연구팀은 임상 심전도 기반 모델을 웨어러블 기기에 적용하여 개인별 차이를 극복하는 CogAdapt 프레임워크를 제안했어요. CogAdapt는 3극 심전도 신호를 12극으로 변환하는 LeadBridge와 점진적 미세 조정 전략인 ProFine을 사용해요.
LeadBridge는 웨어러블 기기 신호를 해부학적으로 일관된 12극 표현으로 변환하고, ProFine은 기존 모델의 성능 저하 없이 점진적으로 미세 조정해요.
두 개의 공개 데이터셋 평가 결과, CogAdapt는 기존 방식보다 훨씬 뛰어난 성능을 보였으며, 매크로 F1 점수가 각각 0.626과 0.768을 기록했어요.