深層学習およびコンピュータビジョン分野の最近の進展により、自動化された医療画像解析への障壁が大きく低減され、ラベルなし画像の処理が可能になり、性能の向上も実現されている。しかし、既存の手法は極めて高い計算リソースを要し、バッチサイズや学習エポック数の低下に伴い性能が著しく低下するという課題を抱えている。本論文では、TransformerとCNNを同時に活用する新しい自己教師学習アプローチである「Cross Architectural - Self Supervision（CASS）」を提案する。既存の最先端自己教師学習手法と比較して、4つの多様なデータセットにおいて、ラベル付きデータが1%の場合に平均3.8%、10%の場合に5.9%、100%の場合に10.13%の性能向上を実現した一方で、学習に要する時間は69%短縮された。さらに、CASSがバッチサイズや学習エポック数の変更に対して極めて高いロバスト性を示すことも示した。特に注目すべきは、テストデータセットの一つが自己免疫疾患の組織病理スライドを含んでおり、医療画像分野においてデータが極めて限られているにもかかわらず、これまであまり研究対象とされてこなかった状況である点である。本研究のコードはオープンソースとしてGitHubにて公開されている。