A Survey of Pathology Foundation Model: Progress and Future Directions
Created by
Haebom
저자
Conghao Xiong, Hao Chen, Joseph J. Y. Sung
개요
본 논문은 병리학 기반 모델(PFMs)을 계층적 분류 체계를 통해 체계적으로 분석하는 설문 조사 논문입니다. PFMs는 대규모 조직병리학 데이터로 사전 훈련된 모델로, 자동화된 암 진단을 위한 컴퓨터 병리학에서 중요한 역할을 합니다. 본 논문은 PFM을 모델 범위, 사전 훈련, 모델 설계의 세 가지 측면으로 분류하고, 평가 과제를 슬라이드 수준, 패치 수준, 다중 모드, 생물학적 과제로 분류하여 포괄적인 벤치마킹 기준을 제공합니다. 또한 PFM 개발(병리학 특유의 방법론, 엔드-투-엔드 사전 훈련, 데이터-모델 확장성)과 활용(효과적인 적응, 모델 유지 관리)에서의 중요한 과제를 제시하고, 향후 연구 방향을 제시합니다. GitHub 저장소(https://github.com/BearCleverProud/AwesomeWSI)에서 관련 자료를 제공합니다.
시사점, 한계점
•
시사점:
◦
병리학 기반 모델(PFMs)에 대한 계층적 분류 체계를 제시하여 체계적인 분석을 가능하게 함.
◦
PFM 평가를 위한 포괄적인 벤치마킹 기준 제시.
◦
PFM 개발 및 활용의 중요한 과제들을 명확히 제시하여 향후 연구 방향 제시.
◦
관련 자료를 GitHub 저장소를 통해 공개하여 접근성 향상.
•
한계점:
◦
본 논문은 설문 조사 논문으로, 새로운 실험적 결과를 제시하지 않음.
◦
제시된 분류 체계 및 벤치마킹 기준의 객관성 및 일반화 가능성에 대한 추가적인 검증 필요.
