연구진이 18개의 이미지 인코더와 7개의 텍스트 인코더를 분석한 결과, 자기 지도 학습이 임상 감독보다 표현 수렴을 이끌었습니다. 모델 크기나 임상 감독과는 무관하게 자기 지도 학습 목표가 표현 수렴을 유도하는 것으로 나타났습니다. 자기 지도 학습을 통해 훈련된 인코더는 40.4%의 유사성을 보였으며, 이는 레이블 지도 및 이미지-텍스트 학습보다 훨씬 높은 수치입니다.
연구 결과, 표현 수렴은 모달리티 내에서만 나타나며 임상 언어를 반영하지 못하고, 방사선과사가 판단하는 유사성을 재현하지 못했습니다. 하지만 선형 분류기는 인코더 간 이동이 가능하며, 5개의 외부 병원으로도 85%의 성능을 유지했습니다.
연구는 의료 영상에서 표현 수렴이 사전 훈련 목표에 의해 결정되며, 모델 크기나 임상 감독과는 관련이 없음을 보여줍니다. 따라서 상호 운용성을 확보하기 위해 사전 훈련 목표를 설계하고, 환자 하위 그룹 및 임상 판단에 대한 약점을 검증해야 합니다.