Los electrocardiogramas (ECG) son herramientas esenciales para el diagnóstico de enfermedades cardíacas, pero pueden producirse errores diagnósticos debido al ruido o la ausencia de derivaciones en los registros estándar de 12 derivaciones. Para abordar estos problemas, proponemos TolerantECG, un modelo básico para señales de ECG robusto al ruido y compatible con cualquier subconjunto del ECG estándar de 12 derivaciones. El entrenamiento en TolerantECG combina aprendizaje contrastivo y modelos de aprendizaje autosupervisado para aprender simultáneamente representaciones de señales de ECG, descripciones de informes de texto basados en la recuperación de conocimiento y señales con derivaciones dañadas o ausentes.
