arXiv cs.CVは2026年11月10日(現地時間)、Emre Kutlusan氏とYongmin Li氏による論文「Medical Image Segmentation: Foundation Model Adaptation versus Task-Specific Training」を公開した。本研究は、大規模な自然画像で事前学習された基盤モデルが医療画像セグメンテーション（画像から特定の領域を識別する技術）に適用された際の性能を、タスク固有モデルと比較検証した。特に、異なる臨床現場での汎化性能に焦点を当て、基盤モデルの適応戦略の有効性を示している。
自然画像コレクションで事前学習された基盤モデルは、各タスク専用に訓練されたモデルの代替として、医療画像セグメンテーションへの適用が期待されている。しかし、これまでの比較研究では、訓練データ分布内のデータや単一のタスク固有ベースラインが使用され、新しい臨床現場での性能を示す証拠が限定的であった。
本研究では、基盤モデルとしてDINOv2を使用し、バイアス項のチューニングからフルファインチューニングまで、様々な適応戦略を評価した。このDINOv2は、U-NetsやResU-Netsといったゼロから訓練されたタスク固有モデルと比較された。実験は結腸内視鏡検査、乳房超音波検査、ダーモスコピー（皮膚病変観察）を対象とし、訓練データソースからのホールドアウトデータと、他の施設からの独立したデータセットの両方でテストが実施された。
その結果、適応された基盤モデルは、全ての外部データセットにおいてより優れた一般化能力を示した。一方で、訓練データが豊富な訓練データ分布内では、タスク固有モデルが競争力を維持し、境界をより精密に描写する傾向にあった。また、基盤モデルは小さな病変を見逃すケースがより多かったと報告されている。基盤モデルのごく一部のみが適応を必要とし、そのキャパシティは適応方法ではなく、イメージングドメイン（画像の種類）によって決定されることが判明した。
本研究ではさらに、広く使用されているポリープテストセットが、別のベンチマークの画像を重複させているという発見も報告された。この結果から、モデルが複数の施設間で機能する必要がある場合、ターゲットドメインに基づいてキャパシティを選択する基盤モデルの適応が正当化されると結論付けられている。
参考: arXiv cs.CV (アーカイブ) — 2026年11月11日 03:59 (JST)
原文ハイライト"The adapted foundation model generalised better on every external dataset."