Robustifying pathology foundation models via fine-tuning
작성자
카테고리
Empty
저자
Alexandre Filiot, Oskar Thaeter, Benoit Schmauch, Lionel Guillou
💡 개요
본 논문은 병리 이미지 분석을 위한 기초 모델(Foundation Models, FMs)이 스캐너 및 염색 과정의 다양성에 민감하여 실제 실험실 환경에 적용하기 어렵다는 문제를 해결합니다. 이를 위해 연구진은 획득 요인에 대한 병리 FMs의 강건성을 향상시키는 새로운 미세 조정 기법을 개발했습니다. 제안된 기법은 10가지 다른 FMs에 적용되어 모든 모델에서 강건성과 다운스트림 성능을 일관되게 개선했으며, 성능 저하 없이 평균 23%의 PathoROB 강건성 지수 향상과 43%의 전반적인 교차 벤치마크 성능 증가를 달성했습니다.
🔑 시사점 및 한계
•
병리 기초 모델의 실제 임상 적용을 위한 강건성 확보의 중요성을 강조합니다.
•
제안된 미세 조정 기법이 다양한 병리 기초 모델에 걸쳐 일관되고 상당한 성능 개선을 가져올 수 있음을 입증합니다.
•
특히 Phikon-v2와 Midnight-12k 모델에 대한 개선된 버전(Phaet, Mascaret)을 공개하여 연구 커뮤니티에 기여합니다.
•
모든 종류의 획득 요인에 대한 완벽한 강건성을 보장하지는 못할 수 있으며, 특정 데이터셋 또는 워크플로우에 대한 추가적인 검증이 필요할 수 있습니다.
