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.

A Multimodal Vision Foundation Model for Clinical Dermatology

Created by
  • Haebom

저자

Siyuan Yan, Zhen Yu, Clare Primiero, Cristina Vico-Alonso, Zhonghua Wang, Litao Yang, Philipp Tschandl, Ming Hu, Lie Ju, Gin Tan, Vincent Tang, Aik Beng Ng, David Powell, Paul Bonnington, Simon See, Elisabetta Magnaterra, Peter Ferguson, Jennifer Nguyen, Pascale Guitera, Jose Banuls, Monika Janda, Victoria Mar, Harald Kittler, H. Peter Soyer, Zongyuan Ge

개요

PanDerm은 4가지 영상 모드에서 11개 임상 기관의 200만 개 이상의 실제 피부 질환 이미지를 사용하여 자기 지도 학습을 통해 사전 훈련된 다중 모드 피부과 기반 모델입니다. 피부암 선별 검사, 위험 계층화, 일반 및 희귀 피부 질환의 감별 진단, 병변 분할, 경시적 모니터링, 전이 예측 및 예후 등 28가지 다양한 벤치마크에서 평가되었으며, 모든 평가 과제에서 최첨단 성능을 달성했습니다. 특히, 기존 모델보다 적은 양의 레이블 데이터(10%)만 사용했음에도 불구하고 우수한 성능을 보였습니다. 3가지 독자 연구를 통해 임상적 유용성을 평가한 결과, 경시적 분석을 통한 초기 단계 흑색종 검출에서 임상의보다 10.2% 향상된 성능을 보였고, 피부암 진단 정확도를 11%, 비 피부과 의료 제공자의 128가지 피부 질환에 대한 감별 진단 정확도를 16.5% 향상시켰습니다. 이러한 결과는 PanDerm이 다양한 임상 시나리오에서 환자 치료를 개선하고 다른 의료 분야에서 다중 모드 기반 모델을 개발하기 위한 모델 역할을 할 수 있음을 보여줍니다.

시사점, 한계점

•
시사점:
◦
다중 모드 의료 영상 데이터를 활용한 자기 지도 학습 기반의 다중 모드 기반 모델의 성공적인 개발 및 적용 사례 제시.
◦
피부암 진단 및 다양한 피부 질환 감별 진단 정확도 향상에 기여.
◦
의료 현장에서의 AI 지원 통합 가속화 가능성 제시.
◦
경시적 분석을 통한 질병 진행 모니터링 및 예후 예측 가능성 제시.
◦
비 피부과 의료 제공자의 진단 능력 향상에 기여.
•
한계점:
◦
모델의 일반화 성능에 대한 추가적인 연구 필요. (다양한 인종, 연령, 피부 타입에 대한 성능 검증)
◦
임상 적용을 위한 추가적인 검증 및 규제 승인 절차 필요.
◦
모델의 설명 가능성 및 신뢰성에 대한 추가 연구 필요. (블랙박스 문제 해결)
◦
데이터 편향 및 데이터 프라이버시 문제에 대한 고려 필요.
👍
Made with Slashpage