의료 시각 질의 응답(MedVQA) 시스템은 새로운 임상 과제에 적응하면서 이전 지식을 잊지 않도록 지속적 학습(CL)을 활용해야 합니다. 본 연구는 분류, 다중 레이블 분류, 검출, 세포 계수, 보고서 생성 등 다양한 임상 목표를 가진 MedVQA 과제에서 CL 방법의 성능을 체계적으로 평가합니다. 기존 CL 방법은 다양한 목표와 감독 형식을 가진 과제를 번갈아 학습할 때 안정성-가소성 균형을 유지하는 데 어려움을 겪습니다.
코드와 전체 실험 설정은 공개될 예정입니다. 본 연구는 기존 CL 방법이 이종 MedVQA 과제에서 어떻게 작동하는지 분석하여 임상 환경에 적합한 모델 개발에 기여합니다.