Digepath는 위장관 질환 진단을 위한 특수 기초 모델입니다. 기존 병리학적 진단의 한계를 극복하기 위해 20만 장 이상의 H&E 염색 슬라이드의 3억 5천 3백만 개 이상의 이미지 패치를 사용하여 사전 훈련되었습니다. 이중 단계 반복 최적화 전략(사전 훈련 및 미세 선별 결합)을 통해 전체 슬라이드 이미지에서 드물게 분포된 병변 영역의 탐지를 개선했습니다. 위장관 병리학과 관련된 34개 과제 중 33개 과제에서 최첨단 성능을 달성하여 병리학적 진단, 분자 예측, 유전자 돌연변이 예측 및 예후 평가 등을 수행합니다. 특히 진단이 모호한 경우와 해상도에 관계없는 조직 분류에서 우수한 성능을 보였으며, 조기 위장암 선별 모듈을 통해 전국 9개 의료기관에서 99.6%의 민감도를 달성했습니다. 이 연구는 AI 기반 정밀 병리학을 발전시키고 다른 병리학 하위 전문 분야에도 적용 가능한 패러다임을 제시합니다.
시사점, 한계점
•
시사점:
◦
위장관 질환 진단의 정확성 및 재현성 향상.
◦
진단이 모호한 경우와 해상도에 관계없는 조직 분류에서 우수한 성능.
◦
조기 위장암 선별에서 높은 민감도 달성 (99.6%).
◦
AI 기반 정밀 병리학의 발전 및 다른 병리학 하위 전문 분야로의 적용 가능성 제시.
•
한계점:
◦
논문에서는 구체적인 한계점이 언급되지 않았으나, 모델의 일반화 성능 및 다양한 인종/민족 집단에 대한 성능 평가, 임상 적용에 대한 추가 연구 필요성 등이 잠재적 한계점으로 고려될 수 있음.
