Microsoft ha presentado GigaPath, un modelo de transformador de visión (ViT) destinado a abordar las complejidades de la tecnología digital. patología. Desarrollado en colaboración con Providence Health System y la Universidad de Washington, este modelo promete mejorar el análisis patológico de diapositivas completas utilizando métodos computacionales avanzados.
GigaPath aborda las demandas computacionales de diapositivas de gigapíxeles: imágenes significativamente más grandes que las típicas. —empleando mecanismos dilatados de autoatención. Esta técnica permite que el modelo maneje los cálculos extensos necesarios para analizar imágenes tan grandes. La patología digital generalmente implica convertir diapositivas de vidrio tradicionales en imágenes digitales, lo que facilita una mejor visualización, análisis y almacenamiento.
Desarrollo y capacitación colaborativos
El desarrollo de GigaPath es el resultado de un esfuerzo de colaboración entre Microsoft, Providence Health System y la Universidad de Washington. Prov-GigaPath es un modelo básico de patología de diapositivas completas de acceso abierto. Fue entrenado previamente en mil millones de mosaicos de imágenes de patología de 256 x 256 derivados de más de 170.000 diapositivas completas, utilizando datos del mundo real. Todos los cálculos se realizaron en el inquilino privado de Providence, con la aprobación de la Junta de Revisión Institucional de Providence (IRB).
El proceso de capacitación de GigaPath implica dos etapas enfoque de aprendizaje curricular. Comienza con un preentrenamiento a nivel de mosaico utilizando el el transformador de visión autosupervisado de Meta, modelo DINOv2, y avanza hasta un preentrenamiento a nivel de diapositiva con un modelo enmascarado. codificador automático y LongNet. El método de autosupervisión DINOv2 combina pérdida de reconstrucción enmascarada y pérdida de contraste para entrenar transformadores de visión. La atención dilatada de LongNet está adaptada para el modelado a nivel de diapositiva, segmentando la secuencia de mosaicos en partes manejables e implementando atención dispersa para segmentos más largos.
Métricas de rendimiento y aplicaciones
GigaPath ha mostrado un rendimiento notable, superando al segundo mejor modelo en 18 de 26 tareas relacionadas con la patomicidad y los subtipos del cáncer. La subtipificación del cáncer implica categorizar subtipos específicos mediante diapositivas de patología, mientras que las tareas patómicas clasifican los tumores en función de alteraciones genéticas terapéuticamente importantes. Prov-GigaPath ha demostrado un rendimiento superior, particularmente en el escenario pan-cáncer, logrando mejoras notables en AUROC y AUPRC en comparación con otros métodos.
La eficacia del modelo se validó aún más utilizando datos del Programa Atlas del Genoma del Cáncer (TCGA), donde superó consistentemente a otros enfoques. La capacidad de GigaPath para extraer características morfológicas específicas de subtipos y pancáncer genéticamente ligadas a nivel de diapositiva completa subraya su potencial para futuras investigaciones sobre la intrincada biología del microambiente tumoral.
Los avances de Microsoft en IA generativa han jugado un papel importante un papel crucial en el desarrollo de GigaPath. El proceso de transformar un portaobjetos de microscopía estándar de tejido tumoral en una imagen digital de alta resolución ahora es ampliamente accesible. En un estudio publicado en Nature, los investigadores detrás de GigaPath detallaron varias aplicaciones para el análisis de patología de la herramienta. imágenes. El estudio encontró que GigaPath mejoró la subtipificación del cáncer para nueve tipos principales de cáncer y superó a todos los enfoques competidores en tareas de subtipificación.
Un hito para la medicina de precisión
GigaPath está destinado a beneficiar la medicina de precisión, que se centra en comprender el tratamiento y la prevención de enfermedades considerando la composición y las características genómicas específicas de un individuo. Con miles de millones de dólares invertidos en medicina de precisión, la investigación en este campo avanza rápidamente, lo que demuestra el valor de esta industria.
A pesar del potencial prometedor de GigaPath, el camino para integrar esta tecnología en entornos clínicos y escalar La adaptación a los ajustes pertinentes apenas está comenzando. Los innovadores y líderes de la industria deben afrontar los desafíos de incorporar esta tecnología de una manera que salvaguarde los resultados precisos de la atención médica, la privacidad y los principios de uso ético. Si se hace correctamente, GigaPath podría tener un impacto significativo en el campo de la patología digital.
