病理基盤モデルの多角的評価：倍率変化への表現挙動とロバスト性を解明

10月 13, 2026 · 論文解説

🎧 この記事を音声で聴く（AI生成Podcast）

解説対象論文: PathScaleBench: A Multidimensional Benchmark of Cross-Scale Representation Behavior and Magnification-Shift Robustness in Pathology Foundation Models
Journal of Imaging Informatics in Medicine｜被引用数: 0（2026年10月13日時点）

デジタル病理学では、組織全体から細胞レベルまで多様な倍率で組織を観察します。このような多倍率の画像データに対応する病理基盤モデル（PFM）は、画像診断支援において重要な役割を担いますが、倍率が変化した際のモデルの挙動、特にそのロバスト性についてはこれまで十分に解明されていませんでした。本研究では、新しいベンチマーク「PathScaleBench」を開発し、病理基盤モデルが異なる倍率間でどのように情報を表現し、倍率変化に対してどれだけ頑健であるかを多角的に評価しました。

研究サマリー（FINER & PICO）

Feasible実施可能性	既存の公開病理基盤モデルとTCGAのホールスライドイメージを活用し、体系的なベンチマーク評価を効率的に実施している。
Ethical倫理面	病理画像診断AIの倍率変化に対する信頼性と性能を向上させ、最終的に専門家と対象者ケアの品質向上に寄与する。
Interesting面白さ	病理基盤モデルが異なる倍率間でどのように情報を表現し、倍率変化に対してどれだけ頑健であるかという未解明な挙動を多角的に解明している。
Novel新規性	倍率変化に対する病理基盤モデルの多次元的な表現挙動と、下流タスクにおける倍率シフトロバスト性との関連を体系的に評価した点が新規。
Relevant切実さ	デジタル病理学におけるAIモデルの選定、開発、および品質保証において、モデルの多倍率挙動に関する実用的な知見を提供する点で極めて重要。
Measurable測定可能性	CKA、相対的保持、Recall@K、NPS、MGGなど、多様な定量指標を用いてモデルの性能とロバスト性を厳密に測定している。
Modifiable派生・改善	モデルごとの性能プロファイルを提示し、特定のユースケースに応じたモデル選定や、将来のモデル設計・トレーニング戦略の改善点を示唆する。
Structured文章構造	同一組織中心、ネイティブFOVという制御されたサンプリングプロトコルと、5つの補完的な表現次元による多段階評価により、構造化された研究デザインを採用している。
PICO / PECO対象・介入・比較・結果	P: 8種類の癌タイプからなる71のTCGA WSI。I: 8種類の病理基盤モデルを異なる倍率で評価。C: 各モデルの表現挙動と倍率シフトロバスト性を異なる指標で比較。O: モデルごとの多次元的な性能プロファイル、倍率ロバスト性との関連。

はじめに：デジタル病理学と多倍率課題

どうも、Beyond the Pixelです。デジタル病理学では、組織全体像を把握するための低倍率から、細胞の詳細を観察するための高倍率まで、さまざまな倍率で組織スライドを検査します。これらの異なる倍率での視点は、それぞれが補完的であり、診断に不可欠な情報を提供します。しかし、ホールスライドイメージ（WSI）を処理する計算機システム、特に病理基盤モデル（PFM）にとって、同じ組織の中心が異なる倍率で表示されたときに、学習された表現がどのように変化すべきかという基本的な問いは未解決のままでした。病理基盤モデルは、分類、検索、バイオマーカー予測など、多目的に使用される特徴抽出器として急速に普及していますが、組織学的倍率の変化に対するその挙動は十分に解明されていませんでした。倍率の変化は、実効解像度と固定サイズエンコーダに提示される物理的な視野の両方を変化させるため、特に重要です。この課題に対処するため、著者らは「PathScaleBench」という新しいベンチマークを開発し、病理基盤モデルが倍率の変化に対してどのように表現を形成し、それが実用的な倍率シフトロバスト性（頑健性）にどのように関連するかを多角的に定量化しました。

PathScaleBench：病理基盤モデルの多次元的評価フレームワーク

評価対象とデータセット

PathScaleBenchは、病理基盤モデルの多倍率における表現挙動を詳細に分析するために設計されました。このベンチマークには、8種類の癌タイプ（膀胱尿路上皮癌、乳癌、結腸腺癌、頭頸部扁平上皮癌、腎臓淡明細胞癌、肺腺癌、肺腺癌、胃腺癌、子宮体癌）からなる、The Cancer Genome Atlas（TCGA）由来の監査済みのホールスライドイメージ（WSI）71例が使用されました。これらの画像は、同じ組織の中心位置において、40倍（細胞レベル）、10倍（組織レベル）、2.5倍（全体的構造レベル）のネイティブ視野（native-FOV）プロトコルを用いてサンプリングされました。これにより、倍率が低下するにつれて、細胞の詳細から組織構造、そしてより広範な全体的コンテキストへと物理的な視野が徐々に拡大する状況を再現しています。評価対象となったのは、Phikon、UNI、Virchow、Virchow2、UNI2、Midnight、GigaPath、GigaPath-Flashの8種類の主要な病理基盤モデルです。これらのモデルは、それぞれ異なる事前学習データセット、目的、モデル容量、倍率露出を持っています。

**Figure 1.** Fig. 1 Overview of the PathScaleBench study design. A The bench- mark comprises 71 TCGA whole-slide images spanning eight cancer types. At shared tissue-center coordinates, 224 × 224-pixel patches were sampled from native 40 × (cellular field), 10 × (tissue field), and 2.5 × (broader architectural field) resolutions; the physical field of view increases as magnification decreases. B Each patch was encoded by eight released pathology foundation models without task-specific fine-tuning. C Five complementary readouts characterize global解説: PathScaleBench研究デザインの概要を示しています。Aでは、71のTCGAホールスライドイメージから、同一の組織中心で40倍、10倍、2.5倍のネイティブ視野パッチをサンプリングするプロセスが示されています。Bでは、評価対象の8つの病理基盤モデルがリストされており、Cでは、グローバルアライメントから近傍構造保持まで、5つの補完的な表現次元が視覚化されています。Dでは、倍率シフトロバスト性の評価方法と、検索類似性とロバスト性の関連性が図示されています。

**Table 1.** Table 1 Pathology foundation models evaluated in PathScaleBench解説: PathScaleBenchで評価された8つの病理基盤モデルのリストです。各モデルの名称、使用されたエンコーダ/トレーニングのコンテキスト、埋め込み次元が記載されており、参考文献が示されています。

5つの表現次元による評価

PathScaleBenchでは、倍率に対する認識能力を単一の尺度として扱うのではなく、表現空間の5つの補完的な特性を評価しました。1つ目はCentered Kernel Alignment (CKA)で、異なる特徴空間が全体としてどれだけ類似しているかを測る指標であり、グローバルな表現の幾何学的類似性を測定します。2つ目は相対的保持（relative retention）で、隣接する倍率間のアライメントと比較して、長距離の倍率間（40倍と2.5倍）でどれだけアライメントが保持されているかを評価します。3つ目は双方向クロススケール検索類似性で、異なる倍率間のパッチがどれだけ相互に類似した表現として検索されるかを測定します。4つ目は癌検索（cancer retrieval、Recall@K）で、スライドレベルでの生物学的同一性の保持能力を評価します。そして5つ目は近傍構造保持スコア（Neighborhood Preservation Score, NPS）で、空間的に登録されたパッチ間の局所的な関係構造が倍率の変化を通じてどれだけ維持されるかを調べます。これらの多次元的な指標は、モデルが倍率の変化に対してどのように異なる情報を保持・変換するかを明らかにすることを目指しています。

倍率シフトロバスト性の直接評価

これらの表現レベルの特性に加えて、PathScaleBenchでは、モデルの実用的な倍率シフトロバスト性（頑健性）を直接評価しました。これは、特定の倍率（40倍、10倍、または2.5倍）で癌タイプを分類する線形プローブを訓練し、同じ保持されたケースを他のすべてのターゲット倍率でテストするという方法で行われました。この評価により、ある倍率で訓練されたモデルが別の倍率でもどれだけ有用であるか、つまり、展開時に最も重要な実際の結果を定量化することが可能になります。この研究の主な仮説は、単一の表現指標が普遍的に最適な病理基盤モデルを特定するのではなく、モデルのランキングが測定される特性に依存するというものでした。また、グローバルな類似性スコアよりも、スケールペアに適合した局所的な対応が倍率ロバスト性により関連すると期待されました。このフレームワークは、モデル選択、クロス解像度検索、多倍率統合、および品質保証のための監査層として意図されていますが、タスク固有または外部の臨床検証を置き換えるものではありません。

多次元評価が示すモデルごとの特性

全体的な表現の類似性と長距離保持

線形Centered Kernel Alignment（CKA）の分析は、病理基盤モデル間でクロススケール表現のアライメントに大きなばらつきがあることを明らかにしました。Phikonは最も高い平均CKA（0.714）を示し、次いでMidnight、UNI2が続きました。一方、Virchow2は著しく低いグローバルアライメントを示しました。一貫して、倍率間の距離が離れるほど、グローバルな埋め込みの幾何学的構造の分断が大きくなるパターンが観察されました。最も離れた40倍-2.5倍のペアで最も大きな変化が見られました。この結果は、パッチサンプリングの不安定性によるものではなく、モデルと倍率に依存した表現挙動を反映していることが確認されました。

**Figure 2.** Fig. 2 Cross-scale global representation alignment in eight fro- zen pathology foundation models. A Linear centered kernel align- ment (CKA) between spatially matched patch-embedding matrices at native 40 ×, 10 ×, and 2.5 ×; self-alignment is set to 1 for display. B Model-specific off-diagonal CKA for the 40 × –10 ×, 10 × –2.5 ×,**解説:** 8つの病理基盤モデルにおけるクロススケールグローバル表現アライメント（線形CKA）を示しています。Aは、40倍、10倍、2.5倍の倍率間のパッチ埋め込み行列におけるCKA値をヒートマップ形式で表示しており、対角線上の自己アライメントは1.000としています。Bは、各モデルにおけるオフダイアゴナルなCKA値とそれらの平均を示しており、モデルごとのグローバルアライメントの違いを視覚化しています。Cは、パッチサンプリングの感度分析の結果で、フルパッチ分析と最大1024パッチサンプリングでのCKA値が非常に近いことを示しています。

さらに、相対的保持の観点からもモデル間で大きな差が見られました。Phikonは最も高い平均保持スコア（0.774）を達成し、UNI2（0.758）、UNI（0.726）、Midnight（0.724）が続きました。これに対し、Virchow2は最も低い値（0.614）を示しました。この相対的保持は主に表現モデルの特性であり、特定の癌タイプに限定されるものではないことが、癌種ごとの分析と混合モデル分析によって示唆されました。

**Figure 3.** Fig. 3 Relative retention of long-range cross-scale alignment. Reten- tion is CKA(40 ×, 2.5 ×) divided by the mean of CKA(40 ×, 10 ×) and CKA(10 ×, 2.5 ×); higher values indicate greater long-range align- ment relative to each model’s adjacent-scale baseline. A Slide-level distributions across 71 whole-slide images, with black diamonds and numeric labels indicating model means. B Mean retention for each解説: 病理基盤モデルにおける長距離クロススケールアライメントの相対的保持を示しています。Aは、71のホールスライドイメージ全体におけるスライドレベルの保持スコアの分布をボックスプロットで示しており、モデルごとの平均値が黒い菱形と数値で記されています。Bは、8つの癌タイプと8つの病理基盤モデルごとの平均保持スコアをヒートマップで示しており、各モデルの保持プロファイルが癌タイプ間で類似していることを表しています。Cは、混合効果モデルにおける病理基盤モデル（PFM）、癌タイプ、およびそれらの交互作用の尤度比検定の結果で、PFM効果が強く支持されたことを示しています。

ローカルな検索能力と生物学的同一性

グローバルなアライメントだけでは全容は分かりません。パッチ間の生（raw）の双方向Top-5コサイン類似性を測定するクロススケール検索では、異なるモデル間の階層が明らかになりました。Virchow2は最も高い平均類似性（0.643）を示し、GigaPath-Flash（0.530）、Virchow（0.521）、Phikon（0.495）が続きました。UNIは最も低い値（0.331）でした。Virchow2は相対的保持が最も低かったにもかかわらず、生の検索類似性は最も高かったことが注目されます。これは、グローバルな構造の一致とローカルな検索能力が異なる性質であることを示唆しています。また、40倍-2.5倍の比較では、すべてのPFMで最も低い検索類似性が示され、最大の物理的スケールギャップが最も困難であることが確認されました。

**Figure 4.** Fig. 4 Raw cross-scale retrieval similarity across models and magni- fication pairs. A Within-slide bidirectional Top-5 cosine similarity for 40 × –10 ×, 10 × –2.5 ×, and 40 × –2.5 ×; black diamonds and adjacent numbers indicate the mean across pairs for each model. A high value indicates that high-cosine target embeddings are available in the same slide, not necessarily that a coordinate-matched patch was retrieved;**解説:** モデルおよび倍率ペア間の生のクロススケール検索類似性を示しています。Aは、40倍-10倍、10倍-2.5倍、40倍-2.5倍のペアにおけるスライド内双方向Top-5コサイン類似性の分布と、各モデルのペア全体の平均値を黒い菱形と数値で示しています。Bは、癌タイプとモデルごとのペア全体の平均検索類似性をヒートマップで表しています。Cは、PFM、スケールペア、およびそれらの交互作用に対する一般化推定方程式分析の結果で、すべてのp値が0.001未満であり、検索類似性がPFMとスケールペアに強く依存することを示しています。

次に、生物学的同一性の保持を評価する癌検索（Recall@1）では、Midnightが最高のRecall@1（0.845）を達成し、UNI2（0.803）、Virchow2（0.761）が続きました。モデル間の差はRecall@1で有意でしたが、Kの値が増える（Recall@5、Recall@10）につれて性能は飽和状態に近づき、モデル間の有意差は少なくなりました。癌種ごとのRecall@1プロファイルは異質性を示しており、生物学的同一性の保持が疾患の文脈によって一様ではないことを示唆しています。

**Figure 5.** Fig. 5 Cancer identity retrieval and neighborhood preservation across pathology foundation models. A Leave-one-out, slide-level cancer-label Recall@1, Recall@5, and Recall@10 for eight models; the labels show Recall@1. B Cancer-wise Recall@1, displayed as the within-cancer proportion of slides whose nearest retrieved slide shared the cancer label, not as raw counts. C Cosine ten-nearest-**解説:** 病理基盤モデルにおける癌同一性検索と近傍構造保持を示しています。Aは、8つのモデルにおけるLeave-one-out方式によるスライドレベルの癌ラベルRecall@1、Recall@5、Recall@10を示しています。Bは、癌タイプとモデルごとのRecall@1プロファイルをヒートマップで表示しています。Cは、3つの無順序倍率ペアにおけるコサイン10近傍オーバーラップ（NPS）を示しており、各モデルのペア全体の平均値が黒い菱形と数値で記されています。Dは、各Recall@Kにおけるモデル間のCochran Q検定と、NPSのFriedman検定の結果を示しています。

近傍構造の保持の違い

近傍構造保持スコア（NPS）は、また別のモデル間の順序付けを示しました。Phikonは最も高い平均NPS（0.248）を達成し、UNI（0.219）、UNI2（0.217）が続きました。Virchow2は最も低い値（0.179）を示しました。NPSにおいても、10倍-2.5倍 > 40倍-10倍 > 40倍-2.5倍という、最も離れた倍率間で最も低い保持が観察されるパターンが共通していました。これらの結果は、意味的同一性（癌タイプ）と局所的な位相構造（近傍関係）が、倍率変化の下で異なる挙動を示す可能性があることを示しています。モデルが局所的な近傍組織の組織化が大幅に再編成されても、癌の同一性を保持できる可能性があるのです。（図5）これらの5つのベンチマーク次元を組み合わせると、モデルプロファイルに大きな違いがあることが明らかになりました。Phikonはグローバルアライメント、相対的保持、近傍構造保持でトップに立ち、Virchow2はクロススケール検索類似性で最高を達成し、Midnightは生物学的同一性Recall@1で最高を達成しました。このため、どの病理基盤モデルもすべてのベンチマーク次元で一番になったわけではありません。記述的な平均順位ではPhikonが最も低く（2.2）、次いでUNI2（3.0）、Midnight（4.0）となりました。この平均順位は、モデルが異なる特性を測定する次元全体でどれだけ一貫して機能するかを示す記述的な要約と解釈されるべきです。

**Figure 6.** Fig. 6 Complementary cross-scale representation dimensions show different model-specific profiles. A Five-dimensional model-by-met- ric heatmap for global alignment (CKA), relative retention, raw cross- scale retrieval similarity, cancer identity Recall@1, and neighborhood preservation (NPS). Color intensity indicates min–max normalization within each metric only; cell annotations give the original unnormal-**解説:** 補完的なクロススケール表現次元が示すモデルごとの異なるプロファイルを示しています。Aは、グローバルアライメント（CKA）、相対的保持、生のクロススケール検索類似性、癌同一性Recall@1、近傍構造保持（NPS）の5次元モデル別ヒートマップです。色強度は各指標内での最小-最大正規化を示し、セル内の注釈は正規化されていない元の指標値を示しています。Bは、8つのモデルに対する各指標ごとの順位の軌跡を示しており、Cは5つの次元全体の記述的な平均順位を示しています。

表現プロファイルと実用的な倍率ロバスト性の関係

倍率汎化ギャップの重要性

著者らは、表現レベルの指標が、標準的な癌検索性能の単なる代替ではないことを確認しました。評価された4つのスケール認識指標（CKA、相対的保持、クロススケール検索類似性、NPS）のいずれも、8つのPFM全体で、癌Recall@1と統計的に有意な単調な関連性を示しませんでした。

**Figure 7.** Fig. 7 Model-level associations of four cross-scale representation measures with cancer retrieval Recall@1. Each point is one pathol- ogy foundation model (n = 8), directly labeled by model name; panels show A global alignment (CKA), B relative retention, C raw bidi- rectional cross-scale Top-5 cosine similarity, and D neighborhood解説: 4つのクロススケール表現尺度と癌検索Recall@1のモデルレベルの関連性を示しています。各散布図の点は1つの病理基盤モデル（n=8）を表し、モデル名が直接ラベル付けされています。パネルAはグローバルアライメント（CKA）、Bは相対的保持、Cは生の双方向クロススケールTop-5コサイン類似性、Dは近傍構造保持スコア（NPS）と癌Recall@1の関連を示しています。各散布図の上には、Spearman ρ、厳密な両側順列p値、Holm調整済みp値が報告されています。

これは、モデルが癌同一性検索でうまく機能しても、倍率間で表現空間を非常に異なる方法で組織している可能性があることを意味します。次に、これらの表現レベルの違いが実際の応用においてどのような影響を持つかを判断するため、各モデルをソースからターゲットへの倍率シフトで直接評価しました。訓練された倍率とテスト倍率の間の性能低下を示す倍率汎化ギャップ（MGG）に基づくと、最もロバストなモデルはMidnight（0.082）、Virchow2（0.181）、UNI2（0.224）でした。一方、Virchowは最大のMGG（0.432）を示しました。確率的シフトロバスト性の分析も同様の結果を示し、Midnight、Virchow2、UNI2が倍率摂動下で最も安定した予測を示しました。

**Figure 8.** Fig. 8 Source-to-target magnification-shift robustness and pair- matched criterion validity. A Eight model-specific 3 × 3 matrices of balanced accuracy; rows are source (training) magnification and col- umns are target (test) magnification at 40 ×, 10 ×, or 2.5 ×. Diagonal cells indicate matched-magnification evaluation, and off-diagonal cells indicate source-to-target shifts. B Magnification generalization gap (MGG), the difference between source-matched and source- to-target balanced accuracy for six directed shifts per model; black diamonds show the mean (lower values indicate greater robustness). C Probabilistic shift robustness from changes in true-class negative解説: ソースからターゲットへの倍率シフトロバスト性とペアに適合した基準関連妥当性を示しています。Aは、8つのモデルごとの3×3のバランス精度行列で、行はソース（訓練）倍率、列はターゲット（テスト）倍率です。Bは倍率汎化ギャップ（MGG）を示しており、黒い菱形は平均値を示しています（値が低いほどロバスト性が高い）。Cは真のクラス負の対数尤度（NLL）の変化に基づく確率的シフトロバスト性を示しています（値が高いほどロバスト性が高い）。Dは、対応するスケールペア摂動下での生の検索類似性とロバスト性の、モデル内およびスケールペア内のパーセンタイル順位の散布図です。

さらに、倍率変化に対する実用的なロバスト性と最も密接に関連する表現空間の特性を調べたところ、クロススケール検索類似性が確率的シフトロバスト性と緩やかながらも正の関連性があることが示されました（Spearman ρ = 0.159, 95%信頼区間 0.059–0.264; Holm調整済みp = 0.0021）。この効果量は控えめですが、クロススケール検索がモデルが実際に倍率の変化によって課題に直面したときにロバスト性に関連する表現空間の要素を捉えていることを示唆しています。対照的に、グローバルアライメントだけでは同等の基準関連妥当性は示されませんでした。

事前学習戦略が倍率挙動に与える影響

著者らは、拡張されたモデルセットを用いて、明示的な混合倍率事前学習がより大きな倍率ロバスト性に関連しているかどうかを検討しました。Virchowファミリー内の比較では、単一の公称20倍/0.5mpp解像度で事前学習されたVirchowに対し、5倍、10倍、20倍、40倍といった混合倍率の露出を組み込んだVirchow2は、平均MGGを0.4321から0.1812へと58.1%削減しました。この改善は、特に倍率シフト条件下で顕著でした。これは、事前学習中に多様な倍率に触れることが、倍率間でよりロバストな特徴転送をサポートするという考えと一致します。しかし、VirchowとVirchow2は、倍率サンプリングに加えて、アーキテクチャ、データ規模、最適化、およびトレーニングの詳細も異なるため、この比較は相関関係を示すものであり、混合倍率トレーニングの効果の因果的解釈を妨げます。また、GigaPathと蒸留されたGigaPath-Flashモデルの比較では、蒸留がクロススケール検索類似性を大幅に向上させたものの、生物学的同一性Recall@1とNPSはわずかに低下し、MGGと確率的シフトロバスト性は悪化しました。これは、ある表現指標の改善が必ずしも下流の倍率ロバスト性の改善に繋がらないことを示しており、モデルの圧縮がクロススケール挙動を再形成する可能性があることを示唆しています。したがって、コンパクトなモデルは、より大規模なモデルのクロススケール特性を継承すると仮定するのではなく、倍率シフトの下で直接評価されるべきです。

研究の限界と今後の展望

本研究にはいくつかの限界があります。まず、使用されたTCGAコホートは71のWSIと8種類の癌タイプに限定されており、集団規模の臨床的検証を意図したものではありません。同中心、ネイティブFOVプロトコルは比較を厳密に制御しましたが、施設、スキャナー、染色、および時間的多様性は限られていました。観察されたモデルランキングを一般化する前に、外部検証が必要です。次に、癌のラベルが比較的粗く、臓器部位と部分的に混同されているため、より詳細な臨床診断タスク（組織学的サブタイプ、分子状態、予後など）では異なる関係性が明らかになる可能性があります。分析では3つの離散的な倍率が使用されましたが、実際のデジタル病理学では連続的な解像度範囲が存在します。これは、離散的なトレーニング倍率間のギャップが重要であるという最近の証拠に照らして特に重要です。さらに、一部の評価済みモデルの事前学習にTCGAデータが使用された可能性があり、評価コホートとの重複が結果に影響を与えた可能性も指摘されています。本研究のネイティブFOVデザインは、倍率変化と視野の拡大という複合的な影響を評価するものであり、解像度損失とコンテキスト獲得を分離したものではありません。これらの限界にもかかわらず、本研究の結果は、将来の病理基盤モデルにおける実用的な原則を示唆しています。それは、ロバストな多倍率表現は、異なる倍率がグローバルに同一である必要はなく、タスクに関連するクロススケール対応を維持すべきであるという点です。これは、単純なスケール不変性から、タスクに関連するスケール認識への目標シフトを意味します。

結論

PathScaleBenchは、病理基盤モデルの表現が、細胞レベル、組織レベル、グローバルレベルの倍率でどのように挙動するかを特徴付けるための、制御された多次元的なフレームワークを提供しました。8つのPFMを評価した結果、どのモデルもグローバルアライメント、相対的保持、ローカル検索、生物学的同一性、近傍構造、および下流のシフトロバスト性のすべてを同時に支配するものではありませんでした。Phikonはグローバルな組織と近傍構造を最も強く保持し、Virchow2はローカルなクロススケール検索を最も強く保持し、Midnightは癌同一性と直接的なソース・ターゲットプロービングにおいて最もロバストでした。UNI2は強力な同一性保持と比較的低いシフト感度を兼ね備えていました。ペアに適合した検索類似性は、対応するシフトロバスト性と関連していることが示されました。これらの結果は、PFMの選択は意図されたユースケースに結びつけるべきであり、倍率ロバスト性は直接テストされるべきであることを強く示唆しています。単一の指標に依存するのではなく、補完的な尺度を組み合わせたプロファイルを利用することが、モデルの選択と品質保証において重要であると結論付けられます。

用語集

病理基盤モデル (PFM): 大規模な病理画像データで事前学習されたAIモデル。様々な病理タスクに応用可能な特徴抽出器として機能します。
フローズンエンコーダ: 事前学習済みでパラメータが固定されたモデル。特徴抽出器として利用され、追加の学習は行いません。
組織学的倍率: 顕微鏡で組織を観察する際の倍率。デジタル病理ではズームレベルに相当し、画像の詳細度と視野範囲に影響します。
Centered Kernel Alignment (CKA): 異なる特徴空間が全体としてどれだけ類似しているか、つまりグローバルな幾何学的構造がどの程度一致しているかを測る指標。
相対的保持: 長距離の倍率間（例: 40倍と2.5倍）での情報の一致が、隣接する倍率間の関係と比較してどれだけ維持されているかを示す指標。
双方向クロススケール検索類似性: 異なる倍率間で、類似した特徴を持つ画像を相互にどれだけ見つけられるかを示す指標。局所的な埋め込みの相互運用性を評価します。
近傍構造保持スコア (NPS): 空間的に近い組織のパッチが、倍率が変わってもその近傍関係（局所的な関係構造）をどれだけ維持しているかを示す指標。
Recall@K: 検索タスクにおいて、検索された上位K件のアイテムの中に正解（ここでは同じ癌タイプ）が含まれている割合を示す指標。
倍率汎化ギャップ (MGG): ある倍率で訓練したモデルが、別の倍率で評価された際に性能がどれだけ低下するかを示す指標。値が低いほどロバスト性が高いことを意味します。
ホールスライドイメージ (WSI): 組織標本全体をデジタル化した超高解像度画像。様々な倍率での観察が可能です。
線形プローブ: 基盤モデルから抽出された特徴ベクトルを用いて、シンプルな線形分類器を訓練し、その特徴の有用性を評価する方法。