医療画像における未知の異常検出は、ラベル付き異常の不足や専門家監視の高コストにより大きな課題です。本研究では、ラベルのない異常に対して段階的に拡張する無監督のオラクルフリーのフレームワークを提案します。この方法は、小規模な確認済みの正常画像から始まり、軽量のアダプター更新と不確実性に基づくサンプルの受け入れを交互に行います。既存の正常サンプルとの距離がキャリブレーションされたz-score の閾値内にあり、SWAGに基づくエピステミック不確実性が制限の下に維持される場合にのみサンプルが正常メモリに追加されます。これにより、誤った受け入れを防ぎ、ラベル不足の実世界医療画像での正常性の概念を改善することができます。実験結果では、COVID-CXR、肺炎CXR、脳MRIなどで性能が向上し、提案したフレームワークの有効性と効率性が示されました。