LEARNER: Contrastive Pretraining for Learning Fine-Grained Patient Progression from Coarse Inter-Patient Labels
Created by
Haebom
Category
Empty
저자
Jana Armouti, Nikhil Madaan, Rohan Panda, Tom Fox, Laura Hutchins, Amita Krishnan, Ricardo Rodriguez, Bennett DeBoisblanc, Deva Ramanan, John Galeotti, Gautam Gare
LEARNER: Inter-patient Contrastive Learning for Individualized Outcome Prediction
개요
본 논문은 개인 맞춤형 의료에서 치료가 유의미한 개선을 이끌어내는지 예측하는 문제를 해결하고자, 대규모의 개별 환자별 종단적 데이터를 획득하기 어렵다는 한계를 극복하기 위해, 환자 간 변동성이 환자 내 진행을 학습하는 데 사용될 수 있는지 탐구한다. 이를 위해, 거칠게 라벨링된 환자 간 데이터를 활용하여 미세한 환자별 표현을 학습하는 대조 사전 훈련 프레임워크인 LEARNER를 제안한다. 폐 초음파 및 뇌 MRI 데이터셋을 사용하여, 거친 환자 간 차이에 대해 훈련된 대조 목표가 치료 반응과 관련된 미세한 환자 내 변화를 모델이 포착하도록 함을 보여준다. 제안하는 방법은 표준 MSE 사전 훈련에 비해 다운스트림 분류 정확도와 F1 점수를 향상시키며, 개인별 결과 예측을 위한 환자 간 대조 학습의 가능성을 강조한다.
