FLAP · 진행 중인 실험 계보

사진으로 재수술을 예측할 수 있는가

합성 양성으로 클래스 임밸런스를 잡으려던 시도에서 출발해, 지금은 그 아래에 있던 더 근본적인 질문에 도달한 상태입니다. 각 실험이 무엇을 확정했고 무엇을 기각했는지의 기록.

결정 그래프

줄기는 살아남은 경로, 옆으로 뻗은 붉은 가지는 막다른 길이다. 기각된 분기도 지워지지 않는다 — 무엇을 배제했는지가 남은 경로의 근거이기 때문이다.

flowchart TD
  Q(["출발점 · 양성 환자 18 / 161"])
  G["합성 양성으로 임밸런스를 잡는다"]

  R14["라운드 1-4 · FLUX.1-Fill 마스크 인페인팅"]
  D1>"기각 · 간파 64%, 통과분은 실제 정상과 동일 12%
링이면 그린 선, 채움이면 해부구조 파괴"]

  R5["라운드 5 · FLUX.2 지시편집 + 마스크 합성"]
  R5E["간파 30% · 통과분 정상아님 62%
실제 양성 52%와 같은 대역"]

  ABL["증강 ablation · 6 arm"]
  DB>"기각 B · 라운드3 2762장 · -0.080 · 0/5"]
  DC>"기각 C · 전체 225장 · -0.045 · 0/5"]
  DD>"기각 D · 규칙 46장 · -0.018 · 0/5"]
  DE>"기각 E · 전문가 32장 · -0.015 · 0/5"]
  DF>"기각 F · 규칙+페어 · -0.018 · 0/5"]

  H["가설 · 각도·구도 교란이 지배한다"]
  VIEW["세 표현 비교 · full / crop / only"]
  DV>"기대 반박 · 시야를 좁힐수록 붕괴
crop 0.650 · only 0.398"]

  T1["T1 · 표적을 재수술에서 전문의 판정으로 교체"]
  T1R["표현은 멀쩡하다
only 0.814 · crop 0.852"]

  CONC{{"피판은 전문의가 보는 것을 담지만
재수술 여부는 담지 않는다"}}

  T3["T3 · 기하 다중뷰 증강
인코딩 완료, 비교 대기"]
  T4["T4 · 촬영빈도 보정"]
  T4R["교란만 0.706 · 이미지가 +0.032 더함 (5/5)"]
  T8["T8 · 시간 구간별"]
  D8>"조기예측 불가 · 24h 시점 양성 0명
6h 시점 4명, AUROC 0.503"]
  T11["T11 · 축 안정성 · T12 프로토타입 변형"]
  D12>"정교화 전부 원형 이하
제약은 방법이 아니라 데이터"]
  T3B["T3 · 기하 다중뷰"]
  D3>"기각 · 8뷰 평균 -0.011 · 증강 -0.022
둘 다 1/5"]
  T13["T13 · 쌍 마진 학습"]
  T13R["verdict 0.833 · 결과 라벨 미사용
단, 판정 라벨로 대역을 고른 몫 +0.059 포함"]
  T13D["분해 · 짝지음 +0.010 (4/5)
비선형성 +0.030 (5/5)"]
  T14["T14 · 결과 라벨에서 뽑은 방향"]
  D14>"기각 · verdict 0.548 · 두 방향 75도
소견 명시가 값을 한다는 증거"]
  T15["T15 · 튜닝 없는 순수 수치"]
  D15>"라벨 미참조 0.742 · 베이스라인 0.779 미달
'라벨 없이 이긴다'는 성립 안 함"]
  T16["T16 · 임상 운영점"]
  T16R["판정 표적 · 사진 절반 검토로 누락 0
결과 표적 · 쓸 수 있는 운영점 없음"]
  R6["라운드6 · 소스 확대 · 판정 미참조"]
  R6R["축은 수렴 (k=32에서 0.996)
성능은 0.765 · 튜닝본 0.833 대비 -0.068 (0/5)"]
  SETTLE{{"두 경로가 같은 곳을 가리킨다
이 방법의 실제 수준은 0.77 부근
학습 베이스라인 0.779와 동률"}}
  T18["T18 · crop 공간에서 지도학습과 대조"]
  T18R["판정 미참조 축 0.796 · 지도학습 0.798
차이 -0.002 (1/5) · 구분 불가"]
  T19["T19 · 라벨 효율 곡선"]
  T19R["축은 전문가 라벨 약 40장의 가치
그 이하 구간에서 지도학습보다 낫다"]
  T20["T20 · 기성 방식과 대조
기여를 표현과 축으로 분리"]
  T20R["기성 DINOv2 0.489 (최선 설정)
+ SSL 0.763 · + crop 0.798 · 축 0.810"]
  D20>"자기 정정 · 처음 보고한 +0.424는
불리한 단일 설정 기준. 정직한 격차 +0.275"]
  T21["T21 · 폴드 규율 검증"]
  T21R["342개 텐서 중 58개가 폴드별로 다름
다섯 인코더는 따로 학습됨"]
  CLAIM{{"성립하는 주장
주 기여는 표현(+0.275)
축은 그 위에서 라벨 0장으로 지도학습과 동률"}}
  T5["T5 · 합성을 라벨이 아니라 방향으로"]
  T5R["학습 없이 전문의 판정 0.825
단, 재수술은 0.720으로 베이스라인 미만"]
  D5>"기각된 대조 · 짝짓기 섞음
평균 차이는 짝짓기 불변, 대수적으로 무의미"]
  T5C["무의미 편집 대조
무작위 색 0.531 · 평평한 색 0.737"]
  T6["T6 · 투영값을 특징으로 추가"]
  D6>"기각 · +투영 -0.006 (1/5)
투영만 -0.076 (0/5)"]
  T7["T7 · 방향을 학습 목적함수에"]
  D7>"기각 · G -0.012 · H -0.003 · I -0.009
최선이 베이스라인과 구분 불가"]
  MECH{{"12개 arm이 같은 곳을 가리킨다
합성은 소견을 담지만 소견이 결과를 예측하지 않으므로
어떤 투입 경로도 도울 수 없다"}}
  T2["T2 · 일반 DINOv2 재인코딩 (보류)"]

  Q --> G
  G --> R14
  R14 --> D1
  G --> R5
  R5 --> R5E
  R5E --> ABL
  ABL --> DB
  ABL --> DC
  ABL --> DD
  ABL --> DE
  ABL --> DF
  ABL --> H
  H --> VIEW
  VIEW --> DV
  VIEW --> T1
  T1 --> T1R
  T1R --> CONC
  CONC --> T3
  CONC --> T4
  CONC --> T5
  T5 --> D5
  T5 --> T5C
  T5C --> T5R
  T5R --> T6
  T5R --> T7
  T6 --> D6
  T7 --> D7
  D6 --> MECH
  D7 --> MECH
  CONC --> MECH
  CONC --> T4
  T4 --> T4R
  MECH --> T8
  T8 --> D8
  T5R --> T11
  T11 --> D12
  D12 --> T13
  T13 --> T13R
  T13 --> T13D
  T13R --> T15
  T15 --> D15
  T13R --> T14
  T14 --> D14
  T13R --> T16
  T16 --> T16R
  D15 --> R6
  R6 --> R6R
  R6R --> SETTLE
  D15 --> SETTLE
  SETTLE --> T18
  T18 --> T18R
  T18R --> T19
  T19 --> T19R
  T19R --> T20
  T20 --> T20R
  T20 --> D20
  T20R --> T21
  T21 --> T21R
  T21R --> CLAIM
  T19R --> CLAIM
  H --> T3B
  T3B --> D3
  T1R -.-> T2

  classDef trunk fill:#2E3A50,stroke:#2E3A50,color:#F5F5F5
  classDef dead fill:#8C2F3B,stroke:#8C2F3B,color:#FFF1F3
  classDef ok fill:#1F6F63,stroke:#1F6F63,color:#EAF7F4
  classDef wait fill:#9A6A18,stroke:#9A6A18,color:#FDF4E4
  classDef held fill:none,stroke:#9A6A18,stroke-dasharray:4 3,color:#9A6A18

  class Q,G,R14,R5,ABL,H,VIEW,T1,T5,T5C,T6,T7,T4,T8,T11,T13,T3B,T14,T15,T16 trunk
  class D1,DB,DC,DD,DE,DF,DV,D5,D6,D7,D8,D12,D3,D14,D15 dead
  class R5E,T1R,CONC,T5R,MECH,T4R,T13R,T16R,SETTLE,T18R,T19R,CLAIM,T20R,T21R ok
  class D20 dead
  class T13D wait
  class R6,R6R,T18,T19,T20,T21 trunk
  class T2 held

확정된 것

E1 마스크 인페인팅으로는 임상적 양성을 못 만든다 기각

링 마스크는 색 변화가 그린 선처럼 보이고, 채움 마스크는 FLUX가 피판을 지우고 해부구조를 지어냈다. 전문가가 64%를 AI로 간파했고, 통과한 것들조차 실제 정상과 통계적으로 동일했다(12% vs 12%).

모델을 바꾸는 것이 답. FLUX.1-Fill은 색 지시를 아예 무시한다.

E2 FLUX.2 지시편집 + 마스크 합성은 작동한다 확정

지시 기반 편집이라 변화가 조직 결을 따라 유기적으로 분포하고, 강도를 낮춰도 구조가 살아남는다. 국한성은 SAM3 마스크 합성으로 구조적으로 보장했다. 간파율이 64%에서 30%로 떨어졌고, 통과분의 '정상 아님' 비율이 12%에서 62%로 올라 실제 양성(52%)과 같은 대역에 들어왔다.

생성 문제는 해결됨. 다만 n이 작아 실제 양성을 넘어섰다고는 말할 수 없다.

E3 그런데 증강은 성능을 떨어뜨린다 기각

6개 arm 전부가 5개 분할 전부에서 베이스라인에 패배했다. 필터를 조일수록 손해가 줄지만(−0.080 → −0.045 → −0.015) 한 번도 이득으로 뒤집히지 않았다. 페어 대조도, 전문가 검증도 마찬가지.

합성을 양성 라벨로 결정경계에 투입하는 방식은 이 데이터에서 작동하지 않는다.

E5 합성을 방향으로 쓰면 학습 없이도 소견을 읽는다 확정

편집본 평균에서 원본 평균을 뺀 방향에 실제 사진을 투영하면, 학습을 전혀 하지 않고도 전문의 판정을 0.825로 맞춘다 — 학습된 전체이미지 모델(0.779)보다 높다. 같은 소스·마스크·강도로 만든 무의미 편집은 0.531로 우연 수준이고, 평평한 자색은 0.737에 머문다.

색이 대부분(0.737)을 나르고, FLUX의 렌더링이 +0.088을 더한다. 전문가 필터는 FLUX에만 듣는다(+0.056 대 −0.006) — 색이 아니라 렌더링 품질을 선별한다는 뜻.

다만 본 과제에서는 아직 이득이 아니다. 재수술 예측은 0.720으로 베이스라인 0.771에 못 미친다. 오른 것은 사진 판독이지 결과 예측이 아니며, 이 방향을 베이스라인과 결합했을 때 무엇이 되는지는 T6·T7이 답한다.

E6 어떤 투입 경로로도 결과 예측은 나아지지 않는다 기각

라벨로(6 arm), 특징으로(2 arm), 학습 목적함수로(3 arm) — 12개 arm 전부가 베이스라인 이하다. 최선인 H(보조표적, −0.003)조차 베이스라인과 구분되지 않는다.

세 결과가 하나의 기전으로 맞물린다: 합성은 소견을 담고(E5), 소견은 결과를 예측하지 않으며(E4), 따라서 소견에서 파생된 무엇도 결과를 도울 수 없다.

E9 소견을 명시한 반사실이 결과 라벨에서 뽑은 방향을 압도한다 확정

실제 양성 평균에서 실제 음성 평균을 뺀 방향은 판정 0.548, 결과 0.546으로 우연 수준이다. 자기 라벨조차 못 맞춘다 — 양성 289장이 환자 18명에서 나오므로 그 평균은 병리가 아니라 그 18명이다. 두 방향은 75도 떨어져 있다.

합성 축은 라벨 축이 줬을 것을 복원하는 게 아니라 다른 것을 본다. 임상 지식을 프롬프트로 주입한 것이 실제로 값을 하며, 라벨 기반 변환 모델에 투자할 근거는 없다.

E10 "라벨 없이 베이스라인을 넘는다"는 성립하지 않는다 자기 정정

0.833은 판정 라벨로 강도 대역을 고른 뒤의 숫자다. 그 튜닝의 몫이 +0.059(5/5)이고, 판정을 전혀 참조하지 않으면 0.742로 베이스라인 0.779에 못 미친다. 라운드6이 이를 독립적으로 확인했다 — 같은 임상 설정을 생성 시점에 적용하고 소스를 넓히자 0.765로, 라벨 미참조 수치들이 모이는 대역에 정확히 들어왔다.

순환은 아니지만 낙관 편향이다. 성립하는 주장은 "결과 라벨 없이 베이스라인과 동등"이며 "상회"가 아니다. 라벨 200건이면 환자 단위로 튜닝셋과 평가셋을 갈라 편향 자체를 제거할 수 있다.

E5b 그런데 '반사실 쌍' 논리는 이 계산에 적용되지 않았다 자기 정정

짝지은 차이의 평균은 mean(편집) − mean(원본) 과 같아 짝짓기에 불변이다. 그래서 "짝짓기를 섞는" 대조군은 원본과 소수점까지 동일한 값을 내며 아무것도 검정하지 못했다.

방향은 유효하되 근거는 반사실 쌍이 아니라 집단 평균 차이. 무의미 편집 대조로 대체.

E7 조기 예측은 이 코호트에서 성립하지 않는다 기각

재수술 결정은 중앙값 3시간에 내려지는데 사진은 5일에 걸쳐 쌓인다. 24시간 시점에 결과가 아직 미래인 양성 환자는 한 명도 없고, 6시간 시점에도 4명뿐이며 그때 AUROC는 0.503이다. 어느 개별 시간 구간도 0.62를 넘지 못하고, 0.754는 전체를 다 넣었을 때만 나온다.

모델의 실패가 아니라 데이터와 결과 정의의 구조. 성능이 특정 시점의 소견이 아니라 기록의 누적에서 온다.

E8 그래도 사진은 기록 위에 무언가를 더한다 확정

사진 수·재원 시간·촬영 빈도만으로 0.706이 나온다. 그 위에 이미지를 더하면 +0.032, 5개 분할 전부에서 이긴다. 교란을 회귀로 제거한 이미지 잔차도 0.691.

"전부 교란이다"도 "0.771이 다 이미지다"도 틀렸다. 기록이 0.706을 설명하고 사진이 작지만 일관된 몫을 더한다.

E4 피판만 보면 소견은 더 잘 읽히고 결과는 사라진다 확정

시야를 피판으로 좁히면 재수술 예측은 0.778에서 0.398로 무너지는데, 같은 표현으로 전문의 판정은 오히려 더 잘 맞춘다(0.779 → 0.814). 표현이 망가진 것이 아니다.

full의 0.778을 떠받치던 것은 상당 부분 피판 바깥이다. 촬영빈도 교란(0.825)·기록구조(0.716)와 같은 방향.

핵심 수치

증강 ablation · 베이스라인 대비, 분할 짝지음
arm	합성 수	AUROC	Δ	짝지은 sd	승수
A 베이스라인	—	0.771	—	—	—
B 라운드3	2762	0.692	−0.080	0.027	0/5
C 라운드5 전체	225	0.727	−0.045	0.007	0/5
D 라운드5 규칙	46	0.753	−0.018	0.007	0/5
E 라운드5 전문가	32	0.756	−0.015	0.011	0/5
F 규칙 + 페어	46	0.753	−0.018	0.010	0/5

짝지은 sd가 결론을 가능하게 했다. arm 자체의 산포는 0.032~0.040이라 −0.015는 잡음처럼 보이지만, 같은 폴드를 공유해 짝지으면 sd가 0.007~0.011로 떨어진다. 그래서 작은 차이도 실재하는 열화로 판정된다.

표현이 무엇을 담고 있는가 · 표적을 바꿔 비교
표현	보이는 것	재수술 예측	전문의 판정 예측
full	사진 전체	0.778	0.779
crop	피판 + 주변 여백	0.650	0.852
only	피판 픽셀만	0.398	0.814

두 열의 방향이 정반대다. 피판만 남기면 전문의가 사진에서 읽어내는 것은 더 잘 맞추고, 재수술 여부는 우연 아래로 떨어진다. 전문의 판정 표본은 87건(이상 18건, 환자 47명)으로 작고 폴드별 편차가 커서 수치의 신뢰구간은 넓다. 방향은 분명하지만 값은 라벨이 쌓이면 갱신해야 한다.

전문가 라벨 · 라운드3 대 라운드5
지표	라운드3	라운드5	실제 양성	실제 정상
AI 간파율	64%	30%	0%	0%
통과분 '정상 아님'	12%	62%	52%	5%

'정상 아님'은 양성 + 보류다. 보류는 결측이 아니라 소견이다 — 전문가는 실제 양성의 45%를 보류로, 실제 정상은 12%만 보류로 표시했다. 판단을 유보한다는 것 자체가 판별력을 가진다.

T5 · 방향 투영, 학습 없음 · venous, alpha .50–.62
방향 출처	재수술	전문의 판정
라운드5 (FLUX)	0.720	0.825
대조 · 평평한 자색	0.655	0.737
대조 · 무작위 색	0.473	0.531
대조 · 무작위 방향	0.487	0.487

분해가 읽힌다. 편집이 일어났다는 사실만으로는 0(무작위 색 0.531 ≈ 무작위 방향 0.487), 올바른 색이 0.737, FLUX의 렌더링이 +0.088. 전문가 필터를 걸면 FLUX만 오르고(0.769 → 0.825) 평평한 색은 그대로다(0.743 → 0.737).

합성을 결과 모델에 넣는 모든 방법 · 베이스라인 0.771 대비
투입 경로	arm	AUROC	Δ	짝지은 sd	승수
라벨로 (E3)	D 규칙 46장	0.753	−0.018	0.007	0/5
라벨로 (E3)	E 전문가 32장	0.756	−0.015	0.011	0/5
특징으로 (T6)	B + 투영	0.765	−0.006	0.007	1/5
특징으로 (T6)	C 투영만	0.695	−0.076	0.037	0/5
목적함수로 (T7)	G 대조항만	0.759	−0.012	0.008	1/5
	H 보조표적	0.768	−0.003	0.012	2/5
	I 둘 다	0.762	−0.009	0.011	1/5

E3의 B·C 두 arm을 더하면 12개 arm 전부가 베이스라인 이하다. 최선인 H조차 −0.003으로 베이스라인과 구분되지 않는다. 실패의 방식이 경로마다 다르지 않다는 것이 기전이 하나라는 근거다.

축의 안정성과 정교화 · 전문의 판정 표적
검정	결과	읽는 법
소스 환자 1명 제거	코사인 0.985–0.997	한 피판이 축을 끌지 않음
소스 환자 k명으로 구성	k=8 0.87 · k=16 0.97	23명에서 아직 미수렴
P0 방향 (내적)	0.825	현행
P1 코사인	0.806	노름이 정보였음
P2 환자 자신 기준선	0.828 (n=41)	동률 · 환자 교란 없이도 유지
P3 소견별	0.732	약한 소견이 희석

정교화가 원형을 넘지 못한다. 남은 제약은 방법이 아니라 데이터다 — 소스 환자 23명, 판정 라벨 87건. P2의 결과 예측이 0.720에서 0.664로 떨어지는 것도 같은 이야기를 한다: 환자 자신을 기준으로 삼으면 환자 간 분산이 사라지고, 촬영빈도 교란이 사는 곳이 정확히 거기다.

쌍 마진 학습 · 5분할 짝지음
방식	결과 라벨	verdict	outcome
학습 베이스라인 (BCE+SupCon)	사용	0.779	0.771
M0 평균 차이 (학습 없음)	미사용	0.794	0.722
M1lin 선형 마진	미사용	0.803	0.730
M1 비선형 마진	미사용	0.833	0.735
M2 마진 + 결과	사용	0.748	0.770

부분집합을 무엇으로 고르느냐 · 마진 채점기
부분집합	n	판정 라벨	verdict	outcome
전체	225	안 봄	0.742	0.700
venous만	123	부분 참조	0.774	0.704
venous + alpha 대역	45	사용	0.833	0.735
전문가 통과분	32	사용	0.787	0.771
(참고) 결과 라벨로 학습한 베이스라인	—	—	0.779	0.771

0.833 가운데 +0.059는 같은 판독자의 라벨로 강도 대역을 고른 몫이다(5/5). 판정을 전혀 보지 않은 숫자는 0.742이고, 임상적 소견 선택까지만 한 것이 0.774로 베이스라인과 동률이다. 베이스라인을 넘는 것은 튜닝을 거친 경우뿐이므로 "라벨 없이 이긴다"고 쓸 수 없다. 규칙을 정한 판정과 평가에 쓴 판정은 서로 다른 집합이라 순환은 아니지만 낙관 편향이고, 라벨이 200건쯤 되면 환자 단위로 튜닝셋과 평가셋을 갈라 제거할 수 있다.

임계값을 조정하면 쓸 수 있는가 · 운영점
표적 · 운영점	민감도	특이도	PPV	플래그	1건당 검토
결과 · 민감도 ≥0.95	1.00	0.34	0.16	112/161	6.2명
결과 · 최적(Youden)	0.56	0.89	0.38	26/161	2.6명
판정 · 민감도 1.00	1.00	0.62	0.41	44/87	2.4장
판정 · 민감도 0.83	0.83	0.72	0.44	34/87	2.3장

같은 결론에 이르는 두 경로 · 판정 표적
출처	구성	판정 라벨	verdict
T15	라운드5 전체 225	안 봄	0.742
T15	라운드5 venous 123	부분	0.774
T17	라운드6 139 (같은 설정, 소스 확대)	안 봄	0.765
T17	합침 184	부분	0.777
—	학습 베이스라인	결과 라벨 사용	0.779
T13	라운드5 튜닝된 45장	사용	0.833

라운드6은 라운드5가 찾아낸 임상 설정을 생성 시점에 적용했으므로 규칙은 같고 소스 커버리지만 넓다. 그런데도 0.765다. 라벨을 참조하지 않은 네 수치가 0.742에서 0.777 사이에 모이고 튜닝된 45장만 0.833으로 떨어져 나온다. 서로 독립인 두 경로가 같은 결론을 가리킨다 — 이 방법의 실제 수준은 0.77 부근이고, 결과 라벨로 학습한 베이스라인(0.779)과 동률이다. 주장은 "상회"가 아니라 "결과 라벨 없이 동등"이 되어야 한다. 한편 축 자체는 수렴했다: 합친 풀에서 32명이면 전체 축과 0.996으로 일치한다.

축은 전문가 라벨 몇 장의 가치인가 · crop 공간, 동일 테스트셋
지도학습이 쓴 라벨	AUROC	축 대비	축을 이긴 횟수
반사실 축 (라벨 0장)	0.799 ±0.122	—	—
8장	0.678	−0.120	6/40
16장	0.714	−0.084	9/40
24장	0.752	−0.047	12/40
32장	0.784	−0.015	18/40
40장	0.804	+0.005	18/36
48장	0.844	+0.045	8/13

crop 공간에서 판정을 한 번도 참조하지 않은 축은 0.796, 같은 라벨로 학습한 분류기는 0.798로 구분되지 않는다(−0.002, 1/5). 곡선으로 옮기면 축은 전문가 라벨 약 40장의 가치이고 그 아래 구간에서는 지도학습보다 낫다. 다만 40장은 큰 수가 아니고, 축의 산포가 ±0.122로 커서 8장 구간에서도 40번 중 6번은 지도학습이 이긴다. 평균적으로 나은 것이지 항상 나은 것이 아니며, 곡선 전체가 사진 68장 위에 서 있다.

성능은 어디서 오는가 · 같은 68장, 같은 환자 분리 분할
구성	판정 라벨	verdict AUROC	단계별
기성 DINOv2, 전체 프레임 (최선 설정)	사용	0.489	—
+ 환자대조 SSL (최선 설정)	사용	0.763	+0.275
+ SAM3 피판 crop	사용	0.798	+0.036
반사실 축	없음	0.810	+0.012

주 기여는 축이 아니라 표현이다. 환자대조 SSL 하나가 +0.275이고 crop이 +0.036, 축이 +0.012다. 축의 몫은 성능을 올리는 것이 아니라 그 표현 위에서 라벨을 한 장도 쓰지 않고 지도학습과 같은 자리에 도달하는 것이다.

자기 정정. 이 단계를 처음 잰 값은 +0.424였는데, 기성 베이스라인을 로지스틱 회귀 한 설정으로만 세운 결과였다. 정규화 강도와 정규화 방식을 열한 가지로 스윕하니 최선이 0.489로 올라가 격차는 +0.275가 됐다. 0.15가 설정 차이였다. 0.489는 여전히 우연 수준이므로 "기성 표현에 쓸 신호가 없다"는 결론 자체는 남는다.

폴드 규율도 확인했다. 다섯 인코더의 342개 텐서를 전수 비교하면 58개가 폴드마다 다르고 (상위 블록 3~4퍼센트, 하위 블록은 동결), 따로 학습된 것이 맞다. 처음에는 pos_embed를 비교했는데 그것은 미세조정이 건드리지 않는 텐서여서 아무것도 판별하지 못했다.

그래서 성립하는 주장은 라벨 효율보다 콜드 스타트 쪽이 강하다. 라벨이 0장인 시점에 지도학습은 존재하지 않는다. 새 기관, 새 피판 종류, 새 소견마다 라벨은 0에서 시작하고, 이 방법은 그 자리에서 작동하는 채점기를 준다. 그리고 그 축은 라벨에 적합된 블랙박스가 아니라 이름이 붙은 임상 방향이다 — 결과 라벨에서 뽑은 방향이 0.548로 무너지고 두 방향이 75도 떨어져 있다는 것이, 소견을 명시한 것이 성능만이 아니라 의미를 만들었다는 증거다.

AUROC는 임계값과 무관하므로 조정이 판별력을 만들지는 않는다. 다만 쓸 만한 운영점이 있는지는 별개의 질문이고, 답이 두 표적에서 갈린다. 결과 표적에는 쓸 수 있는 운영점이 없다 — 전부 잡으려면 환자의 70%를 플래그해야 하고, 특이도를 세우면 절반을 놓친다. 판정 표적에는 있다: 사진의 절반만 검토하면서 전문의가 이상하다고 본 것을 하나도 놓치지 않는다. 검토 우선순위 도구로서의 근거가 여기까지는 선다.

M1의 이득은 대부분 짝지음이 아니라 비선형성이었다. 선형 통제를 넣어 분해하면 짝지음 +0.010 (4/5, 짝지은 sd 0.008), 비선형성 +0.030 (5/5, sd 0.015)이다. 평균 차이가 짝짓기에 불변이라는 사실 때문에 이 질문은 오랫동안 검정되지 못했는데, 마진이 그것을 열었고 답은 "담기는 하되 작다"였다. 한편 결과 라벨을 한 번도 쓰지 않은 M1이 판정 표적에서 학습 베이스라인을 0.054 앞선다. 결과 표적에서는 여전히 어떤 것도 베이스라인을 넘지 못한다.

남은 갈래

T2 일반 DINOv2로 재인코딩 보류

only의 인코더는 전체 사진으로 미세조정된 것이라 회색 마스킹 이미지에 대해 분포를 벗어난다. T1이 표현의 건전성을 보였으므로 우선순위가 내려갔다.

T1 결과로 필요성이 줄었다. 보류.

T3 기하 다중뷰 증강 대기

현재 합성은 소스와 픽셀 단위로 정렬돼 각도·모양이 동일하다. 임베딩 공간에서 어떤 음성 사진 바로 옆에 반대 라벨이 놓이는 셈. 회전·원근·크롭 지터를 실제와 합성에 동일 적용해 시점 분산을 만든다. 지금 파이프라인에는 기하 증강이 전혀 없다.

판정: 짝지은 Δ와 5분할 승수.

T4 촬영빈도 보정 후 재평가 대기

E4가 full의 성능 상당분이 피판 바깥이라고 시사한 이상, 보정 후 이미지 기여분이 얼마나 남는지가 논문 주장의 근거가 된다.

판정: 보정 후에도 이미지 기여가 유의하게 남는가.

E12 기여의 대부분은 축이 아니라 표현이다 확정

기성 DINOv2에 판정 라벨을 주어도 0.489로 우연 수준이다. 환자대조 SSL이 +0.275, 피판 crop이 +0.036, 반사실 축이 +0.012를 더한다. 다섯 인코더는 342개 텐서 중 58개가 폴드마다 달라 따로 학습된 것이 확인됐다.

축의 몫은 성능이 아니라 라벨 없이 같은 자리에 도달하는 것이다. 처음 보고한 +0.424는 기성 베이스라인을 한 설정으로만 세운 값이었고, 열한 설정을 스윕한 정직한 격차는 +0.275다.

E11 라벨이 없는 구간에서 반사실 축이 지도학습을 대체한다 확정

crop 공간에서 판정을 한 번도 참조하지 않은 축(0.796)과 같은 라벨로 학습한 분류기(0.798)가 구분되지 않는다. 곡선으로 보면 축은 전문가 라벨 약 40장에 해당하고, 그 아래에서는 지도학습보다 낫다.

주장의 무게는 "라벨 40장 절약"이 아니라 라벨 0장에서 작동한다는 데 있다. 새 기관·새 피판·새 소견마다 라벨은 0에서 시작하고 지도학습은 그 자리에 존재하지 않는다.

다음 데이터를 늘린다 — 방법은 이미 최선의 형태다 진행

라벨링 앱을 두 가지 고쳤다. 양성·보류에 소견을 필수로 받되 버튼 하나로 확정되게 해 클릭 수는 그대로 두었고 — 실제 사진 87건 중 소견이 기록된 것이 2건뿐이어서 축이 울혈을 재는지 이상 여부를 재는지 구분할 수 없었다 — 사진이 많은 환자의 앵커를 앞으로 당겨 환자 내 쌍이 빨리 쌓이게 했다. 다만 연속 배치는 하지 않았다. 한 환자 사진이 줄줄이 나오면 그것이 실제 사진이라는 신호가 되어 블라인드가 깨진다.

120건만 더 판정하면 환자 내 비교 가능 환자가 7명에서 14명 이상이 된다. 소스 환자도 23명에서 늘려야 축이 수렴한다.

T3 기하 다중뷰 증강 인코딩 완료

사진당 8뷰(원본 + 기하 지터 7)를 인코딩해뒀다. 합성과 무관하게 베이스라인 자체를 올릴 여지를 보는 실험. 색 지터는 넣지 않았다 — 색이 곧 임상 신호이므로.

판정: mean(뷰 평균)과 aug(뷰를 각각 샘플로) 각각의 짝지은 Δ.