כל מה שחם בעולם הבינה המלאכותית · בעברית
המהדורה שלי הפודקאסט הפיד החי בית הספר ל-AI הצטרפו לערוץ הטלגרםמיקרוסופט הציגה את GigaPath-Flash ו-GigaTIME-Flash, גרסאות יעילות חישובית של מודלי היסוד שלה לניתוח רקמות בפתולוגיה, שנועדו לאפשר לחוקרים להריץ ניתוחים על קבוצות חולים גדולות יותר. מדובר בכלי מחקר בלבד, שאינם מאושרים לשימוש קליני, אך עשויים לפי הערכות לזרז מחקר ביולוגי-רפואי ברמת אוכלוסייה.
מיקרוסופט חשפה משפחה חדשה של מודלים לניתוח רקמות בפתולוגיה בשם GigaPath-Flash ו-GigaTIME-Flash — גרסאות "מזוקקות" (distilled) ויעילות יותר חישובית של שני מודלי יסוד (foundation models) שהחברה פרסמה בעבר לניתוח תמונות רקמה סרוקות. לפי מיקרוסופט, המודלים החדשים שומרים על רמת הביצועים של קודמיהם תוך צמצום משמעותי בעלות החישוב הנדרשת להרצתם.
מדובר במודלים מחקריים בלבד — מיקרוסופט מציינת במפורש כי הם אינם מיועדים ואינם מאושרים לשימוש קליני, כולל אבחון, פרוגנוזה, בחירת טיפול או כל החלטה אחרת הנוגעת לטיפול בחולים.
תמונות רקמה מביופסיות (whole-slide images) נחשבות לאחד ממקורות המידע העשירים ביותר במחקר הסרטן, כאשר בתי חולים מייצרים מיליוני סריקות כאלה מדי שנה. הבעיה, כפי שמסבירה מיקרוסופט, היא שכל תמונה כזו עשויה להכיל יותר מגיגה-פיקסל, וניתוח שלה באמצעות מודל בינה מלאכותית דורש עיבוד של אלפי חלקי תמונה (tiles) בנפרד. כשמחקר בודק שאלה על פני עשרות אלפי חולים, עלות החישוב גדלה בהתאם — ומחקר ברמת אוכלוסייה שלם דורש סבבים חוזרים של חילוץ מאפיינים, ניתוח סטטיסטי ובדיקת השערות על פני קבוצות חולים שונות.
מיקרוסופט כבר הציגה בעבר שני מודלים בתחום: GigaPath, מודל שפורסם ב-Nature ב-2024 ואומן על נתוני היסטופתולוגיה בקנה מידה גדול מ-Providence, ו-GigaTIME, שפורסם ב-Cell ב-2026 ומתמקד בסביבת המיקרו-סביבה הגידולית (tumor microenvironment). GigaTIME אומן על 40 מיליון תאים עם נתונים משולבים של צביעת H&E (הצביעה הסטנדרטית בפתולוגיה) לצד הדמיה אימונופלואורסצנטית מרובת-ערוצים (mIF), ולפי מיקרוסופט הוא מסוגל "לתרגם" תמונות H&E רגילות למפות פרוטאומיקה מרחבית וירטואליות על פני 21 ערוצי חלבון. בהפעלה על נתונים של יותר מ-14,000 חולי סרטן, המודל זיהה למעלה מ-1,200 קשרים סטטיסטית מובהקים בין מצבי תאי חיסון לבין ביומרקרים קליניים.
התוספת החדשה, GigaPath-Flash, מבוססת על גרסה מזוקקת עם כ-22 מיליון פרמטרים בלבד, שמחליפה את הרכיב הקודם המבוסס על רשת CNN במקודד מסוג ViT-S. המטרה המוצהרת, לפי מיקרוסופט, היא לאפשר לחוקרים "להריץ ניסויים רבים יותר ולנתח קבוצות חולים גדולות יותר" — כלומר להפוך את המחקר ברמת אוכלוסייה לנגיש ומעשי יותר, ולא בהכרח להוסיף יכולת חדשה.
הצמצום בעלות החישוב, אם יאומץ בפועל על ידי קהילת המחקר, עשוי לאפשר לחוקרים לבדוק יותר השערות על יותר חולים בתקציב חישובי נתון — צעד שיכול, ככל הנראה, לזרז מחקר בסיסי על ביולוגיית הסרטן וביומרקרים. עם זאת, חשוב להדגיש שהמודלים נותרים כלי מחקר: מיקרוסופט עצמה מציינת שהביצועים עשויים להשתנות בין מאגרי נתונים, סורקים, מוסדות ואוכלוסיות שונות, ושאין בהם כדי להחליף אישור רגולטורי או שימוש קליני בפועל.