Microsoft Research、病理学基盤モデル「GigaPath-Flash」などを公開し大規模研究を効率化

GigaPath-Flash と GigaTIME-Flash は、既存の基盤モデルである GigaPath や GigaTIME の効率を劇的に向上させた「Flash」シリーズです。これにより、大規模な病理学研究がこれまで以上にアクセスしやすく、実用的なものとなりました。

この Flash モデルは、性能を損なうことなく計算リソースを大幅に削減できるよう設計された、圧縮（distilled）された基盤モデルのバックボーンを採用しています。その結果、より多くの患者コホートに対する反復的な解析が可能になりました。

これらのオープンソースモデルは、集団規模での発見を支援します。多様ながんデータセットにおいて、疾患の生物学的メカニズム、バイオマーカー、臨床転帰に関する調査を研究者が実施できるようになります。

GigaPath や GigaTIME は、日常的に収集される病理データから、スライド全体の解析や腫瘍微小環境のモデリングを基盤モデルで支えることを実証しました。一方、GigaPath-Flash と GigaTIME-Flash はこれらの機能をさらに効率化し、研究者がより大規模なコホートを分析したり、実験数を増やしたりして、集団規模での発見へと一歩近づけることを可能にします。

なお、GigaPath-Flash と GigaTIME-Flash は研究用モデルであり、診断、予後予測、治療選択、その他の患者ケアに関する意思決定など、臨床利用を目的としたものでも検証されたものでもありません。データセットやスキャナー、施設、対象集団、使用ケースによって性能は変動する可能性があります。

計算病理学におけるスケールの可能性

病理組織学は、がん研究において最も情報量が豊富で広く利用可能なデータソースの一つです。生検された組織からはサブ細胞レベルの解像度で細胞形態を捉えた全スライド画像が作成され、病院では毎年数百万枚のスライドが生産されています。このデータには、診断・予後・治療選択、および腫瘍微小環境の生物学に関する情報が含まれています。

ファウンデーションモデルは、こうした情報を大規模に解き放ち始めています。しかし、全スライド画像は非常に大きく、1 枚あたりギガピクセルを超えることも珍しくありません。ファウンデーションモデルを単一のスライドに適用するだけでも、数千枚の画像タイルを処理する必要があります。研究対象が数万人規模の患者になる場合、計算コストはすぐに膨れ上がります。さらに、大規模集団における発見は単一のモデル実行で完結するものではなく、患者層やバイオマーカー、臨床エンドポイントごとに特徴抽出、統計解析、仮説検証、検証を繰り返すサイクルが必要です。

計算コストの制約は、研究者が対象とする患者数、データセット、タスク、仮説の数を制限しています。病理ファウンデーションモデルの可能性を最大限に引き出すには、大規模な患者集団に対して繰り返しかつ低コストで適用可能なモデルが必要不可欠です。

GigaPath や GigaTIME から、-Flash ファミリーへ

GigaPath (Nature 2024) は、プロビデンスから収集された大規模な実世界組織病理データを用いて事前学習された全スライド基盤モデルです。タイルレベルのみで動作する既存のモデルとは異なり、GigaPath はスライド全体の文脈を反映した表現を学習し、局所的な細胞パターンと広域的な組織構造の両方を捉えることができます。

GigaTIME (Cell 2026) はこの研究の流れを腫瘍微小環境へと拡張しました。H&E染色画像と多重免疫蛍光（mIF）データが対になった4,000万個の細胞で訓練された GigaTIME は、一般的な H&E 画像から 21 のタンパク質チャネルにわたる仮想空間プロテオミクスマップを生成します。14,000 人以上のがん患者を対象に適用した結果、免疫細胞の状態と臨床バイオマーカーの間で 1,200 以上もの統計的に有意な関連性が発見されました。

GigaPath と GigaTIME は、病理データの規模拡大と生物学的発見の課題に対応してきました。そして今、Flash シリーズが実験のスケールという新たな課題に取り組んでいます。

image図 1: GigaPath/GigaTIME モデルファミリーの概要。GigaPath-Flash は、2,200 万パラメータで動作する効率的なタイルエンコーダーとスライドエンコーダーを提供します。GigaTIME-Flash は H&E から空間プロテオミクスを予測し、CNN のバックボーンを蒸留された ViT-S エンコーダーに置き換えています。

GigaPath-Flash と GigaTIME-Flash の紹介

Flash シリーズの共通設計目標は、有用な病理学的表現を維持しつつ、その生成と利用に必要な計算リソースを大幅に削減することです。両モデルとも、元の数十億パラメータ規模の GigaPath エンコーダーから蒸留されたコンパクトな ViT-S タイルエンコーダーという、共通の効率的なバックボーンを基盤としています。また、どちらも Apache 2.0 ライセンスの下で公開されています。

GigaPath-Flash

GigaPath-Flash は、全スライドレベルでの表現学習に特化した効率的なファウンデーションモデルです。2,200 万パラメータの ViT-S タイルエンコーダーと、2,100 万パラメータの LongNet スライドエンコーダーを組み合わせています。タイルエンコーダーは、元の GigaPath ViT-g ティーチャーから蒸留されており、数十億パラメータ規模のモデルが持つ表現能力を、桁違いに小型化したバックボーンへと継承しています。スライドエンコーダーは拡張アテンション（dilated attention）を用いてすべてのタイル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。

PANDA 前立腺がんのグレード分類や EBRAINS の脳腫瘍サブタイプ分類といったスライドレベルの分類ベンチマークでは、GigaPath-Flash は既存の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ながらも、競争力のある性能を維持しています。元の GigaPath と比較して計算量は約 50 分の 1 ですが、性能は 3% 以内の差に抑えられています。

image図 2: 全スライドベンチマークにおける効率と性能のトレードオフ。GigaPath-Flash（赤、左上）は、他の全スライド事前学習モデルと比較して、計算コストを大幅に抑えながら競合する性能を発揮しています。

GigaTIME-Flash

GigaTIME-Flash は、元の GigaTIME に搭載されていた CNN バックボーンを、GigaPath-Flash の ViT-S エンコーダーに置き換え、H&E 染色画像から mIF 画像への変換には軽量な畳み込みデコーダーを組み合わせています。このモデルは LoRA アダプターを用いてファインチューニングされますが、事前学習済みエンコーダーの重みはほぼ凍結されたまま維持されています。

脳、乳腺、大腸、肺のがんを対象とした、分布内および分布外の両コホートにおいて、GigaTIME-Flash は空間タンパク質予測の品質において元の GigaTIME と同等か、それ以上の性能を示しました。特に分布外データでの改善が顕著であり、基盤モデルのバックボーンが未知の組織タイプへの一般化能力を向上させることが示唆されます。

image図 3: GigaTIME テストセットおよび 4 つの分布外 Prov-TMA コホートにおける、GigaTIME と GigaTIME-Flash のウィンドウ化ピアソン相関の平均値。GigaTIME-Flash はすべてのコホートで元のモデルと同等かそれ以上の性能を達成しています。

基盤モデルの能力を損なわない効率化

Flash モデルによる効率化の恩恵は非常に大きいです：

• Model：Type / Efficiency gain

GigaPath-Flash と GigaTIME-Flash：効率的な病理学基盤モデルによる大規模集団レベルの発見へ

GigaPath-Flash は、従来の GigaPath と比較して計算コストを約 50 分の 1 に抑えながら、予測性能は 97% を維持します。

GigaTIME-Flash も同様に、空間プロテオミクス解析において、処理速度が約 6 倍、メモリ使用量が約 8 分の 1 と大幅に改善され、さらに予測性能も向上しています。

単一のスライドであれば、これらの違いは実行時間や必要なハードウェアの削減につながります。しかし、数万枚のスライドを扱う大規模な実験においては、この効率性の差が「実験自体が可能かどうか」を分ける決定的要因となります。例えば、単一の NVIDIA A100 GPU を使用し、スライドあたり約 10,000 タイルを含むコホートで仮想 mIF（多重免疫蛍光）画像を生成する場合の所要時間を試算すると以下のようになります。

• モデル：1,000 スライド / 10 万スライド / 100 万スライド
• GigaTIME-Flash：~2 GPU 時間 / ~7 GPU 日 / ~70 GPU 日
• GigaTIME：~7 GPU 時間 / ~30 GPU 日 / ~300 GPU 日

※試算はスライドあたり約 10,000 タイル、バッチサイズ 128、単一 NVIDIA A100 GPU を想定しています。実際の処理時間はスライドの解像度やタイル分割の設定、使用するハードウェアによって変動します。

image図 4：GigaTIME の効率性スケーリング。左グラフはバッチサイズに対する処理速度（タイル/秒）、右グラフはバッチサイズに対するピーク GPU メモリ使用量（GB）を示しています。GigaTIME-Flash は、メモリ使用量を大幅に抑えながら、1 秒あたり 1,600 タイル以上のスケーラビリティを実現しています。

オープンモデルの公開

GigaPath-Flash と GigaTIME-Flash の両モデルは、Apache 2.0 ライセンスの下でオープンウェイトモデルとして公開されています。モデルの重みとコードは HuggingFace で利用可能です：

GigaPath-Flash (opens in new tab)

GigaTIME-Flash (opens in new tab)

GigaPath-Flash と GigaTIME-Flash：効率的な病理学基盤モデルによる大規模集団での発見へ

これは初期の研究リリースです。現在の評価は限られたベンチマークとコホートに限定されており、タスク、スキャナ、患者層全体におけるより広範な検証が必要です。これらのモデルが最も価値を発揮するのは、初期実験で扱った科学課題やコホート、ユースケースを超えた領域になると予想されます。コミュニティによる評価を歓迎しており、これらのモデルがどこで優れた成果を示し、どこで限界に直面するかという報告にも同等の関心を持っています。

臨床応用に向けた実装には、さらに多施設共同研究および前向きな検証が必要です。

動画シリーズ

もう一度考える（On Second Thought）

AI に関する皆の疑問に応えるために、Sinead Bovell と共に制作された動画シリーズです。Microsoft の各分野の専門家が登壇し、急速に変化するこの技術が抱える課題と可能性を解説します。何が進化し、何が実現可能なのかを探求しています。

シリーズを見る

（新しいタブで開きます）

発見を促す効率性

GigaPath と GigaTIME は、病理学基盤モデルが全スライドや腫瘍組織から何を学習できるかを示しました。GigaPath-Flash と GigaTIME-Flash は、これらの能力をより大規模な集団、より多くの実験、そして広範な研究コミュニティで活用可能にするための一歩です。

病理学の基盤モデルをより効率的にすることで、研究者が問いかける科学的問題の規模を拡大できることを目指しています。

謝辞

GigaPath-Flash と GigaTIME-Flash は、Microsoft Research、ワシントン大学、Providence による共同研究です。技術的な詳細については論文をご覧ください。

共著者：Naoto Usuyama, Jeya Maria Jose Valanarasu, Sicong Yao, Hanwen Xu, Jaspreet Bagga, Guanghui Qin, Robert E. Kramer, Cliff Wong, Soohee Lee, Hao Qiu, Theodore Zhengde Zhao, Racheli Ben Shimol, Angela Crabtree, Kevin Matlock, Eduardo Alejandro Lozano Garcia, Naiteek Sangani, Alberto Santamaria-Pang, Maximilian Rokuss, Yashna Hasija, Naisargi Manishkumar Patel, Jason Entenmann, Alexandra Q. Bartlett, Bill J. Wright, Bernard A. Fox, Brian Piening, Sheng Zhang, Sheng Wang, Tristan Naumann, Carlo Bifulco, Hoifung Poon

新しいタブで開く：この投稿「GigaPath-Flash and GigaTIME-Flash: Toward population-scale discovery with efficient pathology foundation models」は、Microsoft Research の記事として最初に公開されました。