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.

Contrasting Low and High-Resolution Features for HER2 Scoring using Deep Learning

Created by
  • Haebom

저자

Ekansh Chauhan, Anila Sharma, Amit Sharma, Vikas Nishadham, Asha Ghughtyal, Ankur Kumar, Gurudutt Gupta, Anurag Mehta, C. V. Jawahar, P. K. Vinod

개요

본 논문은 유방암의 정확한 검출 및 분류를 위한 IHC(Immunohistochemistry) 바이오마커(HER2, ER, PR) 기반의 자동화된 수용체 상태 분류 시스템 개발을 목표로 한다. 1,272개의 IHC 슬라이드로 구성된 India Pathology Breast Cancer Dataset (IPD-Breast)을 이용하여 다양한 딥러닝 모델을 평가했으며, 저해상도 IHC 이미지를 사용하는 end-to-end ConvNeXt 네트워크가 3-way HER2 분류(0, Low, High)에서 AUC 91.79%, F1 score 83.52%, 정확도 83.56%를 달성하여 patch-based 방법보다 F1 score 기준 5.35% 이상 향상된 성능을 보였다. 이는 단순하면서도 효과적인 딥러닝 기법을 통해 유방암 분류의 정확도와 재현성을 크게 향상시킬 수 있음을 시사한다.

시사점, 한계점

시사점:
저해상도 IHC 이미지를 활용한 end-to-end ConvNeXt 네트워크가 유방암 HER2 수용체 상태의 3-way 분류에 높은 정확도를 달성함을 보여줌.
기존 병리학자의 전문성에 의존하는 IHC 분류의 한계를 딥러닝 기반 자동화 시스템으로 극복할 가능성 제시.
딥러닝 기술을 활용한 유방암 진단 및 예후 예측의 정확성 및 재현성 향상 가능성 제시.
의료 현장에 딥러닝 기술 적용을 위한 기반 마련 및 환자 예후 개선에 기여.
한계점:
IPD-Breast 데이터셋의 크기 및 다양성에 대한 추가적인 검토 필요.
다른 인종이나 지역의 데이터셋에 대한 일반화 성능 검증 필요.
ConvNeXt 모델의 성능 향상을 위한 추가적인 하이퍼파라미터 튜닝 및 모델 개선 필요.
임상 적용을 위한 추가적인 검증 및 임상시험이 필요.
다른 IHC 바이오마커 (ER, PR)에 대한 성능 평가 부족.
👍