심전도(ECG)는 심혈관 건강 진단에 중요한 도구입니다. 이 논문은 임상 메타데이터의 도메인 지식을 활용하여 ECG 진단 성능을 향상시키는 새로운 대조 학습 접근 방식을 소개합니다. 이 방식은 임상 위험 점수를 사용하여 부정적인 쌍에 가중치를 부여하는 임상 안내 대조 학습(clinically-guided contrastive learning)을 사용합니다. CLEF라고 불리는 이 모델은 161,000명의 환자 데이터를 활용하여 12-리드 ECG 데이터로 사전 훈련되었으며, 18개의 임상 분류 및 회귀 작업에서 우수한 성능을 보였습니다. 특히 단일 리드 ECG 데이터에서도 기존 자가 지도 학습 모델보다 뛰어난 성능을 보였고, 지도 학습 방식으로 훈련된 최첨단 모델과 비교할 만한 수준의 성능을 달성했습니다.
