心電図（ECG）は、心臓に関連する病態を検出するために心臓専門医によって一般的に使用されています。信頼性の高い心電図の収集は正確な診断にとって重要です。しかし、臨床現場では、記録された心電図が誤って異なる患者に割り当てられることもあります。この課題に気づき、私たちと連携したある臨床および研究施設との共同研究として、この問題に対処する研究を紹介します。本研究では、2つの心電図が同じ患者から得られたかどうかを判定するための小型で効率的なニューラルネットワークベースのモデルを提案しています。当モデルは優れた汎化能力を持ち、PTB-XLでのギャラリー-プローブ患者識別において最先端の性能を達成しながら、パラメータ数を760倍少ない量で利用しています。さらに、当モデルを利用した記録割り当てミスの検出技術も提示し、その現実的なシナリオにおける適用可能性を示しています。最後に、本研究のために特別に収集された新しい心電図データセット上で当モデルを評価し、研究コミュニティに対して公開しました。