속보01 / AI
CaseScope 연구진, 병리 진단 불안정성 보고
공개 모델은 교육용 사례에서 추가 영상보다 검체 부위 정보에 더 크게 영향을 받았다고 연구진은 보고했다.

CaseScope 연구진은 11월 13일 심사 전 논문에서 다중 영상 평가로 병리 진단의 불안정성을 발표했으며, 독립 재현 여부는 제시하지 않았다.
연구진은 수련용 영상 모음과 출판된 병리 도감에서 병변별 영상을 묶었다고 보고했다. 교육용 사례는 분류 체계를 맞추고 자동 사전 검토에서 의문이 제기되면 병리 전문의가 재검토했다. 도감 사례는 설명문을 읽은 언어 모델들의 분류가 일치해야 채택했다고 보고했다.
연구진은 최고 공개 모델의 일관 정답률을 17.9%(n=436, 교육용·모든 선택지 순환 배치)로 보고했다. 최고 상용 모델에서는 61.7%(n=436, 교육용·모든 선택지 순환 배치)로 측정됐다고 보고했다.
연구진은 교육용 사례에서 공개 모델이 추가 영상을 거의 활용하지 못했다고 보고했다. 이 조건에서는 한 줄로 제시한 검체 부위 정보의 영향이 더 컸으며, 오답은 전형적으로 닮은 질환에 쏠렸다고 보고했다.
연구진은 평가 코드 공개를 보고했으나, 초록에는 독립 재현 결과를 제시하지 않았다.
저자들은 기존 평가가 단일 영상 질문이나 전체 조직 슬라이드 처리에 주로 집중했다고 설명했다. CaseScope는 같은 병변의 여러 시야를 함께 판단하도록 구성했다고 보고했다.
초록은 평가에 사용한 모델별 이름과 구체적인 실행 설정을 보고하지 않았다.