병리학 파운데이션 모델이 질병 진행을 내재적으로 인코딩하는가

초록

본 연구는 병리학 이미지에 대해 사전학습된 비전 파운데이션 모델들의 임베딩이 질병 진행이라는 연속적 과정을 반영하는지를 확률적 의사시간(diffusion pseudotime) 기법으로 평가한다. 4가지 암 진행 코호트와 6개 모델을 대상으로, 모델별로 추정된 의사시간과 실제 병리 단계 간의 켄달 τ 상관계수를 측정하였다. 병리 전용 비전‑전용 모델은 τ > 0.78(대장암 Serrated 경로) 등 높은 순서 보존성을 보였으며, 이러한 순서 보존성은 보류된 질병에 대한 few‑shot 분류 성능과 ρ = 0.92의 강한 상관관계를 나타냈다. 또한, 추정된 진행 경로를 따라 세포 유형 비율이 매끄럽게 변하는 것을 확인해, 모델이 미세한 생물학적 변화를 포착함을 시사한다.

상세 분석

이 논문은 “연속적인 생물학적 과정이 정적 이미지 샘플에 어떻게 내재되는가”라는 근본적인 질문을 제기한다. 기존 병리학 파운데이션 모델 평가는 주로 이산적인 라벨 기반 분류 정확도에 초점을 맞추었지만, 실제 종양은 시간에 따라 연속적으로 변한다. 저자들은 단일세포 전사체 분석에서 사용되는 Diffusion Pseudotime(DPT) 알고리즘을 차용해, 모델이 생성한 고차원 임베딩 공간에서 질병 진행 순서를 복원할 수 있는지를 검증한다.

핵심 방법론은 다음과 같다. 먼저, 각 모델의