Microsoft đã giới thiệu GigaPath, một mô hình biến áp thị giác (ViT) nhằm giải quyết sự phức tạp của kỹ thuật số bệnh lý. Được phát triển với sự hợp tác của Hệ thống Y tế Providence và Đại học Washington, mô hình này hứa hẹn sẽ nâng cao khả năng phân tích bệnh lý toàn bộ trang chiếu bằng các phương pháp tính toán tiên tiến.
GigaPath giải quyết nhu cầu tính toán của các trang chiếu gigapixel—hình ảnh lớn hơn đáng kể so với các hình ảnh thông thường —bằng cách sử dụng các cơ chế tự chú ý mở rộng. Kỹ thuật này cho phép mô hình xử lý các tính toán mở rộng cần thiết để phân tích những hình ảnh lớn như vậy. Bệnh lý kỹ thuật số thường liên quan đến việc chuyển đổi các phiến kính truyền thống thành hình ảnh kỹ thuật số, tạo điều kiện cải thiện khả năng xem, phân tích và lưu trữ.
Phát triển và đào tạo hợp tác
Sự phát triển của GigaPath là kết quả của nỗ lực hợp tác giữa Microsoft, Hệ thống Y tế Providence và Đại học Washington. Prov-GigaPath là mô hình nền tảng bệnh lý toàn bộ slide truy cập mở. Nó đã được huấn luyện trước trên một tỷ ô hình ảnh bệnh lý 256 x 256 có nguồn gốc từ hơn 170.000 trang chiếu, sử dụng dữ liệu trong thế giới thực. Tất cả các tính toán được thực hiện tại cơ sở thuê tư nhân của Providence, với sự chấp thuận của Hội đồng Đánh giá Thể chế Providence (IRB).
Quy trình đào tạo của GigaPath bao gồm hai giai đoạn phương pháp học tập theo chương trình giảng dạy. Quá trình này bắt đầu bằng quá trình đào tạo trước ở cấp độ ô vuông bằng cách sử dụng Máy biến áp thị giác tự giám sát của Meta Model DINOv2 và tiến tới đào tạo trước ở cấp độ trang trình bày với một mặt nạ bộ mã hóa tự động và LongNet. Phương pháp tự giám sát DINOv2 kết hợp tổn thất tái thiết được che đậy và mất tương phản để huấn luyện bộ biến đổi thị giác. Sự chú ý mở rộng của LongNet được điều chỉnh cho mô hình cấp độ trang trình bày, phân đoạn chuỗi ô thành các phần có thể quản lý được và triển khai sự chú ý thưa thớt cho các đoạn dài hơn.
Ứng dụng và số liệu hiệu suất
GigaPath đã thể hiện hiệu suất vượt trội, vượt qua mô hình tốt thứ hai ở 18 trên 26 nhiệm vụ liên quan đến phân nhóm ung thư và bệnh lý. Phân loại ung thư bao gồm việc phân loại các phân nhóm cụ thể bằng cách sử dụng các slide bệnh lý, trong khi các nhiệm vụ giải phẫu bệnh phân loại các khối u dựa trên những thay đổi di truyền quan trọng về mặt điều trị. Prov-GigaPath đã chứng minh hiệu suất vượt trội, đặc biệt là trong trường hợp ung thư toàn cầu, đạt được những cải tiến đáng chú ý về AUROC và AUPRC so với các phương pháp khác.
Hiệu quả của mô hình đã được xác thực thêm bằng cách sử dụng dữ liệu từ Chương trình bản đồ bộ gen ung thư (TCGA), trong đó chương trình này luôn vượt trội so với các phương pháp khác. Khả năng của GigaPath trong việc trích xuất các đặc điểm hình thái đặc trưng của ung thư liên kết di truyền và phân nhóm cụ thể ở cấp độ toàn bộ slide nhấn mạnh tiềm năng của nó cho nghiên cứu trong tương lai về sinh học phức tạp của môi trường vi mô khối u.
Những tiến bộ của Microsoft trong AI tạo ra đã phát huy tác dụng một vai trò quan trọng trong sự phát triển của GigaPath. Quá trình chuyển đổi một slide kính hiển vi tiêu chuẩn của mô khối u thành hình ảnh kỹ thuật số có độ phân giải cao hiện có thể truy cập rộng rãi. Trong nghiên cứu được công bố trên tạp chí Nature, các nhà nghiên cứu đằng sau GigaPath đã mô tả chi tiết các ứng dụng khác nhau để phân tích bệnh lý của công cụ này hình ảnh. Nghiên cứu cho thấy GigaPath đã cải thiện việc phân loại ung thư cho 9 loại ung thư chính và vượt trội hơn tất cả các phương pháp cạnh tranh về nhiệm vụ phân loại phụ.
Một cột mốc quan trọng cho y học chính xác
GigaPath được thiết lập để mang lại lợi ích cho y học chính xác, tập trung vào việc tìm hiểu cách điều trị và phòng ngừa bệnh bằng cách xem xét cấu trúc và đặc điểm bộ gen cụ thể của từng cá nhân. Với hàng tỷ đô la được đầu tư vào y học chính xác, nghiên cứu trong lĩnh vực này đang tiến triển nhanh chóng, chứng tỏ giá trị của ngành này.
Bất chấp tiềm năng đầy hứa hẹn của GigaPath, hành trình tích hợp công nghệ này vào môi trường và quy mô lâm sàng nó đến các cài đặt có liên quan chỉ mới bắt đầu. Các nhà đổi mới và lãnh đạo ngành phải vượt qua những thách thức trong việc tích hợp công nghệ này theo cách bảo vệ kết quả chăm sóc sức khỏe chính xác, quyền riêng tư và các nguyên tắc sử dụng có đạo đức. Nếu được thực hiện đúng cách, GigaPath có thể tác động đáng kể đến lĩnh vực bệnh lý kỹ thuật số.
