본 논문은 계산 병리학에서 다양한 도메인에 걸쳐 신뢰할 수 있는 모델 성능을 보장하는 데 있어 디지털 스캐너의 차이로 인한 Whole-Slide Images(WSI)의 변동성 문제를 다룹니다. 특히, 기관이나 병원마다 스캐닝 장치가 다를 수 있는 실제 환경에서 모델이 스캐너에 의존하지 않도록 하는 스캐너 일반화(scanner generalization)의 중요성을 강조합니다. 기존 연구들이 주로 표준 도메인 일반화 설정에 초점을 맞춘 것과 달리, 본 논문은 스캐너 변동성 하에서 모델의 신뢰성을 평가하기 위해 명시적으로 설계된 새로운 데이터셋 SCORPION을 제시합니다. SCORPION은 480개의 조직 샘플을 5개의 스캐너로 스캔하여 2400개의 공간적으로 정렬된 패치를 포함하며, 스캐너 간 변동성을 분리하여 조직 구성의 차이를 제어하면서 모델 일관성을 엄격하게 평가할 수 있도록 합니다. 또한, 증강 기반 도메인 일반화 기법과 일관성 손실을 결합하여 스캐너 일반화 문제를 명시적으로 해결하는 유연한 프레임워크인 SimCons를 제안합니다. 실험 결과, SimCons는 과제 특정 성능을 저하시키지 않고 다양한 스캐너에서 모델 일관성을 향상시키는 것을 보여줍니다. SCORPION 데이터셋과 SimCons 프레임워크를 공개함으로써, 연구 커뮤니티에 다양한 스캐너에서 모델 일관성을 평가하고 개선하기 위한 중요한 자원을 제공하고 신뢰성 테스트에 대한 새로운 표준을 제시합니다.
