본 발표는 비지도 방식의 변수추출방식을 활용하는 병리AI 방법론에 대해 소개하였다. 병리학에서 인공지능을 적용할 때 가장 어려움은 지도학습 방식의 학습모델 구축할 때 활용할 학습용 레이블 데이터가 부족하다는 점과 그 레이블 데이터의 일관성이 부족하다는 점, 그리고 암 유상소견의 종류가 spectrum 특징을 지니고 있어 병변 등급을 measuring 하는게 명확하지 않다는 점이다. 본 연구는 육관소견이 있는 암세포의 시각적 특징을 기반으로 중요 특질을 어떠한 레이블 없이도 추출하는데 그 목표를 둔다. saliency region을 구분하는 것과 유사하게 중요 특징을 뽑아서 병기에 따라 normal, log grade, high grade의 3가지 클래스를 자동 분류하는데 그 목표를 두고 있다. 기법적으로는 clustering 기법을 활용하고 있으며, 단순하지만 레이블이 부족한 병리 이미지(H&E 등)에 대해서는 효과적으로 활용하거나 EDA 용으로도 유용할 것 같다. 유진이는 석사 진학 이전부터 연구참여를 열심히 하며 잘 성장하고 있는 대학원생이라 생각한다. 믿음직하고 후배들도 잘 챙겨 주며 본인의 연구에 더욱 속도를 가해주어서 병리AI에 획기적인 연구 성과를 만들기를 기대한다. 연구내용에서는 준지도와 관련된 내용은 없는 것 같은데, 이 부분은 확인해주기를 바란다.