Vad hände
Microsoft Research tillkännagav två öppna grundmodeller för patologi, GigaPath-Flash och GigaTIME-Flash, designade för att göra storskalig cancerforskning mer beräkningsmässigt praktisk. Modellerna är forskningsreleaser utvecklade med University of Washington och Providence.
Microsoft Research säger att GigaPath-Flash och GigaTIME-Flash utökar tidigare patologimodeller som kallas GigaPath och GigaTIME. GigaPath analyserar helbildspatologibilder, medan GigaTIME modellerar tumörmikromiljöer och översätter rutinbilder av hematoxylin-och-eosin, eller H&E, till virtuella rumsliga proteomikkartor. De nya Flash-modellerna är avsedda att ta itu med beräkningskostnaden för att upprepade gånger tillämpa sådana system på stora kohorter, snarare än att introducera en klinisk produkt. Deras fokus ligger därför på effektivitet i forskningsarbetsflödet och tillgång till analyser i stor skala. Utgåvorna behåller en koppling till den tidigare modellfamiljen samtidigt som de ändrar hur mycket datoranvändning som behövs för upprepad användning.
GigaPath-Flash kombinerar en ViT-S-brickkodare med 22 miljoner parametrar med en LongNet-slide-kodare med 21 miljoner parametrar. Microsoft säger att den kompakta kakelkodaren destillerades från den ursprungliga miljardparameters GigaPath-kodaren, medan diabildskodaren använder dilaterad uppmärksamhet som skalas linjärt med antalet bildrutor. På källans citerade PANDA prostata-gradering och EBRAINS hjärntumör-subtyping riktmärken, rapporterar Microsoft att GigaPath-Flash kom inom 3 % av den ursprungliga GigaPath samtidigt som den använde ungefär 50 gånger mindre beräkning. Med andra ord, det rapporterade resultatet parar en mycket mindre modell med prestanda som förblev nära det tidigare systemet på de citerade testerna. Jämförelsen presenteras som ett effektivitetsresultat från Microsoft:s utvärdering, inte som ett bredare fynd om varje patologisk uppgift.
GigaTIME-Flash ersätter den ursprungliga GigaTIME faltningsstommen med GigaPath-Flash ViT-S-kodaren och använder en lätt faltningsdekoder för H&E-till-multiplex-immunofluorescensöversättning. Microsoft rapporterar att den matchade eller förbättrades på den ursprungliga modellen över dess testset och fyra out-of-distribution kohorter som täcker hjärn-, bröst-, kolon- och lungcancer. Båda modellerna släpps under Apache 2.0-licensen, med vikter och kod tillgänglig via Hugging Face, enligt källan. Detta ger forskarna de angivna komponenterna som behövs för att inspektera och utvärdera utsläppen i sina egna inställningar. Den rapporterade testningen utanför distributionen breddar jämförelsen utöver den ursprungliga testuppsättningen, men det tar inte bort behovet av ytterligare utvärdering.
Källinformation: microsoft.com ↗
Varför det spelar roll
Modellerna kan tillåta forskare att analysera större patientkohorter och upprepa fler experiment med hjälp av befintlig patologidata. Det kan utöka studier av sjukdomsbiologi, biomarkörer, tumörmikromiljöer och kliniska resultat, även om modellerna inte är validerade för patientvård.
Hela diabildspatologibilder kan överstiga en gigapixel och kan kräva bearbetning av tusentals brickor per dia. Källan hävdar att kostnaden blir särskilt restriktiv när forskare studerar tiotusentals patienter och upprepar funktionsextraktion, statistisk analys, hypotestestning och subgruppsvalidering. Lägre beräknings- och minneskrav kan därför påverka vilka forskningsfrågor som är genomförbara, inte bara hur snabbt en befintlig analys går. Ett arbetsflöde som kan upprepas mer ekonomiskt kan göra större jämförelser och ytterligare kontroller mer praktiska för forskargrupper. Den potentiella nyttan som beskrivs av källan är alltså knuten till skala, upprepning och förmågan att arbeta med patologidata som redan finns.
Microsoft uppskattar att generering av virtuell multiplex-immunofluorescensdata för 1 000 diabilder skulle ta ungefär två GPU-timmar med GigaTIME-Flash jämfört med sju GPU-timmar med GigaTIME på en enda NVIDIA A100, under antaganden inklusive ungefär 10 000 rutor. För 100 000 bilder är uppskattningen cirka sju GPU-dagar mot 30 GPU-dagar; för en miljon bilder, cirka 70 GPU-dagar mot 300 GPU-dagar. Dessa är modellerade uppskattningar, inte oberoende mätningar, och källan säger att faktiska körtider beror på bildstorlek, plattsättningsupplösning och hårdvara. Uppskattningarna illustrerar hur en skillnad i bearbetning per bild kan växa när kohorten blir mycket större. De ska fortfarande läsas som scenarioberäkningar kopplade till de angivna antagandena, snarare än som garanterade resultat för varje implementering.
Den praktiska betydelsen är också knuten till öppenhet. En Apache 2.0-version kan låta akademiska och andra forskargrupper inspektera, anpassa och utvärdera modellerna utan att enbart förlita sig på en värdtjänst, beroende på deras egna tekniska resurser och styrning. Men effektivitet etablerar inte vetenskaplig validitet. Källan säger uttryckligen att modellerna är tidiga forskningsreleaser, har testats på en begränsad uppsättning riktmärken och kohorter och inte är avsedda eller validerade för diagnos, prognos, behandlingsval eller andra beslut om patientvård. Open access kan bredda granskning och experimenterande, men det ersätter inte bevis om tillförlitlighet eller klinisk användbarhet. Den starkast stödda implikationen är att fler grupper kanske kan undersöka forskningsverktygen och deras gränser.
Interaktiv mekanism: hur det faktiskt fungerar
Utforska den underliggande tekniken bakom denna utveckling interaktivt.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
Vad du ska titta på härnäst
Huvudfrågorna är om den rapporterade effektiviteten och prestandan håller för fler institutioner, skannrar, vävnadstyper, populationer och forskningsuppgifter. Oberoende utvärdering och klinisk validering är fortfarande nödvändiga och källan fastställer inte att modellerna förbättrar diagnos, prognos eller behandlingsbeslut.
Oberoende replikering bör testa den rapporterade kompromissen mellan effektivitet och prestanda under olika hårdvara, objektglasstorlekar, förbearbetningspipelines och batchstorlekar. Det bör också undersöka om modellerna förblir tillförlitliga för skannrar, institutioner, färgningsmetoder, vävnadskvalitet, cancertyper och patientpopulationer. Microsoft själv säger att bredare validering fortfarande behövs, så de rapporterade riktmärkesresultaten bör behandlas som påståenden från modellutvecklarna snarare än fastställda bevis. Sådana tester skulle hjälpa till att skilja resultat som beror på den rapporterade uppsättningen från resultat som generaliserar över forskningsmiljöer. Det skulle också visa om lägre resurskrav fortfarande är användbara när det omgivande arbetsflödet för databearbetning förändras.
Forskare kommer också att behöva avgöra om bättre representationsinlärning översätts till användbara biologiska fynd. Källan pekar på GigaTIMEs tidigare analys av mer än 14 000 cancerpatienter och mer än 1 200 statistiskt signifikanta samband mellan immuncellstillstånd och kliniska biomarkörer, men den visar inte att Flash-modellerna oberoende reproducerar dessa associationer eller genererar validerade upptäckter. Statistiska associationer visar inte heller i sig själva orsakssamband eller klinisk nytta. Den relevanta frågan är om de nyare modellerna stödjer resultat som förblir meningsfulla efter oberoende analys och ytterligare validering. Effektivitet kan göra dessa undersökningar lättare att upprepa, men det löser inte bevisfrågorna kring resultaten.
Den mest okända följden är nedströms klinisk prestanda. Källan tillhandahåller inga prospektiva kliniska prövningar, implementeringsdata, diagnostisk noggrannhetsanalys, behandlingsresultatbevis eller bedömning av undergruppsskador för Flash-modellerna. Innan klinisk användning kan övervägas, säger källan att ytterligare multiinstitutionell och prospektiv validering skulle krävas. Fram till dess är den tydligaste stödda effekten beräkningsmässig: att göra vissa storskaliga arbetsflöden för patologiforskning billigare och mer repeterbara. Varje förflyttning från forskningsverktyg till patientvård skulle kräva bevis utöver de effektivitets- och benchmarkjämförelser som beskrivs här. Distinktionen mellan en praktisk forskningsrelease och ett validerat kliniskt system förblir därför central för tolkningen av tillkännagivandet.