Med-DualLoRA: 3D 心臓 MRI のファウンデーションモデルのローカル適応

本文: arXiv:2603.10967v1 アナウンス種別: new 要旨：ファウンデーションモデル（FMs）は、タスク固有の適応を経た後、心臓磁気共鳓（CMR）を含む医用画像タスクとモダリティ全般で頑健な下流性能を示す可能性を秘めています。しかし、単一サイトデータを用いた適応は性能が最適でない場合があり、モデルのバイアスが増すことがあります。一方、臨床データの中央集約によるファインチューニングは、プライバシー制約のため実現が難しいことが多いです。連合学習による微調整はプライバシーを保つ代替手段を提供しますが、従来のアプローチは異質で非IIDなマルチセンター・データの下で苦戦し、大規模モデルを適応する際に通信オーバーヘッドが大きい。本研究では、3D CMR の病気検出のための連合FM微調整を研究し、グローバルに共有される Low-Rank 適応（LoRA）とローカルの低ランク適応を加法分解を通じて分離する、クライアント意識型のパラメータ効率の高い微調整（PEFT）連合フレームワークである Med-DualLoRA を提案します。グローバルおよびローカルの LoRA モジュールは局所で学習されますが、共有・集約されるのはグローバル成分のみで、ローカルアダプターはプライベートのままにします。この設計はパーソナライズを改善しつつ通信コストを大幅に削減します。実験では、2つのトランスフォーマーブロックのみを適応させても性能を維持し、効率をさらに向上させることを示しています。我々は、ACDC を用い、M&M データセットを結合したマルチセンターの最先端 Cine 3D CMR FM 微調整を病気検出のために評価し、各ベンダーを連合クライアントとして扱います。Med-DualLoRA は、他の連合 PEFT ベースラインと比較して統計的に有意な性能改善（バランスド精度 0.768、特異度 0.612）を達成し、通信効率を維持します。我々のアプローチは、現実的な臨床制約の下で医療FMsのローカル連合適応のスケーラブルな解決策を提供します。