본 논문은 심전도(ECG) 분석에서의 단순화 편향(Simplicity Bias, SB) 문제를 다룬다. SB는 지도 학습 기반 ECG 모델이 쉽게 학습 가능한 반복적인 패턴에 치중하여 미묘하지만 임상적으로 중요한 신호를 간과하는 현상이다. 본 연구는 먼저 ECG 분석에서 SB의 존재와 진단 성능 저하에 대한 영향을 실증적으로 보여주고, 자기 지도 학습(SSL)이 SB를 완화할 수 있음을 발견하였다. 이를 바탕으로 시간-주파수 특징을 포착하는 필터와 다중 해상도 프로토타입 재구성을 활용한 새로운 SSL 기반 방법을 제안한다. 또한 153만 건 이상의 심전도 기록을 포함하는 대규모 다기관 ECG 데이터셋을 구축하여 세 가지 하위 작업에 대한 실험을 통해 제안 방법의 우수성을 입증하고, 코드와 데이터셋을 공개할 예정이다.
