본 논문은 심전도(ECG) 데이터를 이용한 심혈관 질환 진단 보조 시스템 개발에 관한 연구이다. 기존 연구들이 영어 기반의 제한된 클래스 분류에 머물렀던 것과 달리, 일본어로 작성된 실제 환자 데이터와 98개의 클래스 레이블을 사용하여 대규모 다중 모드 학습 모델을 구축하였다. 대조 학습 프레임워크를 활용하여, 다수의 클래스에도 불구하고 기존 연구와 비교 가능한 정확도를 달성함을 보였다. 이는 다국어 및 다양한 임상 환경에서의 심전도 분석 모델 적용 가능성을 확장하는 데 기여한다.
