폐선암(LUAD)의 등급은 정확하게 성장 패턴을 식별하여 결정되며, 이는 예후 지표이자 치료 결정에 영향을 미칠 수 있습니다.
연구진은 어텐션 기반 멀티 인스턴스 학습(ABMIL) 프레임워크를 제안하여 조직 슬라이스 전체 수준에서 지배적인 LUAD 성장 패턴을 예측하고 어노테이션 부담을 줄입니다.
ABMIL은 기존 병리 기반 모델을 활용하여 판별력 있는 특징을 추출하고 어텐션 메커니즘을 통해 집계하여, 기존 방식보다 더 강력한 예측을 제공합니다.