유방암 생존 예측을 위한 병리 기반 모델 벤치마킹

병리 기반 모델 (Pathology Foundation Models, PFMs) 은 최근 컴퓨테이셔널 패러다올로 강력한 사전 학습된 인코더로 등장하여 다양한 다운스트림 작업에 대한 전이 학습을 가능하게 했습니다. 그러나 임상적으로 의미 있는 예측 문제에 대한 이러한 모델들의 체계적인 비교는 여전히 제한적이며, 특히 외부 검증 하의 생존 예측 맥락에서 더욱 그러합니다. 본 연구에서는 전체 슬라이드 조직병리 이미지로부터 유방암 생존 예측을 위한 널리 사용되고 최근 제안된 PFMs를 벤치마킹합니다. 패치 레벨 특징 추출과 통합된 생존 모델링 프레임워크를 기반으로 한 표준화된 파이프라인을 사용하여, 장기 추적 관찰이 이루어진 5,400 명 이상의 환자를 포함하는 세 개의 독립적인 임상 코호트에서 모델 표현을 평가합니다. 모델은 하나의 코호트에서 학습되고 두 개의 독립적인 외부 코호트에서 평가되어 데이터셋 간 일반화 능력을 엄격하게 검증할 수 있습니다. 전반적으로 H-optimus-1이 가장 강력한 생존 예측 성능을 달성했습니다. 더 넓게 보면, 모델 계열 내 일관된 세대별 개선을 관찰했으며, 2 세대의 PFM이 1 세대 모델보다 우수한 성능을 보였습니다. 그러나 최근 PFM들 간의 절대적 성능 차이는 여전히 제한적이어서, 사전 학습 데이터나 모델 크기만 확장하는 것의 추가적인 효과는 감소하고 있음을 시사합니다. 주목할 점은 컴팩트한 디스틸드 모델인 H0-mini 가 파라미터 수가 8% 미만이며 특징 추출 속도가 현저히 빠른 반면, 더 큰 스터디어 모델인 H-optimus-0 보다 약간 더 나은 성능을 보였습니다. 이러한 결과들은 유방암 생존 예측을 위한 PFM에 대한 대규모 외부 검증 벤치마킹을 최초로 제공하며, 임상 워크플로우에서 PFM의 효율적인 배포를 위한 실용적인 지침을 제시합니다.