본 논문은 유방암의 개인 맞춤 치료 및 예후 예측에 필수적인 유방암의 분자 아형 분류를 위한 심층 다중 모드 학습 프레임워크를 제안합니다. 기존의 분류 접근 방식은 조직 병리학적 이미지 또는 유전자 발현 프로파일링에 의존하여 예측력이 제한적이었습니다. 본 연구에서는 조직 병리학적 이미지와 유전자 발현 데이터를 통합하여 유방암을 BRCA.Luminal과 BRCA.Basal/Her2 아형으로 분류하는 심층 다중 모드 학습 프레임워크를 제시합니다. 이 접근 방식은 이미지 특징 추출을 위해 ResNet-50 모델을, 유전자 발현 처리를 위해 완전 연결 계층을 사용하며, 모드 상호 작용을 향상시키기 위해 크로스 어텐션 융합 메커니즘을 채택합니다. 5-겹 교차 검증을 사용한 광범위한 실험을 통해 다중 모드 통합이 분류 정확도, 정밀도-재현율 AUC 및 F1 점수 측면에서 단일 모드 접근 방식보다 우수함을 보여줍니다. 본 연구 결과는 심층 학습이 강력하고 해석 가능한 유방암 아형 분류에 대한 잠재력을 강조하며, 향상된 임상 의사 결정을 위한 길을 열어줍니다.
