível médio desse indivíduo precisa ser posto de lado. Aqui, isso é feito assim: subtrai-se a média do respectivo registro tanto da predição do aluno quanto do alvo do professor, e só depois se calcula a loss de destilação habitual. O trait é cancelado com exatidão, porque, por definição, é constante dentro do registro. A alternativa, o pooled anchor, preserva esse componente e serve como controle.

Segundo os dados dos autores:

• O trait ocupa 40–59% do sinal-alvo do professor ECG congelado.
• O preditor constante obtém 0,793 no cosseno bruto de alinhamento.
• O experimento abrange 34 execuções, nas quais a memorização de identidade tem relação negativa com o estado aprendido.
• A concordância de estado (state agreement) mais que dobra.
• Os rótulos intraindividuais melhoram, enquanto idade e sexo permanecem no mesmo nível.
• O efeito se reproduz em dois backbones e em mais duas bases de dados.

O resultado para idade e sexo merece destaque à parte. Ambos são características estáticas da pessoa, e, se o método apenas melhorasse todas as métricas indiscriminadamente, esse indicador também subiria. Ele não subiu, o que é coerente com a tese: a identidade foi removida da representação e a dinâmica permaneceu. Na formulação dos autores, o condicionamento ao registro reorienta a destilação para as mudanças intraindividuais, justamente as que os wearables acompanham.

O que verificar no seu pipeline

Para equipes que desenvolvem modelos de PPG para relógios, anéis e adesivos médicos, a conclusão é prática. Primeiro, não confiar no cosseno bruto nem em métricas de alinhamento semelhantes sem uma linha de base: calcule o resultado do preditor constante e subtraia-o. Segundo, avaliar o modelo em tarefas intraindividuais, isto é, em mudanças em relação ao próprio registro da pessoa, e não apenas em rótulos entre sujeitos, como idade e sexo. Terceiro, se a destilação parte de ECG ou de outro sinal «caro», vale testar a centralização por registro como uma modificação barata da loss: ela não exige um novo professor.

As limitações também são visíveis. Trata-se de um preprint, e o «mais que dobra» declarado refere-se à métrica de concordância de estado escolhida pelos autores. A centralização exige que o batch de treinamento contenha registros inteiros ou fragmentos suficientes deles; do contrário, a média fica ruidosa. Em tarefas que exigem identificação absoluta (biometria, estimativa de idade), segundo os resultados dos autores, o método não ajuda — e não deveria. Para o monitoramento de dinâmica, porém, ele parece uma correção cuidadosa e de baixo custo para aquilo que, na prática, está sendo otimizado.