Hatékonyabb patológiai AI-modelleket adott ki a Microsoft Research

Miért számít a patológiai adatok mérete?

A Microsoft Research közleménye szerint a hisztopatológia a rákkutatás egyik leggazdagabb és legszélesebb körben rendelkezésre álló információforrása. Egy szövetbiopszia teljes tárgylemez-képet hoz létre, amely sejtszintű morfológiai részleteket rögzít, a kórházak pedig évente milliószámra állítanak elő ilyen felvételeket.

A probléma a méretből fakad. A teljes tárgylemez-képek gyakran meghaladják az egy gigapixelt, és egyetlen kép foundation modellel történő feldolgozásához több ezer képcsempét kell elemezni. Ha a kutatási kérdés több tízezer betegre terjed ki, a számítási költség gyorsan nő.

A Microsoft Research szerint a népességi léptékű felfedezés nem egyetlen modellfuttatásból áll, hanem ismétlődő ciklusokból: jellemzőkinyerésből, statisztikai elemzésből, hipotézisvizsgálatból és validációból betegalcsoportok, biomarkerek és klinikai végpontok mentén. A számítási igény így közvetlenül korlátozhatja, hogy hány beteget, adatkészletet, feladatot és hipotézist tudnak vizsgálni a kutatók.

A GigaPath és a GigaTIME gyorsabb változatai

A GigaPath, amely a forrás szerint a Nature-ben jelent meg 2024-ben, teljes tárgylemez-képekre betanított foundation model. A Microsoft Research leírása alapján a modell a lokális sejtmintázatokat és a globális szöveti architektúrát is figyelembe veszi.

A GigaTIME, amely a forrás szerint a Cellben jelent meg 2026-ban, a tumor mikrokörnyezetének modellezésére terjesztette ki ezt a megközelítést. A modellt 40 millió sejten tanították, párosított H&E és multiplex immunfluoreszcencia, mIF adatokkal. A GigaTIME rutin H&E képekből virtuális térbeli proteomikai térképeket készít 21 fehérjecsatornán. Több mint 14 000 rákbetegen alkalmazva virtuális populációt hozott létre, amely több mint 1 200 statisztikailag szignifikáns összefüggést tárt fel immunsejt-állapotok és klinikai biomarkerek között.

Az új Flash modellek közös célja, hogy megőrizzék a hasznos patológiai reprezentációkat, miközben jelentősen csökkentik az ezek előállításához és használatához szükséges erőforrásokat. Mindkét modell egy kompakt ViT-S képcsempe-enkóderre épül, amelyet az eredeti, milliárd paraméteres GigaPath enkóderből desztilláltak. A modelleket Apache 2.0 licenc alatt adták ki.

Mit tud a GigaPath-Flash és a GigaTIME-Flash?

A GigaPath-Flash teljes tárgylemez-reprezentációk tanulására készült hatékony foundation model. Egy 22 millió paraméteres ViT-S képcsempe-enkódert és egy 21 millió paraméteres LongNet tárgylemez-enkódert kombinál. A képcsempe-enkódert az eredeti GigaPath ViT-g tanármodellből desztillálták, a tárgylemez-enkóder pedig dilatált figyelmi mechanizmussal kontextusba helyezi a csempék beágyazásait, lineárisan skálázódva a csempék számával.

A Microsoft Research szerint a GigaPath-Flash a tárgylemez-szintű osztályozási benchmarkokon, köztük a PANDA prosztatagrading és az EBRAINS agydaganat-altípus feladatokon, a teljes tárgylemezre előtanított modellek között a legalacsonyabb következtetési költséget érte el, miközben versenyképes teljesítményt tartott meg. A közlemény szerint az eredeti GigaPath teljesítményétől 3 százalékon belül maradt, körülbelül 50-szer kevesebb számítással.

A GigaTIME-Flash az eredeti GigaTIME CNN gerincét cseréli le a GigaPath-Flash ViT-S enkóderére, amelyhez könnyű konvolúciós dekóder társul a H&E-ről mIF-re történő átalakításhoz. A modellt LoRA adapterekkel finomhangolták, miközben az előtanított enkóder súlyait nagyrészt rögzítve tartották.

A forrás alapján a GigaTIME-Flash agy-, emlő-, vastagbél- és tüdőrákot lefedő, eloszláson belüli és eloszláson kívüli kohorszokon eléri vagy meghaladja az eredeti GigaTIME térbeli fehérje-előrejelzési minőségét. A Microsoft Research szerint a javulás különösen az eloszláson kívüli adatokon figyelemre méltó, ami arra utal, hogy a foundation model gerinc javítja az általánosítást korábban nem látott szövettípusokra.

Kevesebb számítás, nyílt súlyok

A Microsoft Research adatai szerint a GigaPath-Flash körülbelül 50-szer kevesebb számítást igényel, miközben a GigaPath prediktív teljesítményének 97 százalékát nyújtja. A GigaTIME-Flash a közlemény alapján körülbelül 6-szor gyorsabb, körülbelül 8-szor kevesebb memóriát használ, és jobb prediktív teljesítményt ér el a GigaTIME-hoz képest.

A forrás egy becslést is közöl a virtuális mIF előállításának futási idejére egyetlen NVIDIA A100 GPU-n, nagyjából 10 000 képcsempével tárgylemezenként. Eszerint a GigaTIME-Flash 1 000 tárgylemez esetén körülbelül 2 GPU-órát, 100 000 tárgylemeznél körülbelül 7 GPU-napot, 1 millió tárgylemeznél körülbelül 70 GPU-napot igényel. Ugyanez a GigaTIME esetében körülbelül 7 GPU-óra, körülbelül 30 GPU-nap, illetve körülbelül 300 GPU-nap.

A becslések 128-as batch méretet és egyetlen NVIDIA A100 GPU-t feltételeznek. A Microsoft Research külön jelzi, hogy a tényleges futási idő a tárgylemez méretétől, a csempézés felbontásától és a hardvertől függ. A közlemény szerint a GigaTIME-Flash több mint 1 600 csempét dolgoz fel másodpercenként, miközben a memória töredékét használja.

A GigaPath-Flash és a GigaTIME-Flash nyílt súlyú modellként érhető el Apache 2.0 licenc alatt, a modell súlyai és a kód a HuggingFace-en találhatók meg.

Mit jelent ez a kutatóknak?

A Microsoft Research hangsúlyozza, hogy a GigaPath-Flash és a GigaTIME-Flash kutatási modellek. Nem klinikai használatra szánták és nem validálták őket diagnózisra, prognózisra, kezelésválasztásra vagy más betegellátási döntésekre. A teljesítmény eltérhet adatkészletek, szkennerek, intézmények, populációk és felhasználási esetek között.

A kiadás korai kutatási kiadás. A jelenlegi értékelések a forrás szerint korlátozott számú benchmarkot és kohorszot fednek le, szélesebb validációra van szükség feladatok, szkennerek és betegpopulációk mentén. A későbbi klinikai alkalmazásokhoz további többintézményes és prospektív validáció kell.

A hír jelentősége így elsősorban a kutatási hozzáférhetőségben van. Ha a modellek kevesebb számítással futtathatók, a kutatók nagyobb betegkohorszokon, több kísérlettel és több hipotézissel dolgozhatnak. A Microsoft Research megfogalmazása szerint a hatékonyabb patológiai foundation modellek bővíthetik azoknak a tudományos kérdéseknek a léptékét, amelyeket a kutatók feltehetnek.