Microsoft ka prezantuar GigaPath, një model transformator vizioni (ViT) që synon të trajtojë kompleksitetin e dixhitalit patologji. I zhvilluar në bashkëpunim me Providence Health System dhe Universitetin e Uashingtonit, ky model premton të përmirësojë analizën e patologjisë së të gjithë rrëshqitjes duke përdorur metoda të avancuara llogaritëse.
GigaPath adreson kërkesat llogaritëse të rrëshqitjeve gigapiksel—imazhe dukshëm më të mëdha se ato tipike. — duke përdorur mekanizma të zgjeruara të vetë-vëmendjes. Kjo teknikë i mundëson modelit të trajtojë llogaritjet e gjera të nevojshme për analizimin e imazheve kaq të mëdha. Patologjia dixhitale zakonisht përfshin konvertimin e rrëshqitjeve tradicionale të qelqit në imazhe dixhitale, duke lehtësuar shikimin, analizën dhe ruajtjen e përmirësuar.
Zhvillimi dhe trajnimi bashkëpunues
Zhvillimi i GigaPath. është rezultat i një përpjekjeje bashkëpunuese midis Microsoft, Providence Health System dhe Universitetit të Uashingtonit. Modeli, i quajtur Prov-GigaPath, është një model i themelimit të patologjisë me qasje të hapur. Ai u trajnua paraprakisht në një miliard pllaka imazhi patologjike 256 x 256 të përftuara nga mbi 170,000 rrëshqitje të tëra, duke përdorur të dhëna të botës reale. Të gjitha llogaritjet u kryen në qiramarrësin privat të Providence, me miratimin e Bordit të Rishikimit Institucional të Providence (IRB).
Procesi i trajnimit të GigaPath përfshin një dy faza qasja e të nxënit të kurrikulës. Fillon me para-trajnimin në nivel pllake duke përdorur transformatorin e shikimit të vetë-mbikëqyrur të Meta Model DINOv2 dhe përparon në paratrajnim në nivel rrëshqitës me një maskë autoencoder dhe LongNet. Metoda e vetë-mbikëqyrjes DINOv2 kombinon humbjen e maskuar të rindërtimit dhe humbjen e kontrastit për të trajnuar transformatorët e shikimit. Vëmendja e zgjeruar e LongNet është përshtatur për modelimin e nivelit të rrëshqitjes, duke segmentuar sekuencën e pllakave në pjesë të menaxhueshme dhe duke zbatuar vëmendje të rrallë për segmente më të gjata.
Metrikat e performancës dhe aplikacionet
>GigaPath ka treguar performancë të jashtëzakonshme, duke tejkaluar modelin e dytë më të mirë në 18 nga 26 detyrat që lidhen me nëntipet e kancerit dhe patologjitë. Nëntipi i kancerit përfshin kategorizimin e nëntipave specifike duke përdorur rrëshqitje të patologjisë, ndërsa detyrat e patomisë klasifikojnë tumoret bazuar në ndryshime gjenetike të rëndësishme terapeutike. Prov-GigaPath ka demonstruar performancë superiore, veçanërisht në skenarin e pan-kancerit, duke arritur përmirësime të dukshme në AUROC dhe AUPRC krahasuar me metodat e tjera.
Efikasiteti i modelit u vërtetua më tej duke përdorur të dhëna nga Programi i Atlasit të Gjenomit të Kancerit (TCGA), ku në mënyrë të vazhdueshme ia kalonte qasjeve të tjera. Aftësia e GigaPath për të nxjerrë të lidhura gjenetikisht të pan-kancerit dhe tipare morfologjike specifike të nëntipit në nivelin e rrëshqitjes së plotë nënvizon potencialin e tij për kërkime të ardhshme në biologjinë e ndërlikuar të mikromjedisit të tumorit.
Përparimet e Microsoft në AI gjeneruese kanë luajtur një rol të madh. një rol vendimtar në zhvillimin e GigaPath. Procesi i transformimit të një rrëshqitjeje standarde mikroskopike të indit tumoral në një imazh dixhital me rezolucion të lartë është tashmë gjerësisht i aksesueshëm. Në një studim të botuar në Nature, studiuesit pas GigaPath detajuan aplikime të ndryshme për analizën e patologjisë nga mjeti imazhe. Studimi zbuloi se GigaPath përmirësoi nëntipimin e kancerit për nëntë lloje kryesore të kancerit dhe i tejkaloi të gjitha qasjet konkurruese në detyrat e nëntypjes.
A Milestone for Precision Medicine
GigaPath është vendosur të përfitojë nga mjekësia precize, e cila fokusohet në të kuptuarit e trajtimit dhe parandalimit të sëmundjeve duke marrë parasysh përbërjen dhe karakteristikat specifike gjenomike të një individi. Me miliarda dollarë që po investohen në mjekësinë precize, kërkimi në këtë fushë po përparon me shpejtësi, duke demonstruar vlerën e kësaj industrie.
Pavarësisht potencialit premtues të GigaPath, udhëtimi për të integruar këtë teknologji në mjediset klinike dhe shkallën e tij. ajo në cilësimet përkatëse sapo ka filluar. Inovatorët dhe udhëheqësit e industrisë duhet të lundrojnë në sfidat e përfshirjes së kësaj teknologjie në një mënyrë që të mbrojë rezultatet e sakta të kujdesit shëndetësor, privatësinë dhe parimet e përdorimit etik. Nëse bëhet si duhet, GigaPath mund të ndikojë ndjeshëm në fushën e patologjisë dixhitale.
