Microsoft, Providence e UW sfruttano l’IA generativa per la diagnosi digitale del cancro

Nuova Frontiera della Diagnostica Oncologica: Modello Generativo-AI

Ricercatori di Microsoft, Providence Health System e dell’Università di Washington hanno sviluppato un nuovo modello generativo di AI per la diagnostica del cancro, basato sull’analisi di oltre un miliardo di immagini di campioni di tessuto provenienti da oltre 30.000 pazienti.

Il modello open-access, noto come Prov-GigaPath, è stato descritto in una ricerca pubblicata oggi dalla rivista Nature ed è già in uso in applicazioni cliniche.
“I dati ricchi nelle diapositive patologiche possono, attraverso strumenti di IA come Prov-GigaPath, scoprire relazioni e approfondimenti che vanno oltre ciò che l’occhio umano può discernere”, ha affermato il coautore dello studio Carlo Bifulco, Chief Medical Officer di Providence Genomics, in un comunicato stampa.
“Riconoscendo il potenziale di questo modello per avanzare significativamente nella ricerca sul cancro e nella diagnostica, abbiamo sentito fortemente l’importanza di renderlo ampiamente disponibile per il beneficio dei pazienti a livello globale.
È un onore far parte di questo lavoro rivoluzionario.”

Dettagli Tecnici dello Sviluppo di Prov-GigaPath

Il progetto per sviluppare Prov-GigaPath ha utilizzato la piattaforma generativa-AI GPT-3.5 di OpenAI per identificare pattern in 1,3 miliardi di sezioni di immagini patologiche ottenute da 171.189 diapositive digitali integrali fornite da Providence.
I ricercatori affermano che questo è stato il più grande sforzo di pre-allenamento ad oggi con la modellazione di diapositive integrali, attingendo a un database cinque-dieci volte più grande rispetto ad altri dataset come The Cancer Genome Atlas.

Imaging Integrale delle Diapositive

L’imaging di diapositive integrali, che trasforma una diapositiva al microscopio di tessuto tumorale in un’immagine digitale ad alta risoluzione, è diventato uno strumento ampiamente utilizzato nella patologia digitale.
Tuttavia, una diapositiva standard in gigapixel è migliaia di volte più grande delle tipiche immagini naturali, ponendo una sfida per i programmi di visione artificiale convenzionali.

La piattaforma GigaPath di Microsoft ha utilizzato un set di strategie basate su IA per spezzare le immagini su larga scala in sezioni più gestibili di 256 per 256 pixel e cercare pattern associati a una vasta gamma di sottotipi di cancro.

Benchmarking e Prestazioni

Per valutare le prestazioni del modello Prov-GigaPath, i ricercatori hanno creato un benchmark di patologia digitale che includeva nove compiti di sottotipizzazione del cancro e 17 compiti analitici.
“Prov-GigaPath raggiunge prestazioni all’avanguardia in 25 dei 26 compiti, con miglioramenti significativi rispetto al secondo miglior modello in 18 compiti”, hanno dichiarato due degli autori dello studio di Microsoft, Hoifung Poon e Naoto Usuyama, in un post sul blog che descrive la ricerca.

Poon e Usuyama hanno affermato che l’approccio assistito dall’IA alla patologia digitale “apre nuove possibilità per avanzare nella cura del paziente e accelerare la scoperta clinica”, ma hanno aggiunto che rimane ancora molto da fare.
“Soprattutto, dobbiamo ancora esplorare l’impatto di GigaPath e del pre-allenamento delle diapositive integrali in molti compiti chiave della salute di precisione, come la modellazione del microambiente tumorale e la previsione della risposta al trattamento,” hanno scritto.

Collaboratori della Ricerca

Oltre a Bifulco, Poon e Usuyama, gli autori dell’articolo di Nature, “A Whole-Slide Foundation Model for Digital Pathology From Real-World Data”, includono Hanwen Xu, Jaspreet Bagga, Sheng Zhang, Rajesh Rao, Tristan Naumann, Cliff Wong, Zelalem Gero, Javier González, Yu Gu, Yanbo Xu, Mu Wei, Wenhui Wang, Shuming Ma, Furu Wei, Jianwei Yang, Chunyuan Li, Jianfeng Gao, Jaylen Rosemon, Tucker Bower, Soohee Lee, Roshanthi Weerasinghe, Bill J.
Wright, Ari Robicsek, Brian Piening e Sheng Wang.