Knowing When Not to Predict: Self Supervised Learning and Abstention for Safer DR Screening

작성자

Haebom

카테고리

Empty

저자

Muskaan Chopra, Lorenz Sparrenberg, Jan H. Terheyden, Rafet Sifa

💡 개요

본 연구는 당뇨망막병증(DR) 검진과 같이 안전이 중요한 의료 영상 분야에서, 자기 지도 학습(SSL) 사전 학습이 모델의 예측 불확실성을 얼마나 잘 파악하고 임상 검토를 위해 불확실한 경우를 보류하는 능력에 미치는 영향을 조사합니다. 다양한 SSL 사전 학습 체크포인트를 평가하여, 사전 학습 기간이 보정된 신뢰도와 신뢰도 기반 기권(abstention)에 미치는 영향을 분석했습니다.

🔑 시사점 및 한계

•

자기 지도 학습(SSL) 사전 학습은 단순히 정확도 향상을 넘어, 의료 영상 모델의 예측 불확실성을 파악하고 안전한 기권 결정을 내리는 데 도움을 줄 수 있습니다.

•

사전 학습 기간은 모델의 신뢰성 및 기권 성능에 중요한 영향을 미치며, 단순히 계산 비용으로만 고려되어서는 안 되는 설계 요소입니다.

•

정확도가 포화된 이후에도 모델의 기권 성능은 사전 학습 체크포인트에 따라 달라질 수 있으며, 장기간의 사전 학습이 항상 신뢰성을 향상시키는 것은 아닙니다.

•

본 연구는 정확도 외에 기권(abstention)을 고려한 평가의 중요성을 강조하며, 향후 의료 AI 모델 개발 시 신뢰성 측면을 더욱 고려해야 함을 시사합니다.

PDF 보기

Made with Slashpage