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、これは実際の症例からの大規模なデータセットでトレーニングされた、がん細胞を診断するための初の全スライド病理基礎モデルです。

計算病理学はがんの診断を変革し、専門家が病気のサブタイプ、ステージ、進行の可能性を特定するのに役立ちます。多くの研究で、機械学習とディープラーニングはさまざまな種類のがんの早期検出に優れた結果を示しています。

こちらもお読みください: 科学者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が最新の研究調査を実施し、ジャーナル「ネイチャー」に掲載されました。マイクロソフトの社内チームも多数協力して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法に基づいています。

Prov-GigaPath のモデル アーキテクチャを示すフロー チャート。

全スライド画像化技術では、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 倍以上です。」Nature。

Prov-GigaPath は、28 のがんセンターを擁する Providence Health Network の Prov-path と呼ばれる大規模なデータセットでトレーニングされています。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。スライドは、30,000 人以上の患者の生検と切除中に作成されたもので、31 種類の主要な組織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、関連する病理レポート、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部分を合わせると、モデルの条件をより深く理解できます。

GigaPath がギガピクセルスライドの識別を強化

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。画像タイルをビジュアル トークンとして使用すると、完全なスライドが一連のトークンになります。シーケンス モデリング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 アーキテクチャになっています。

がんのサブタイプ分類の棒グラフ。

重要なのは、顕微鏡スライド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だ。プロビデンスのデータの場合、スライドの数は70,121枚にもなる。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える遺伝子変異が多数関与しており、がんの診断と予後の両方で検査することができます。この研究では、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と指摘されています。世界中で腫瘍シーケンシングにアクセスできないことが、この格差の主な要因で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のスライドは通常、従来の自然画像よりも数千倍も大きいため、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、このような巨大な画像を処理するのは困難です。これは、データ量が増えると計算要件が増加するためです。

こちらもお読みください: AI ツールががんとの戦いにおける免疫反応を予測

もう 1 つのポイントは、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活用されていなかったことです。相互依存性の接続を無視したことにより、腫瘍微小環境モデリングなどの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排除されました。

研究者らは、この研究のために、Prov-GigaPathをHIPT、Ctranspath、REMEDISなどの他の公開されている病理学基礎モデルと比較した。研究者らは、Prov-gigaPathが26のタスクのうち25で優れたパフォーマンスを示したことを発見した。

「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ときに役立つ指標) で 66.4% の改善を達成しました。」

がんは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のペイジの共同設立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「病理学者が診断するまで、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重要なステップなのです」と語っています。

ご存知のように、従来の病理学技術は主に顕微鏡で組織サンプルを観察することに頼って病気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、がんを特定して分類するプロセスが加速しています。ほとんどの AI 病理学モデルは、顕微鏡スライドを検査する同じ技術をデジタル方式で活用しています。

クリプトポリタンのアーミル・シェイク記者によるレポート