この新しいAIモデルは、がん診断のベンチマークをどのように設定するのか？

最近の研究で、研究者たちはProv-GigaPathというAIベースの病理モデルを開発・評価した。研究者らによると、これは現実の症例からの大規模データセットで訓練された、がん細胞の診断のための初の全スライド病理ファウンデーションモデルである。

計算病理学は、がん診断の変革を支援し、専門家が疾患のサブタイプ、ステージ、および可能性のある進行を特定するのを助ける。多くの研究において、機械学習およびディープラーニングは、様々な種類のがんの早期発見においてより良い結果を示している。

関連記事: 科学者たち、がん免疫療法を強化するAI搭載モデルを開発

プロビデンス・ヘルス・システムズとワシントン大学が最新の研究を実施し、 公開した 『ネイチャー』誌に掲載された。マイクロソフトの社内チームも多数、研究の促進に協力した。

Prov-GigaPath、がんを診断 

Prov-GigaPathは、がんの評価および診断に広く適用されている全スライドイメージング手法に基づいている。

全スライドイメージング技術では、腫瘍画像の顕微鏡スライドが高解像度のデジタル画像に変換される。これらの全スライド画像には、腫瘍微小環境を理解するのに役立つ重要な情報が含まれている。 

「Prov-Pathは、画像タイルの数ではTCGAの5倍以上、患者数ではTCGAの2倍以上の規模を誇ります。」Nature。

Prov-GigaPathは、プロビデンス・ヘルス・ネットワーク（28の癌センターで構成）から提供されたProv-pathという大規模データセットで学習しています。このデータセットには、17万1,189枚の実際の顕微鏡スライドから生成された13億枚以上の画像タイルが含まれています。これらのスライドは、3万人以上の患者の生検や切除手術中に作成され、31種類の主要な組織タイプをカバーしています。

Prov-Pathデータセットには、癌の病期分類、関連する病理レポート、ゲノム変異プロファイル、および組織病理学的所見に関するデータも含まれています。これら多様なデータ要素を組み合わせることで、モデルの条件に対するより良い理解が得られます。

GigaPathによるギガピクセルスライドの識別の強化

GigaPathは、Prov-GigaPathがギガピクセルの病理スライドを評価するために使用する新しいビジョントランスフォーマーです。画像タイルを視覚的トークンとして使用することで、完全なスライドは一連のトークンに変換されます。ビジョントランスフォーマーは、シーケンスモデリングのために複雑なパターンを簡素化するためのニューラルアーキテクチャです。

重要なのは、各顕微鏡スライドに含まれるタイルの数が膨大であるため、従来のビジョントランスフォーマーをデジタル病理に直接適用できないという点です。プロビデンスのデータでは、スライドの数が最大70,121枚に達することもあります。研究者たちは次のように指摘しています。

「この問題に対処するため、最近開発したLongNetメソッドを適応させて、拡張自己注意（dilated self-attention）を活用します。」

癌の進行には、機能を変化させる多くの遺伝子変異が関与しており、これらは癌の診断と予後の両方でスクリーニング可能です。研究では、シーケンシングのコストが大幅に低下したにもかかわらず、依然として医療格差が存在することに言及しています。世界的な腫瘍シーケンシングへのアクセスが、この格差の主な要因であるとされています。 

研究者たちは、病理画像から腫瘍変異を予測することが、治療法の選択や個別化医療の選定に役立つかどうかを強調しています。 

研究者による病理モデルの比較

デジタル病理には計算上の課題があり、標準的なギガピクセルスライドは従来の自然画像よりも通常数千倍も大きいためです。従来のビジョントランスフォーマーには限界があり、データ量が増加すると計算要件が増大するため、このような巨大な画像の処理に苦労します。

関連記事: AIツールが癌との戦いにおける免疫応答を予測

もう一つの点は、以前のデジタル病理学研究では、各顕微鏡スライド内の異なる画像タイル間の相互依存関係を活用していなかったという点です。この相互依存関係の接続を無視した結果、腫瘍微小環境のモデリングなど、多くのアプリケーションにとって不可欠なスライドレベルのコンテキストが排除されてしまいました。

研究者たちは、本研究においてProv-GigaPathを、HIPT、Ctranspath、REMEDISなどの他の公開されている病理ファウンデーションモデルと比較しました。研究者たちは、Prov-GigaPathが26タスク中25タスクでより優れたパフォーマンスを示したと発見し、次のように指摘しています。

「Prov-GigaPathは、2番目に優れたモデルであるREMEDISと比較して、分類モデルのパフォーマンス指標であるAUROCで23.5%、不均衡データセットを扱う際に有用な指標であるAUPRCで66.4%の改善を達成しました。」

がんは生命を脅かす疾患であり、毎年何百万人もの命を奪っている。デジタル病理プロバイダーであるPaigeの共同創設者兼チーフサイエンティスト、トーマス・フックスはCNBCのインタビューで次のように語った。「病理医がそう言うまで、あなたはがんでない。それが医療体制全体における重要なステップである。」

私たちが知っているように、従来の病理学的技術は、主に顕微鏡下で組織サンプルを観察することに依存しているため、疾患の診断を支援してきました。しかし、テクノロジーと人工知能の登場により、実践は変化し、癌の同定と分類のプロセスが加速しています。ほとんどのAI病理モデルは、デジタル方式で顕微鏡スライドを調べるという同じ技術を活用しています。 

CryptopolitanによるAamir Sheikhのレポート