K-MERL은 의료 자원이 부족한 환경에서도 활용 가능하도록 다양한 리드 수의 심전도(ECG) 데이터를 처리할 수 있는 지식 기반 다중 모달 ECG 표현 학습 프레임워크입니다. 기존 방식의 한계였던 불완전한 리드 정보와 복잡한 의료 자연어 처리 문제를 해결하기 위해, 대규모 언어 모델을 활용하여 자유 형식 보고서에서 구조화된 지식을 추출하고, 동적 리드 마스킹 기능을 갖춘 리드 인식 ECG 인코더를 사용합니다. 여섯 개의 외부 ECG 데이터셋에 대한 평가 결과, 제로샷 분류 및 선형 탐색 작업에서 최첨단 성능을 달성하였으며, 특히 부분 리드 제로샷 분류에서 기존 방법 대비 평균 16%의 AUC 향상을 보였습니다.
