昨(22)日，微軟(Microsoft)、美國華盛頓大學(University of Washington)以及Providence健康網絡(Providence health network)共同開發一款人工智慧全切片(whole-slide)數位病理學模型Prov-GigaPath，該模型能分析整片病理切片，更準確地預測癌症的基因突變和亞型，以及更了解腫瘤微環境(tumor microenvironment)如何影響癌症治療效果。此研究發表於《Nature》上。
 
Prov-GigaPath模型是透過大規模、真實的病理切片圖像資料集來訓練形成，且圖像資料集大小比其他精選蒐集的資料集大5至10倍，包括美國癌症基因體圖譜(The Cancer Genome Atlas)。該模型能準確完成17種典型的病理學任務和9種亞型任務，包括預測泛癌(pan-cancer)基因突變，且優於其他數據病理學方法。
 
該模型含有超過13億張病理圖像，這些病理圖像是由醫療系統(health system)所提供的17萬張掃描切片所提取，且切片是取自3萬多名患者，涵蓋了31種主要的組織類型。
 
另外，Prov-GigaPath模型還包括放射學掃描(radiology scans)、基因體學結果(genomics results)和患者健康紀錄。
 
過去的電腦視覺程式(computer vision programs)面臨的難題，包括無法完整處理標準切片的大量資訊，這些切片通常是高解析度，大量數據會佔據了好幾GB(gigabytes)的空間。因此，電腦視覺程式為了處理大量的資訊，會將圖像分成許多單獨的圖塊來進行分析。
 
研究團隊為了解決龐大資料量所帶來的挑戰，修改了微軟的LongNet程式，該程式類似大型語言模型，能夠處理更長的數據序列，例如，當發送提示給AI聊天機器人時，這個提示包含數十個相互關聯的單詞或符號，而LongNet程式具有處理該長度序列的能力，甚至可以一次處理多達10億的單詞或符號。
 
這項調整克服了過去處理切片大量資訊的困難，包括限制了先前計算病理學模型的應用範圍和準確性、無法有效地整合分析整片切片，以及過去計算病理學模型的工具不便。
 
Providence Genomics的首席醫療長Carlo Bifulco表示，病理切片中包含的豐富數據，透過Prov-GigaPath等AI工具，可以發現肉眼無法觀察到的新見解。
 
研究團隊表示，未來將利用AI模型開發新的診斷應用，包括腫瘤微環境的研究和幫助治療選擇。
 
參考資料: https://www.fiercebiotech.com/medtech/microsoft-collaboration-launches-whole-slide-ai-model-digital-pathology
 
(編譯/實習記者 鐘御慈)