A Microsoft lançou o GigaPath, um modelo de transformador de visão (ViT) que visa lidar com as complexidades do digital patologia. Desenvolvido em colaboração com o Providence Health System e a Universidade de Washington, este modelo promete aprimorar a análise patológica de slides inteiros usando métodos computacionais avançados.
O GigaPath atende às demandas computacionais de slides de gigapixels – imagens significativamente maiores que as típicas — empregando mecanismos dilatados de autoatenção. Essa técnica permite que o modelo lide com a extensa computação necessária para analisar imagens tão grandes. A patologia digital geralmente envolve a conversão de lâminas de vidro tradicionais em imagens digitais, facilitando melhor visualização, análise e armazenamento.
Desenvolvimento e treinamento colaborativo
O desenvolvimento do GigaPath é o resultado de um esforço colaborativo entre a Microsoft, o Providence Health System e a Universidade de Washington. Prov-GigaPath é um modelo básico de patologia de lâmina inteira de acesso aberto. Ele foi pré-treinado em um bilhão de blocos de imagens patológicas de 256 x 256 derivados de mais de 170.000 slides inteiros, usando dados do mundo real. Todos os cálculos foram realizados no inquilino privado de Providence, com a aprovação do Providence Institutional Review Board (IRB).
O processo de treinamento do GigaPath envolve duas etapas abordagem de aprendizagem curricular. Ele começa com o pré-treinamento em nível de bloco usando o transformador de visão auto-supervisionado da Meta, Modelo DINOv2, e progride para o pré-treinamento em nível de slide com um mascarado. codificador automático e LongNet. O método de autosupervisão DINOv2 combina perda de reconstrução mascarada e perda contrastiva para treinar transformadores de visão. A atenção dilatada do LongNet é adaptada para modelagem em nível de slide, segmentando a sequência de blocos em partes gerenciáveis e implementando atenção esparsa para segmentos mais longos.
Métricas de desempenho e aplicações
O GigaPath mostrou um desempenho notável, superando o segundo melhor modelo em 18 das 26 tarefas relacionadas à subtipagem e patômica do câncer. A subtipagem do câncer envolve a categorização de subtipos específicos usando lâminas patológicas, enquanto as tarefas patômicas classificam os tumores com base em alterações genéticas terapeuticamente importantes. O Prov-GigaPath demonstrou desempenho superior, particularmente no cenário pan-câncer, alcançando melhorias notáveis em AUROC e AUPRC em comparação com outros métodos.
A eficácia do modelo foi validada posteriormente usando dados do Programa Atlas do Genoma do Câncer (TCGA), onde superou consistentemente outras abordagens. A capacidade do GigaPath de extrair características morfológicas pan-câncer geneticamente ligadas e características morfológicas específicas de subtipos no nível do slide inteiro ressalta seu potencial para pesquisas futuras sobre a intricada biologia do microambiente tumoral.
Os avanços da Microsoft em IA generativa têm desempenhado um papel importante um papel crucial no desenvolvimento do GigaPath. O processo de transformar uma lâmina de microscopia padrão de tecido tumoral em uma imagem digital de alta resolução está agora amplamente acessível. Em um estudo publicado na Nature, os pesquisadores por trás do GigaPath detalharam várias aplicações para a análise de patologia da ferramenta imagens. O estudo descobriu que o GigaPath melhorou a subtipagem de nove tipos principais de câncer e superou todas as abordagens concorrentes em tarefas de subtipagem.
Um marco para a medicina de precisão
GigaPath foi criado para beneficiar a medicina de precisão, que se concentra na compreensão do tratamento e prevenção de doenças, considerando a composição e características genômicas específicas de um indivíduo. Com bilhões de dólares investidos em medicina de precisão, a pesquisa neste campo está avançando rapidamente, demonstrando o valor desta indústria.
Apesar do potencial promissor do GigaPath, a jornada para integrar esta tecnologia em ambientes clínicos e escalar para configurações relevantes está apenas começando. Os inovadores e os líderes da indústria devem enfrentar os desafios de incorporar esta tecnologia de uma forma que proteja resultados precisos de cuidados de saúde, privacidade e princípios de utilização ética. Se feito corretamente, o GigaPath poderá impactar significativamente o campo da patologia digital.
