LiwTERM: 피부과 다중모달 병변 탐지용 경량 트랜스포머 기반 모델

피부암은 세계에서 가장 흔한 암 유형으로, 진단된 종양의 약 30%를 차지한다. 조기 진단은 사망률을 낮추고 신체 다양한 부위에서 발생할 수 있는 기형을 예방하는 데 기여한다. 최근 몇 년간 기계학습 기술, 특히 딥러닝 기법이 이 분야에서 유망한 성과를 보여주었으며, 환자의 임상 정보와 병변 이미지를 결합하는 것이 피부 병변 분류 성능을 향상시키는 데 핵심적임을 입증하는 연구들이 제시되었다. 그러나 다양한 이미지와 임상 정보를 의미 있게 통합하는 것은 여전히 필수적이며, 이를 위한 추가적인 연구가 필요하다. 따라서 본 연구는 경량 트랜스포머 모델을 활용하여 다중 모달 기반 기계학습 모델을 개발함으로써 피부 병변 분류 과제에 기여하는 것을 목표로 한다. 주요 가설은, 다양한 출처에서 얻은 다수의 이미지와 환자의 병력에서 얻은 임상 정보를 함께 입력으로 사용할 경우, 더 신뢰성 있는 진단이 가능하다는 것이다. 본 모델은 피부 병변에 관한 이미지와 임상 정보(병력 정보)를 경량 트랜스포머 아키텍처 내에서 효과적으로 통합하는 비 trivial한 과제를 해결하며, 높은 계산 자원을 요구하지 않으면서도 경쟁력 있는 분류 성능을 보여준다.