Microsoft、効率的な病理AI向けにGigaPath-FlashとGigaTIME-Flashを公開
Microsoftのオープンウェイト病理モデルは、全スライドの計算量を50×、空間プロテオミクスのメモリ使用量をほぼ8×削減する。
目次 · 11
Microsoft Researchは、全スライド解析と仮想空間プロテオミクスを、はるかに大規模な研究コホートでも実用的にするために設計された、より小型の病理モデル2種、GigaPath-FlashとGigaTIME-Flashを公開した。
注目すべき成果は、新たな臨床能力ではなく、計算量の大幅な削減である。GigaPath-Flashは、約49.5倍少ない浮動小数点演算で、2つのスライド分類ベンチマークにおいて元のGigaPathの平均性能の97%を維持した。GigaTIME-Flashは、報告されたテストで元のGigaTIMEの平均タンパク質予測性能を上回り、最大テストバッチサイズでは約6倍高速に動作し、GPUメモリ使用量をほぼ8倍削減した。
Microsoftは2026年8月31日に発表を公開した。付随する技術報告書は7月20日に初めてarXivへ投稿され、7月22日に改訂された。これらのモデルは、Microsoft Research、ワシントン大学、Providence Genomics、Providence Cancer Institute、Providence Research Networkによる共同研究である。
一、異なる病理タスク向けの2つの小型モデル
GigaPath-Flashは、ギガピクセルの病理スライドを、腫瘍分類などの下流研究タスクを支援できる表現へ変換する。元のGigaPathと同様に、スライドを2段階で処理する。タイルエンコーダが局所的な視覚特徴を抽出し、スライドエンコーダがそれらの特徴と空間的位置を組み合わせて組織全体の文脈をモデル化する。
Flash版では、GigaPathの約10億パラメータのViT-gタイルエンコーダを、2,200万パラメータのViT-S/16モデルに置き換えている。224×224ピクセルの各タイルは、384次元の埋め込みに変換される。次に、約2,100万パラメータを含む別個の12層LongNetスライドエンコーダが、タイル数に対して線形にスケールする拡張アテンションを用いて埋め込みを文脈化する。
この小型エンコーダは独立して学習されたのではなく、凍結された10億パラメータモデルから蒸留された。研究者らはProvidenceの全スライド画像に対してDINOv2の自己教師あり目的関数を用い、より大きな教師モデルの表現をコンパクトな生徒モデルへ転移した。その後、スライドエンコーダはマスク付きオートエンコーディングで事前学習され、周囲のスライドからタイルの表現を再構成することを学習した。
GigaTIME-Flashは異なる目的を担う。通常のヘマトキシリン・エオジン、すなわちH&E、画像タイルを受け取り、通常はマルチプレックス免疫蛍光法で測定される21のタンパク質チャネルの空間マップを予測する。公開された実装は、2つの背景チャネルを含む23の出力チャネルを生成する。
元のGigaTIMEは、900万パラメータの畳み込みU-Net++アーキテクチャを使用していた。一方、GigaTIME-Flashは蒸留済みViT-Sエンコーダと200万パラメータの畳み込みデコーダを組み合わせ、合計約2,380万パラメータとなる。4つのトランスフォーマー層からの特徴が連続するデコーダ段階に入力され、計算の大半が低解像度のトークン表現で行われる一方で、空間的な詳細を維持する。
適応時に学習されるのはLoRAアダプターとデコーダのみであり、その他のエンコーダパラメータは凍結されたままである。報告された構成では、LoRAランク8、スケーリング係数16、ドロップアウト0.1を用いる。学習は、元のGigaTIME比較と同じデータを使用し、NVIDIA A100ハードウェア上で300エポック実行された。
二、ベンチマークが示すもの
GigaPath-Flashは、2つの公開スライドレベル分類データセットで評価された。PANDAは6クラスの前立腺がんグレード予測をテストし、EBRAINSは30の脳腫瘍サブタイプを対象とする。
31,469タイルを含むEBRAINSスライドについて、研究者らはGigaPath-Flashを290.3 TFLOPsと推定した。これは、元のGigaPathの14,367.3 TFLOPsと比較した値である。PANDAにおける二次重み付きカッパはGigaPath-Flashが0.947、GigaPathが0.965であり、EBRAINSのバランス精度はそれぞれ0.705、0.741だった。
これら2つのスコアを平均すると、GigaPath-Flashは0.826、GigaPathは0.853となる。これが、小型モデルがGigaPathの平均性能を約97%維持するというMicrosoftの主張の根拠である。
GigaPath-Flashは、両方のベンチマークにおいて、研究に含まれたすべてのタイル単体ベースラインも上回った。これらのモデルでは、独立したタイル表現を組み合わせるため、追加のアテンションベース多实例学習コンポーネントが必要だった。全スライドレベルで事前学習された評価対象モデルの中で、GigaPath-Flashの推定推論コストは最も低かった。
これらの比較は、一般的な病理評価よりも限定的である。研究者らは独自の学習・検証・テスト分割を作成し、各下流モデルを5エポック学習させ、データセットごとに1回の実行結果を報告した。したがって、結果が支持するのは統制された効率比較であり、GigaPath-Flashが病理タスク全般で普遍的に優れているという主張ではない。
GigaTIME-Flashは、肺腺がん患者5人から得られた9,204枚の位置合わせ済みタイルと、脳、乳房、結腸、肺のがんを対象とする分布外組織マイクロアレイでテストされた。各外部がんコホートには、約10～20人の患者由来サンプルが含まれていた。
性能は、予測されたタンパク質活性化と実験的に測定されたタンパク質活性化とのPearson相関を用いて測定し、個々の細胞にほぼ対応するウィンドウ単位で集計した。GigaTIME-Flashは、元のテストセットおよび4つすべての外部コホートで、GigaTIMEより高い平均相関を達成した。
ただし、タンパク質ごとに改善は一様ではなかった。GigaTIME-Flashは、複数の核、上皮、骨髄系、増殖、アポトーシスマーカーに対する予測を改善した。元の畳み込みモデルは、CD34、Transgelin、Actin、CD20を含む一部の血管、間質、疎なリンパ系パターンでは競争力を維持した。
三、集団規模での計算量削減
256×256ピクセルの入力に対し、GigaTIME-Flashは14.9 GFLOPsを必要とする。これはGigaTIMEの69.1 GFLOPsと比べて、約4.6倍の削減である。
NVIDIA A100上では、バッチ処理に伴って優位性が拡大した。スループットは、バッチサイズ1で毎秒60.3タイルから、バッチサイズ128で毎秒1,679.2タイルへ上昇した。元のGigaTIMEは、毎秒およそ390タイルで頭打ちになった。
バッチサイズ128では、GPUメモリのピーク使用量はGigaTIME-Flashが2.16 GB、GigaTIMEが16.68 GBだった。新しいモデルはパラメータ数では大きいが、そのトランスフォーマーバックボーンは現代のGPUで効率的に並列化できる行列演算をより多く利用する。一方、元のモデルは高解像度の特徴マップ上で密な畳み込みとネストされたスキップ演算を実行する。
Microsoftは、スライドあたり10,000タイル、バッチサイズ128を仮定した場合、100万枚のスライドに対する仮想マルチプレックス免疫蛍光マップの生成には、GigaTIME-FlashでA100 1台あたり約70日を要すると推定している。GigaTIMEに対応する推定値は約300日である。100,000枚のスライドでは、それぞれ7日と30日と推定される。
これらの数値は、測定済みのエンドツーエンドのコホート実行ではなく、予測値である。実際の所要時間は、スライドの寸法、タイル分割の解像度、前処理、ストレージスループット、実装、ハードウェアに依存する。
この規模は重要である。元のGigaTIME研究では、24のがん種と306のサブタイプにわたる14,256人のProvidence患者に仮想タンパク質予測を適用した。299,376件の仮想タンパク質マップを生成し、統計的に有意なタンパク質・バイオマーカー関連を1,234件報告した。推論コストの低減により、代替バイオマーカー、患者サブセット、検証コホートにまたがって、このような解析を繰り返すことがより実現可能になる。
四、実用上の条件を伴うオープンウェイト公開
Microsoftと共同研究者らは、両方のFlashチェックポイントとコードをApache License 2.0の下で公開した。GigaPath-Flashの重みはHugging FaceのProv-GigaPath組織を通じてホストされ、GigaTIME-FlashはProv-GigaTIME組織を通じて配布される。公開GitHubリポジトリには、読み込み手順と推論ノートブックが含まれる。
重みへのアクセスはゲート制である。ユーザーはダウンロード前にサインインし、リポジトリの利用規約に同意し、読み取り専用のHugging Faceトークンを提供しなければならない。つまり、これらの成果物はアクセス承認後にオープンライセンスで利用でき、検査可能であるが、匿名でのワンクリックダウンロードではない。
ライセンスと記載された想定用途にも区別がある。Apache 2.0は寛容なソフトウェアライセンスだが、両方のモデルカードはチェックポイントを研究リソースとして説明し、商用か否かを問わず、デプロイされた用途は想定範囲外であるとしている。これらの資料は、このモデルカードのガイダンスをライセンスで許可されるすべての利用とどのように整合させるべきかを説明していない。そのため、導入を検討する組織は、「Apache 2.0」を臨床的または運用上の承認の証拠として扱うのではなく、明確化を得るべきである。
いずれのモデルも、診断、予後、治療選択、その他の患者ケア判断について検証されていない。著者らは、スキャナー、機関、患者集団、下流タスクをまたぐ多施設・前向き検証を求めている。
この注意は、より広範な病理研究によって裏付けられている。独立した2026年の研究では、病理基盤モデルが病院固有の染色、標本作製、スキャナーのシグネチャをエンコードし得ることが明らかになり、下流システムが生物学的特徴ではなく施設固有のアーティファクトに依存する可能性を示した。この研究は、より広いモデル群の中で元のProv-GigaPathを評価したものであり、GigaPath-Flashを対象としていない。したがって、新しい公開版の欠陥を立証するものではない。しかし、低い計算量と良好なベンチマークスコアが、施設横断的な検証の代替にはならない理由を示している。
よくある質問
GigaPath-FlashとGigaTIME-Flashの違いは何ですか？
GigaPath-Flashは病理全スライドの文脈化された表現を作成する。GigaTIME-Flashは通常のH&E画像から空間タンパク質発現マップを予測する。
GigaPath-Flashはどの程度小型ですか？
タイルエンコーダは約2,200万パラメータであり、元のGigaPathの約10億と比較される。スライドエンコーダは約2,100万パラメータで、従来の8,600万と比較される。
モデルはオープンソースですか？
コードと重みはApache 2.0の下で公開されているが、チェックポイントのダウンロードにはHugging Faceアカウントとアクセス条件への同意が必要である。そのため、「オープンウェイト」が最も正確な説明である。
病院は患者ケアにこれらのモデルを使用できますか？
いいえ。Microsoftとモデルカードは、これらのモデルが研究公開であり、臨床診断、予後、治療選択、その他のケア判断を目的としたものでも、それらについて検証されたものでもないと述べている。
Flash研究は査読済みですか？
Flashの結果は現在、arXivプレプリントに記録されている。元のGigaPathおよびGigaTIME研究は、それぞれNatureとCellに掲載された。
参考ソース
Share