2026년인데도 의료 진단 데이터 과학 논문에서 ROC-AUC를 주된 성능 지표로 쓰는 이유를 모르겠음. 진단에서는 거의 항상 클래스 불균형이 심하며, 이때 ROC-AUC가 0.9여도 양성으로 예측한 진단의 5건 중 4건이 오탐일 수 있음. 정밀도-재현율 곡선과 mAP를 써야 함.
해당 Science 논문은 https://www.science.org/doi/abs/10.1126/science.aec6129임.
여기서 가장 흥미로운 결과는 CNN 기반 특징 인코더가 비전 트랜스포머 기반 인코더보다 훨씬 뛰어났다는 것임.

근거를 해석하는 교육이 여전히 크게 저평가되는 듯함. 20년 전 최상위권 컴퓨터과학 대학에 다녔는데, 확률이나 통계 수업을 단 한 과목도 듣지 않고 학위를 받을 수 있었음.

추정치는 총 약 1억 3,100만 개임. 수정된 BERT-base-Chinese 텍스트 인코더가 약 1억 200만 개, 3D U-Net 계열 영상·해부학 인코더가 약 2,600만 개, 투영 계층·해부학적 부위별 투영·쿼리 토큰·어텐션 계층이 약 280만 개로 구성됨.
다만 CT 스캔 데이터가 상당히 커서 H100 같은 장비에서 실행하도록 작성됨.