순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
A multimodal whole-slide foundation model for pathology
Tong Ding, Sophia J. Wagner, Andrew H. Song 외 · Nature Medicine · 2025년 · 조회 8
왜 이 논문인가 — 선정 기준
HOT PAPER · 최근 가장 주목받는 논문 — 피인용·FWCI·동년 인용 백분위
2025-11 발표 · 피인용 538회 · FWCI 99.9 · 동년 인용 상위 1%
‘HOT PAPER’ 슬롯은 최신 논문 중 높은 인용도와 주목도를 기준으로 선정했으며, Nature Medicine 2025년 논문은 해당 기준을 충족한다.
논문 요약
컴퓨터 병리학은 최근 자기지도 기반 파운데이션 모델로 급격히 발전했지만, 환자·슬라이드 수준의 임상 과제에 적용하기엔 라벨이 제한적이다. 연구팀은 시각 자기지도 학습과 병리 보고서·합성 캡션을 이용한 비전‑언어 정렬을 결합한 TITAN을 제안한다. 335,645개의 전슬라이드 이미지와 423,122개의 합성 캡션으로 사전학습했으며, 별도의 미세조정이나 임상 라벨 없이도 다양한 임상 작업에 바로 적용할 수 있다. 발표 후 538회 인용·FWCI 99.9로 높은 주목도를 보인다.
후속 연구설계에 활용하기
TITAN을 고정된 피처 추출기로 사용해 슬라이드 레벨 분류·생존 분석 등의 후속 연구에 적용하고, 라벨이 없는 데이터에서의 성능을 비교 설계에 포함시킬 수 있다.
핵심어
멀티모달 병리학전체 슬라이드비전‑언어 정렬자기지도 학습
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.