UniCAS: A foundation model for cervical cytology screening.

요약· AI 생성

1) 자궁경부 이상 검사는 예방과 치료에 매우 중요하지만 전체 슬라이드 이미지(WSI)의 크기가 커서 검사가 노력 집약적이고 시간이 많이 걸립니다. 2) 현재 딥러닝 기반 접근법은 자궁경부 세포학의 형태학적 다양성에 어려움을 겪고 있으며, 각각의 진단 작업에 특화된 모델을 필요로 하여 분절된 워크플로를 초래합니다. 3) 이 연구에서는 UniCAS라는 세포학 기반 모델을 제시하며, 이는 다양한 환자 인구통계학 및 병리학적 상태를 포함하는 48,532개의 자궁경부 WSI로 사전 학습되었습니다. 4) UniCAS는 슬라이드 수준 진단, 영역 수준 분석, 픽셀 수준 이미지 향상 등 다양한 임상 분석 작업을 수행할 수 있으며, 기존 접근법에 비해 우수한 성능을 보입니다. 5) 특히 슬라이드 수준 진단을 위한 다중 작업 집계기를 통해 UniCAS는 암 선별, 칸디다증 검사, 단서 세포 진단에서 각각 92.60%, 92.58%, 98.39%의 AUC 값을 달성하면서 기존 접근법 대비 진단 시간을 70% 단축할 수 있습니다.