Firma Microsoft wprowadziła GigaPath, model transformatora wizyjnego (ViT) mający na celu uporanie się ze złożonością technologii cyfrowych patologia. Model ten, opracowany we współpracy z Providence Health System i Uniwersytetem Waszyngtońskim, zapewnia ulepszenie analizy patologii całego slajdu przy użyciu zaawansowanych metod obliczeniowych.
GigaPath spełnia wymagania obliczeniowe szkiełek gigapikselowych — obrazów znacznie większych niż typowe — poprzez zastosowanie rozszerzonych mechanizmów samouważności. Technika ta umożliwia modelowi obsługę rozległych obliczeń wymaganych do analizy tak dużych obrazów. Patologia cyfrowa zwykle polega na przekształcaniu tradycyjnych szklanych slajdów w obrazy cyfrowe, co ułatwia lepsze przeglądanie, analizę i przechowywanie.
Wspólny rozwój i szkolenia
Rozwój GigaPath jest wynikiem współpracy firm Microsoft, Providence Health System i Uniwersytetu Waszyngtońskiego. Prov-GigaPath to ogólnodostępny podstawowy model patologii obejmujący całe slajdy. Został on wstępnie przeszkolony na miliardzie płytek obrazów patologicznych o wymiarach 256 x 256 pochodzących z ponad 170 000 całych slajdów przy użyciu danych ze świata rzeczywistego. Wszystkie obliczenia zostały wykonane u prywatnego najemcy Providence za zgodą Instytucjonalnej Komisji Rewizyjnej Providence (IRB).
Proces szkolenia GigaPath obejmuje dwuetapowy podejście do nauczania oparte na programie nauczania. Rozpoczyna się od wstępnego szkolenia na poziomie płytki przy użyciu samonadzorowanego transformatora wizyjnego firmy Meta Model DINOv2 i przechodzi do wstępnego szkolenia na poziomie slajdu z zamaskowanym autoenkoder i LongNet. Metoda samonadzoru DINOv2 łączy maskowaną utratę rekonstrukcji i stratę kontrastową w transformatorach wizyjnych pociągu. Rozszerzona uwaga LongNet jest przystosowana do modelowania na poziomie slajdów, segmentowania sekwencji płytek na łatwe do zarządzania elementy i wdrażania rzadkiej uwagi w przypadku dłuższych segmentów.
Wskaźniki wydajności i zastosowania
GigaPath wykazał się niezwykłą wydajnością, przewyższając drugi najlepszy model w 18 z 26 zadań związanych z podtypami nowotworów i patomią. Podtypy nowotworów obejmują kategoryzację określonych podtypów za pomocą slajdów patologicznych, podczas gdy zadania patomiczne klasyfikują nowotwory na podstawie terapeutycznie ważnych zmian genetycznych. Prov-GigaPath wykazał doskonałą skuteczność, szczególnie w scenariuszu dotyczącym raka, osiągając zauważalną poprawę AUROC i AUPRC w porównaniu z innymi metodami.
Skuteczność modelu została dodatkowo potwierdzona przy użyciu danych z Program Atlas genomu raka (TCGA), w którym konsekwentnie osiągał lepsze wyniki niż inne podejścia. Zdolność GigaPath do wyodrębniania genetycznie powiązanych cech morfologicznych panrakowych i specyficznych dla podtypu na poziomie całego slajdu podkreśla jego potencjał dla przyszłych badań nad skomplikowaną biologią mikrośrodowiska nowotworu.
Postępy firmy Microsoft w zakresie generatywnej sztucznej inteligencji odegrały kluczową rolę kluczową rolę w rozwoju GigaPath. Proces przekształcania standardowego szkiełka mikroskopowego tkanki nowotworowej w obraz cyfrowy o wysokiej rozdzielczości jest obecnie powszechnie dostępny. W badanie opublikowanym w Nature badacze stojący za GigaPath szczegółowo opisali różne zastosowania tego narzędzia do analizy patologii obrazy. Badanie wykazało, że GigaPath usprawnił określanie podtypów dziewięciu głównych typów nowotworów i przewyższał wszystkie konkurencyjne podejścia do zadań określania podtypów.
Kamień milowy w medycynie precyzyjnej
GigaPath ma przynieść korzyści medycynie precyzyjnej, która koncentruje się na zrozumieniu leczenia i zapobiegania chorobom poprzez uwzględnienie specyficznego genomu i cech danej osoby. Dzięki miliardom dolarów zainwestowanym w medycynę precyzyjną badania w tej dziedzinie szybko postępują, demonstrując wartość tej branży.
Pomimo obiecującego potencjału GigaPath, podróż w kierunku zintegrowania tej technologii ze środowiskami klinicznymi i skalą do odpowiednich ustawień dopiero się zaczyna. Innowatorzy i liderzy branży muszą stawić czoła wyzwaniom związanym z osadzeniem tej technologii w sposób zapewniający dokładne wyniki opieki zdrowotnej, prywatność i zasady etycznego użytkowania. Jeśli zostanie wykonany prawidłowo, GigaPath może znacząco wpłynąć na dziedzinę patologii cyfrowej.
