본 논문은 흉부 X-선 영상을 자동화된 방법으로 정확하게 해석하는 연구에서, 지도 학습 경량 CNN과 최첨단 제로샷 의료 Vision-Language Model (VLM)인 BiomedCLIP을 비교 분석합니다. PneumoniaMNIST 벤치마크에서 폐렴 감지, Shenzhen TB 데이터셋에서 결핵 감지 두 가지 진단 작업을 수행했습니다. 실험 결과, 지도 학습 CNN은 두 경우 모두 경쟁력 있는 기준선 역할을 했습니다. VLM의 초기 제로샷 성능은 낮았지만, 결정 임계값 보정을 통해 성능을 크게 향상시킬 수 있음을 보였습니다. 폐렴 감지에서 보정을 통해 제로샷 VLM은 F1-score 0.8841을 달성하여 지도 학습 CNN의 0.8803을 능가했습니다. 결핵 감지에서는 보정을 통해 F1-score가 0.4812에서 0.7684로 크게 개선되어 지도 학습 기준선 0.7834에 근접했습니다. 본 연구는 제로샷 VLM의 전체 진단 능력을 활용하기 위해 적절한 보정이 필수적이며, 이를 통해 효율적인 태스크별 지도 학습 모델과 동등하거나 더 나은 성능을 달성할 수 있음을 강조합니다.
