プロービング、融合、信頼性：マルチモーダル癌解析のための基盤モデル表現の体系的評価
本研究では、2つの実世界商業コホート（IH-BC、IH-NSCLC）を用いて、計算病理学タスクにおける基盤モデル（FM）表現を体系的に評価。画像とオミクス表現が相補的な予測シグナルを持ち、単一モダリティが優位でない場合にマルチモーダル融合が効果的であることを示した。コンフォーマル予測により、点予測が失敗した場合でもほとんどのケースで真の診断が予測セット内に含まれ、不確実性を考慮した推論の臨床支援における価値が強調された。
近年、基盤モデル（Foundation Models, FMs）は医療データの強力な特徴抽出器として注目を集めているが、分布シフト下での汎化性能についてはまだ十分に研究されていない。arXivに投稿された論文（arXiv:2606.17115）では、ライセンスされた社内（IH）腫瘍データセットから得られた2つの実世界商業コホート、IH-BC（乳癌）およびIH-NSCLC（非小細胞肺癌）を用いて、FMベースの表現を計算病理学タスクにおいて体系的に評価した。分析対象は、全スライド画像とトランスクリプトームプロファイルの2つのモダリティであり、これらはIHマルチモーダルデータの一部である。
研究チームはまず、5つのFMに対して8つの下流分類タスクで単一モダリティのプロービング性能をベンチマークし、画像とオミクス表現が相補的な予測シグナルを持つことを発見した。次に、3つの画像-オミクス融合戦略（ペア表現に基づく）を比較し、マルチモーダル融合が単一モダリティのベースラインに対して追加の利得をもたらすかを調査した。結果として、FM表現は分布外データでも競争力のある性能を示し、マルチモーダル融合は主に単一モダリティが信号を支配しない場合に有効であることがわかった。これは、あるモダリティがすでに強い予測シグナルを提供している場合、別のモダリティを追加しても性能が大幅に向上しないことを意味する。逆に、両方のモダリティが情報の一部ずつを担っている場合、融合によって相補的な利点が得られる。
選択された単一モダリティおよびマルチモーダルパイプラインの信頼性は、コンフォーマル予測を用いて評価された。コンフォーマル予測は、不確実性を定量化する技術であり、単一の予測ではなく予測セットを生成し、所定の信頼水準で真のラベルがそのセットに含まれることを保証する。その結果、点予測が失敗した大多数のケースにおいて、真の診断が予測セット内で回復可能であることが示され、臨床支援における不確実性を考慮した推論の価値が確認された。この研究は、基盤モデルの臨床意思決定支援への信頼性の高い適用に向けた重要な知見を提供し、診断の透明性向上における不確実性定量化の可能性を強調している。また、異なるFMアーキテクチャが表現品質や融合効果に与える影響についても考察しており、将来の計算病理学におけるモデル選択やマルチモーダルシステム設計に実用的なガイダンスを提供する。全体として、この研究は医学画像とゲノミクスの融合分析における基盤モデルの信頼性を促進し、精密医療の基盤を強化するものである。