공간 영역 이해를 위한 병리학 기반 모델 성능 비교 연구

Benchmarking Pathology Foundation Models for Spatial Domain Understanding

병리학 기반 모델(PFM)은 전체 슬라이드 이미지(WSI)에서 전이 가능한 표현을 학습하는 핵심적인 접근 방식으로, 일반적으로 다운스트림 임상 결과 지표를 통해 성능이 평가됩니다. 이러한 작업 수준의 평가는 필수적이지만, 표현 자체에 담긴 정보에 대한 제한적인 통찰력을 제공하며, 특히 PFM 임베딩이 의미 있는 조직 영역을 구별하고 그들의 공간적 관계를 포착할 수 있는지 여부에 대한 정보를 얻기 어렵습니다. 본 연구에서는 PFM의 공간 표현 능력을 진단하기 위한 표현 수준 벤치마크인 SpaPath-Bench를 제시합니다. SpaPath-Bench는 쌍으로 구성된 전체 슬라이드 이미지와 공간 전사체 데이터에 대한 공간 영역 식별(SDI)을 진단 작업으로 정의합니다. 본 연구에서는 공개적으로 이용 가능한 42개의 쌍으로 연결된 WSI 및 ST 슬라이드를 선별하고, 19개의 인코더와 7가지 SDI 방법을 사용하여 대규모 평가를 수행하며, 비지도 공간 일관성, 전사체 참조 일치도 및 전문가 참조 일치도를 포함한 세 가지 상호 보완적인 기준을 사용하여 파티션 품질을 측정합니다. SpaPath-Bench의 83,000번의 실행 결과, 다양한 사전 학습 방식이 조직의 공간 구조의 서로 다른 측면을 포착하며, 공간 정보를 활용하는 차세대 병리학 모델 개발에 대한 실질적인 지침을 제공한다는 것을 알 수 있습니다. 코드 및 데이터 파이프라인은 https://bokai-zhao.github.io/SpaPath-benchboard/ 에서 공개적으로 이용할 수 있습니다.

Pathology foundation models (PFMs) have emerged as a core approach for learning transferable representations from whole slide images (WSIs), and they are typically benchmarked through downstream clinical endpoints. While such task level evaluations are indispensable, they offer limited insight into what the representations themselves encode, particularly whether PFM embeddings can distinguish meaningful tissue regions and capture their spatial relationships. We present SpaPath-Bench, a representation level benchmark designed to diagnose spatial representation capability in PFMs. SpaPath-Bench formulates spatial domain identification (SDI) on paired whole slide image and spatial transcriptomics (ST) data as a diagnostic task. It curates 42 public paired WSI and ST slides, enables large scale evaluation across 19 encoders and seven SDI methods, and measures partition quality using three complementary criteria: unsupervised spatial coherence, transcriptomics referenced agreement, and expert referenced agreement. Across 83K runs, SpaPath-Bench reveals that different pretraining paradigms capture distinct aspects of tissue spatial architecture, and it provides practical guidance for building the next generation of spatially aware computational pathology models. Code and data pipelines are publicly available at https://bokai-zhao.github.io/SpaPath-benchboard/.