MSR、病理画像AIの効率的基盤モデルGigaPath-FlashとGigaTIME-Flashを公開

発表の概要

Microsoft Researchは、病理学の基盤モデル「GigaPath-Flash」と「GigaTIME-Flash」を発表しました。これらは既存のGigaPathとGigaTIMEの効率性を大幅に高めた派生モデルで、大規模なコホート研究をより実用的にすることを目的としています。公開はApache 2.0ライセンスで、モデル重みとコードがHuggingFaceで入手できます。

病理学の全スライド画像は、しばしば1ギガピクセルを超えます。元モデルでは1枚のスライドを処理するだけでも数千のタイルを計算する必要があり、数万人規模の研究になると計算コストが急増します。Flash版はこうした計算負荷を抑え、より多くの患者を対象とした反復分析を可能にします。

効率化のための技術

GigaPath-Flashは、22MパラメータのViT-Sタイルエンコーダと、21MパラメータのLongNetスライドエンコーダで構成されます。タイルエンコーダは、元の10億パラメータのGigaPathエンコーダから蒸留によって作られ、表現能力を保ったままモデルを1桁小さくしています。スライドエンコーダはdilated attentionで全タイルの埋め込みを文脈化し、タイル数に対して線形にスケールします。

GigaTIME-Flashでは、元のGigaTIMEが使っていたCNNバックボーンをGigaPath-FlashのViT-Sエンコーダに置き換え、H&E画像から多重免疫蛍光（mIF）への変換を行う軽量な畳み込みデコーダを組み合わせています。学習にはLoRAアダプタを使い、事前学習済みのエンコーダの重みはほぼ凍結したままです。

性能評価の結果

スライドレベルの分類ベンチマーク（PANDAの前立腺がんグレーディングとEBRAINSの脳腫瘍サブタイピング）では、GigaPath-Flashは、全スライド事前学習モデルの中で最も低い推論コストを達成しました。精度は元のGigaPathから3%以内に収まり、計算コストは約50分の1と推定されます。

GigaTIME-Flashは、脳・乳腺・大腸・肺のがんを対象とした分布内・分布外の両コホートで、元のGigaTIMEと同等以上の空間タンパク質予測品質を示しました。特に分布外データでの改善が大きく、基盤モデルのバックボーンが未見の組織タイプへの汎化性を高めている可能性があります。

ただし、これらの評価は限られたベンチマークとコホートに基づいています。より多様なスキャナーや患者集団、タスクでの追加検証が必要で、臨床応用には多施設での前向き検証が必須だとしています。

オープンリリースと検証の課題

両モデルはApache 2.0ライセンスでオープンウェイトとして公開され、HuggingFaceから入手できます。研究用モデルであり、診断や予後予測、治療選択などの臨床用途は意図されていません。

Microsoft Researchはコミュニティによる評価を歓迎し、機能したケースと機能しなかったケースの両方の報告を求めています。現時点では限定的な評価ですが、多様なデータでの検証が進めば、病理学AIの研究応用の輪が広がるとみられます。