最近の研究では、研究者らがProv-GigaPathと呼ばれるAIベースの病理モデルを開発し、評価しました。研究者らによると、これは実世界の症例から得られた大規模なデータセットを用いて学習された、癌細胞診断のための初の全スライド病理基盤モデルです。.
計算病理学はがん診断の変革に貢献し、専門家が疾患のサブタイプ、ステージ、そして進行の可能性をdentのに役立ちます。多くの研究において、機械学習と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優れた結果を示しています。.
こちらもご覧ください：科学者らが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は、最新の研究調査を実施し、 掲載されました。マイクロソフトの社内チームも協力してこの研究を推進しました。
Prov-GigaPathが癌を診断
Prov-GigaPath は、がんの評価と診断に広く適用されている全スライド画像化手法に基づいています。.
全スライドイメージング法では、腫瘍画像の顕微鏡スライドを高解像度のデジタル画像に変換します。これらの全スライド画像には、腫瘍の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ます。.
「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 倍以上の大きさです。」Nature。.
Prov-GigaPathは、28のがんセンターを擁するプロビデンス・ヘルス・ネットワークの大規模データセット「Prov-path」を用いて学習されています。このデータセットには、171,189枚の実際の顕微鏡スライドから得られた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および切除中に作成され、31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、がんのステージ分類、関連する病理学的報告、ゲノム変異プロファイル、組織病理学的所見に関するデータも含まれています。これらの多様なデータを組み合わせることで、モデルの条件をより深く理解することができます。.
GigaPathはギガピクセルスライドのdentを強化
GigaPathは、Prov-GigaPathがギガピクセル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。画像タイルを視覚トークンとして使用すると、スライド全体が一連のトークンになります。シーケンスモデリングのための複雑なパターンを簡素化するために、ビジョントランスフォーマーはニューラルアーキテクチャを採用しています。.
重要なのは、顕微鏡スライド1枚あたりの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学に直接適用することはできないということです。プロビデンスのデータの場合、スライドの数は最大70,121枚に上ります。研究者らは、
「この問題に対処するために、私たちは最近開発したLongNetメソッドを適応させて、拡張自己注意を活用します。」
がんの進行には、機能を変化させる多くの遺伝子変異が関与しており、がんの診断と予後の両方においてスクリーニングが可能です。この研究では、シーケンシング費用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が指摘されています。この格差の主な要因は、世界中で腫瘍シーケンシングへのアクセスが限られていることにあると言われています。.
研究者らは、病理画像から腫瘍の変異を予測することで、治療法や個別化医療の選択に役立つ可能性があると強調した。.
研究者らが病理モデルを比較
デジタル病理学では、標準的なギガピクセルスライドは通常、従来の自然画像の数千倍の大きさになるため、計算上の課題があります。従来のビジョントランスフォーマーには限界があり、データ量の増加に伴い計算要件が増大するため、このような巨大な画像の処理は困難です。.
こちらもご覧ください： AIツールががんとの戦いにおける免疫反応を予測
もう一つの点は、デジタル病理学におけるこれまでの研究では、各顕微鏡スライド内の異なる画像タイル間の相互依存性が十分に活用されていなかったことです。相互依存性の関連付けが欠如していたため、腫瘍微小環境モデリングなど多くのアプリケーションにとって極めて重要な、スライドレベルのコンテキストが考慮されていませんでした。.
研究者らは、Prov-GigaPathをHIPT、Ctranspath、REMEDISといった他の公開病理学基盤モデルと比較しました。その結果、Prov-GigaPathは26のタスクのうち25のタスクで優れたパフォーマンスを示したことが分かりました。
「Prov-GigaPathは、2番目に優れたモデルであるREMEDISと比較して、AUROC（分類モデルのパフォーマンス指標）で23.5％、AUPRC（不均衡なデータセットを処理する際に役立つ指標）で66.4％の改善を達成しました。」
がんは生命を脅かす病気であり、毎年何百万人もの命を奪っています。デジタル病理学プロバイダーPaigeの共同創業者兼主任科学者であるトーマス・フックス氏は、CNBCのインタビューでこう語っています。 「病理医が診断するまでは、がんと診断されたことにはなりません。それが医療全体における極めて重要なステップなのです。」
ご存知の通り、従来の病理学技術は、主に顕微鏡下で組織サンプルを観察することで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、病理学の実践は変化し、dent特定と分類のプロセスは加速しています。ほとんどのAI病理学モデルは、顕微鏡スライドを観察するという同じ技術をデジタルで活用しています。.
Cryptopolitan アーミール・シェイク記者によるレポート
