Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Is an Ultra Large Natural Image-Based Foundation Model Superior to a Retina-Specific Model for Detecting Ocular and Systemic Diseases?

Created by
  • Haebom

저자

Qingshan Hou, Yukun Zhou, Jocelyn Hui Lin Goh, Ke Zou, Samantha Min Er Yew, Sahana Srinivasan, Meng Wang, Thaddaeus Lo, Xiaofeng Lei, Siegfried K. Wagner, Mark A. Chia, Dawei Yang, Hongyang Jiang, An Ran Ran, Rui Santos, Gabor Mark Somfai, Juan Helen Zhou, Haoyu Chen, Qingyu Chen, Carol Y. Cheung, Pearse A. Keane, Yih Chung Tham

개요

본 논문은 의학 영역, 특히 안과에서의 기초 모델(Foundation Model, FM) 적용에 대한 연구 결과를 제시합니다. 망막 특화 FM인 RETFound와 범용 비전 FM인 DINOv2를 여러 안과 질환 감지 및 전신 질환 예측 과제에 대해 비교 평가했습니다. 8개의 공개 안과 데이터셋과 Moorfields AlzEye, UK Biobank 데이터셋을 사용하여 미세 조정 후 성능을 비교한 결과, 당뇨병성 망막병증 및 다중 안과 질환 감지에서는 DINOv2가, 심부전, 심근 경색, 허혈성 뇌졸중 예측에서는 RETFound가 더 우수한 성능을 보였습니다. 이는 특정 과제에 적합한 FM 선택의 중요성을 강조합니다.

시사점, 한계점

시사점:
범용 FM(DINOv2)과 도메인 특화 FM(RETFound)의 상대적 강점을 규명했습니다.
특정 안과 질환 진단 및 전신 질환 예측에 있어 각 FM의 적합성을 제시했습니다.
과제 특성에 맞는 FM 선택이 임상 성능 최적화에 중요함을 시사합니다.
한계점:
연구에 사용된 데이터셋의 제한으로 인한 일반화 가능성의 한계.
다른 유형의 FM이나 더 많은 임상 과제에 대한 추가 연구 필요성.
특정 질환에 대한 성능 차이가 미세하지만 통계적으로 유의미한 수준일 수 있음. 임상적 유용성을 고려한 추가 분석 필요.
👍