Microsoft inatoa mifano bora zaidi ya AI kwa utafiti wa kiwango kikubwa cha saratani

Nini kilitokea

Utafiti wa Microsoft ulitangaza modeli mbili za msingi za uzani wa wazi, GigaPath-Flash na GigaTIME-Flash, iliyoundwa kufanya utafiti wa saratani ya kiwango kikubwa kuwa ya vitendo zaidi. Mifano ni matoleo ya utafiti yaliyotengenezwa na Chuo Kikuu cha Washington na Providence.

Utafiti wa Microsoft unasema GigaPath-Flash na GigaTIME-Flash hupanua miundo ya awali ya patholojia inayoitwa GigaPath na GigaTIME. GigaPath huchanganua picha za patholojia za slaidi nzima, ilhali GigaTIME huangazia mazingira madogo ya uvimbe na kutafsiri picha za kawaida za hematoksilini-na-eosin, au H&E, kuwa ramani za proteomiki za anga. Miundo mipya ya Flash inakusudiwa kushughulikia gharama ya hesabu ya kutumia mifumo kama hiyo mara kwa mara kwa vikundi vikubwa, badala ya kutambulisha bidhaa ya kimatibabu. Kwa hivyo, lengo lao ni juu ya ufanisi wa mtiririko wa kazi ya utafiti na ufikiaji wa uchambuzi kwa kiwango. Matoleo huhifadhi muunganisho kwa familia ya mfano ya awali huku ikibadilisha ni kiasi gani cha kompyuta kinachohitajika kwa matumizi ya mara kwa mara.

GigaPath-Flash inachanganya kisimbaji cha kigae cha ViT-S chenye vigezo milioni 22 na kisimbaji cha slaidi cha LongNet chenye vigezo milioni 21. Microsoft inasema kwamba kisimbaji cha kigae cha konishi kilitolewa kutoka kwa kisimbaji cha GigaPath chenye vigezo mabilioni, huku kisimbaji cha slaidi kikitumia umakini uliopanuka ambao hupimwa sawia na idadi ya vigae vya picha. Kwenye chanzo kilichonukuliwa cha PANDA ya uwekaji daraja la kibofu cha kibofu na alama ndogo za uandishi wa uvimbe kwenye ubongo wa EBRAINS, Microsoft inaripoti kuwa GigaPath-Flash ilikuja ndani ya 3% ya GigaPath asili huku ikitumia takribani mara 50 chini ya hesabu. Kwa maneno mengine, matokeo yaliyoripotiwa yanajumuisha muundo mdogo zaidi na utendaji ambao ulibaki karibu na mfumo wa awali kwenye majaribio hayo yaliyotajwa. Ulinganisho unawasilishwa kama matokeo ya ufanisi kutoka kwa tathmini ya Microsoft, si kama ugunduzi mpana kuhusu kila kazi ya ugonjwa.

GigaTIME-Flash inachukua nafasi ya uti wa mgongo asilia wa GigaTIME na encoder ya GigaPath-Flash ViT-S na hutumia avkodare nyepesi ya ubadilishaji kwa tafsiri ya H&E-to-multiplex-immunofluorescence. Microsoft inaripoti kuwa ililingana au kuboreshwa kwenye muundo asili katika seti yake yote ya majaribio na makundi manne ambayo hayajasambazwa yanayoshughulikia saratani za ubongo, matiti, koloni na mapafu. Aina zote mbili hutolewa chini ya leseni ya Apache 2.0, na uzani na nambari zinapatikana kupitia Hugging Face, kulingana na chanzo. Hii huwapa watafiti vipengele vilivyotajwa vinavyohitajika kukagua na kutathmini matoleo katika mipangilio yao wenyewe. Jaribio la nje ya usambazaji lililoripotiwa huongeza ulinganifu zaidi ya seti ya awali ya jaribio, lakini haiondoi hitaji la tathmini zaidi.

Maelezo ya chanzo: microsoft.com ↗

Kwa nini ni muhimu

Mitindo hiyo inaweza kuruhusu watafiti kuchambua vikundi vikubwa vya wagonjwa na kurudia majaribio zaidi kwa kutumia data iliyopo ya ugonjwa. Hilo linaweza kupanua tafiti za baiolojia ya magonjwa, alama za viumbe, mazingira madogo ya uvimbe, na matokeo ya kimatibabu, ingawa miundo haijathibitishwa kwa ajili ya utunzaji wa wagonjwa.

Picha za patholojia za slaidi nzima zinaweza kuzidi gigapixel na zinaweza kuhitaji kuchakata maelfu ya vigae kwa kila slaidi. Chanzo kinadai kuwa gharama inakuwa ya vikwazo hasa wakati watafiti wanasoma makumi ya maelfu ya wagonjwa na kurudia uchimbaji wa kipengele, uchanganuzi wa takwimu, upimaji dhahania, na uthibitishaji wa kikundi kidogo. Mahitaji ya chini ya hesabu na kumbukumbu yanaweza kuathiri maswali ya utafiti ambayo yanawezekana, sio tu jinsi uchambuzi mmoja uliopo unavyofanya kazi haraka. Mtiririko wa kazi ambao unaweza kurudiwa kiuchumi zaidi unaweza kufanya ulinganisho mkubwa na ukaguzi wa ziada kuwa wa vitendo zaidi kwa vikundi vya utafiti. Faida inayoweza kuelezewa na chanzo kwa hivyo inahusishwa na kiwango, marudio, na uwezo wa kufanya kazi na data ya patholojia ambayo tayari ipo.

Microsoft inakadiria kuwa kutoa data pepe ya multiplex-immunofluorescence kwa slaidi 1,000 kungechukua takriban saa mbili za GPU kwa GigaTIME-Flash dhidi ya saa saba za GPU na GigaTIME kwenye NVIDIA A100 moja, kwa kukisiwa ikijumuisha takriban vigae 10,000. Kwa slaidi 100,000, makadirio ni takriban siku saba za GPU dhidi ya siku 30 za GPU; kwa slaidi milioni moja, takriban siku 70 za GPU dhidi ya siku 300 za GPU. Haya ni makadirio ya kuigwa, si vipimo huru, na chanzo kinasema muda halisi wa kukimbia hutegemea saizi ya slaidi, azimio la kuweka tiles na maunzi. Makadirio yanaonyesha jinsi tofauti katika uchakataji wa kila slaidi inaweza kukua wakati kundi linakuwa kubwa zaidi. Bado zinapaswa kusomwa kama hesabu za mazingira zinazofungamana na dhana zilizotajwa, badala ya kuwa matokeo ya uhakika kwa kila utekelezaji.

Umuhimu wa vitendo pia umefungwa kwa uwazi. Toleo la Apache 2.0 linaweza kuruhusu wasomi na vikundi vingine vya utafiti kukagua, kurekebisha, na kutathmini miundo bila kutegemea tu huduma inayopangishwa, kulingana na rasilimali zao za kiufundi na usimamizi. Lakini ufanisi haufanyi uhalali wa kisayansi. Chanzo kinasema kwa uwazi modeli hizo ni matoleo ya mapema ya utafiti, yamejaribiwa kwa viwango vichache na vikundi, na hayakusudiwa au kuthibitishwa kwa utambuzi, ubashiri, uteuzi wa matibabu au maamuzi mengine ya utunzaji wa mgonjwa. Ufikiaji wazi unaweza kupanua uchunguzi na majaribio, lakini hauchukui nafasi ya ushahidi kuhusu kutegemewa au manufaa ya kimatibabu. Kidokezo chenye nguvu zaidi kinachoungwa mkono ni kwamba vikundi vingi zaidi vinaweza kuchunguza zana za utafiti na kikomo chake.

Nini cha kutazama baadaye

Maswali makuu ni kama ufanisi na utendakazi ulioripotiwa unashikilia taasisi nyingi zaidi, vichanganuzi, aina za tishu, idadi ya watu na kazi za utafiti. Tathmini ya kujitegemea na uthibitisho wa kimatibabu unasalia kuwa muhimu, na chanzo hakithibitishi kwamba miundo inaboresha utambuzi, ubashiri au maamuzi ya matibabu.

Uigaji huru unapaswa kujaribu uwiano wa utendakazi ulioripotiwa chini ya maunzi tofauti, saizi za slaidi, mabomba ya kuchakata mapema na saizi za bechi. Inapaswa pia kuchunguza ikiwa miundo inasalia kutegemewa kote katika vichanganuzi, taasisi, mazoea ya kutia madoa, ubora wa tishu, aina za saratani na idadi ya wagonjwa. Microsoft yenyewe inasema uthibitisho mpana zaidi bado unahitajika, kwa hivyo matokeo yaliyoripotiwa yanapaswa kuchukuliwa kama madai kutoka kwa wasanidi wa kielelezo badala ya ushahidi uliotatuliwa. Majaribio kama haya yangesaidia kutenganisha matokeo ambayo yanategemea usanidi ulioripotiwa kutoka kwa matokeo ambayo yanajumlisha katika mazingira ya utafiti. Pia ingeonyesha kama mahitaji ya chini ya rasilimali yanasalia kuwa muhimu wakati mtiririko wa kazi wa usindikaji wa data unapobadilika.

Watafiti pia watahitaji kubainisha kama ujifunzaji bora wa uwakilishi hutafsiri katika matokeo muhimu ya kibaolojia. Chanzo kinaangazia uchanganuzi wa awali wa GigaTIME wa zaidi ya wagonjwa 14,000 wa saratani na zaidi ya uhusiano 1,200 muhimu wa kitakwimu kati ya mataifa ya seli-kinga na vialama vya kimatibabu, lakini haionyeshi kwamba miundo ya Flash huzalisha upya uhusiano huo kwa kujitegemea au kuzalisha uvumbuzi ulioidhinishwa. Vyama vya takwimu vivyo hivyo havionyeshi chanzo au manufaa ya kiafya peke yake. Swali linalofaa ni ikiwa miundo mipya zaidi inaunga mkono matokeo ambayo yanabaki kuwa na maana baada ya uchanganuzi huru na uthibitisho wa ziada. Ufanisi unaweza kufanya uchunguzi huo kuwa rahisi kurudia, lakini hausuluhishi maswali ya ushahidi yanayozunguka matokeo.

Matokeo zaidi haijulikani ni utendaji wa kliniki wa chini. Chanzo hakitoi majaribio tarajiwa ya kimatibabu, data ya matumizi, uchanganuzi wa usahihi wa uchunguzi, ushahidi wa matokeo ya matibabu, au tathmini ya madhara ya kikundi kidogo kwa miundo ya Flash. Kabla ya matumizi ya kimatibabu kuzingatiwa, chanzo kinasema uthibitisho wa ziada wa taasisi nyingi na unaotarajiwa ungehitajika. Hadi wakati huo, athari iliyo wazi zaidi inayoungwa mkono ni ya hesabu: kufanya utiririshaji wa utafiti wa kiwango kikubwa wa ugonjwa kuwa wa bei nafuu na unaorudiwa zaidi. Mwendo wowote kutoka kwa zana za utafiti kuelekea utunzaji wa mgonjwa utahitaji ushahidi zaidi ya ufanisi na ulinganisho wa viwango vilivyoelezewa hapa. Kwa hivyo, tofauti kati ya toleo la utafiti wa vitendo na mfumo wa kliniki ulioidhinishwa inasalia kuwa msingi wa kutafsiri tangazo.

Miongozo & maswali yanayohusiana