GigaPath-Flash and GigaTIME-Flash: Toward population-scale discovery with efficient pathology foundation models
Microsoft Research ha presentado dos nuevos modelos de inteligencia artificial, GigaPath-Flash y GigaTIME-Flash, que prometen transformar la investigación patológica a gran escala. Estos modelos mejoran significativamente la eficiencia de sus predecesores, GigaPath y GigaTIME, permitiendo a los investigadores analizar cohortes más grandes y realizar más experimentos con menos recursos computacionales.
La histopatología es una de las fuentes de información más ricas y ampliamente disponibles en la investigación del cáncer. Cada biopsia de tejido produce una imagen de diapositiva completa que captura la morfología celular a una resolución subcelular. Los hospitales generan millones de estas diapositivas cada año, y esta información es crucial para el diagnóstico, pronóstico y selección de tratamientos, así como para entender la biología del microambiente tumoral.
Los modelos de base, como GigaPath y GigaTIME, han comenzado a desbloquear esta información a gran escala. Sin embargo, las imágenes de diapositivas completas son enormes, a menudo superando un gigapíxel, lo que requiere procesar miles de mosaicos de imágenes para cada diapositiva. Cuando una pregunta de investigación involucra a decenas de miles de pacientes, el costo computacional crece rápidamente.
GigaPath-Flash y GigaTIME-Flash abordan estos desafíos al reducir drásticamente los requisitos computacionales sin sacrificar el rendimiento. Basados en un eficiente codificador de mosaicos ViT-S, estos modelos permiten descubrimientos a escala poblacional, ayudando a los investigadores a investigar la biología de las enfermedades, biomarcadores y resultados clínicos a través de diversos conjuntos de datos de cáncer.
Estos modelos son de código abierto y se lanzan bajo la licencia Apache 2.0. Aunque no están destinados ni validados para uso clínico, incluyendo diagnóstico o decisiones de atención al paciente, representan un avance significativo en la capacidad de realizar descubrimientos a gran escala en patología computacional.