Provides FedProx-based integrated learning material that distinguishes PD/WMD from gastric cancer pathology slides.

본 연구는 위암 병리 슬라이드에서 PD/WMD분류를 수행하기 위한 연합학습 환경을 구축하고, FedAvg와 FedProx의 학습 안정성과 성능을 종합적으로 비교분석하였다. CLAM_SB 기반 사전학습 모델을 글로벌 초기값으로 사용하여 3-5개의 클라이언트에 데이터를 비균질하게 분할하였으며, 각 알고리즘의 수렴 안정성과 일반화 성능을 Accuracy, AUC, F1-score로 평가하였다. 실험 결과 FedProx는 Non-IID 환경에서 FedAvg보다 안정적인 수렴과 높은 성능을 보였으며, 클라이언트 간 편차 완화 효과를 확인하였다. 이를 통해 실제 의료 데이터의 공유 제약이 존재하는 상황에서도, 다기관 협력연구 환경에서 개인정보 보호와 학습 성능을 동시에 확보할 수 있는 가능성을 제시하였다.