# A deep learning pipeline for PAM50 subtype classification using histopathology images and multi-objective patch selection

### 저자

Arezoo Borji, Gernot Kronreif, Bernhard Angermayr, Francisco Mario Calisto, Ali Abbasian Ardakani, Wolfgang Birkfellner, Inna Servetnyk, Yinyin Yuan, Sepideh Hatamikia

### 💡 개요

본 연구는 비용이 많이 드는 분자 검사에 의존하는 대신 H&E 염색된 전슬라이드 영상(WSI)에서 직접 PAM50 유전자 서명 기반 유방암 고유 하위 유형을 예측하는 새로운 딥러닝 프레임워크를 제안합니다. 제안된 방법은 NSGA-II와 Monte Carlo Dropout 기반 불확실성 추정을 결합하여 패치 정보성, 공간 다양성, 불확실성 및 패치 수를 공동으로 최적화하여 분류에 필요한 핵심적인 소수의 패치만을 식별합니다. 이를 통해 기존 방법 대비 높은 성능과 계산 효율성을 달성했습니다.

### 🔑 시사점 및 한계

- H&E 염색 영상만으로 PAM50 유방암 하위 유형을 분류할 수 있어 분자 검사의 비용 및 시간 부담을 줄일 수 있습니다.

- 최적화 기반 패치 선택을 통해 분류 성능을 높이고 계산 효율성을 개선하여 임상 의사결정에 도움을 줄 수 있는 확장 가능한 영상 기반 대안을 제시합니다.

- 제안된 방법의 외부 검증 데이터셋에서의 성능 저하를 줄이기 위한 추가적인 연구가 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2604.01798)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).