Модели ИИ для анализа патологии в масштабах популяции

Семейство foundation models для патологии (базовых моделей, обученных на больших массивах данных из гистологии) развивается с 2024 года. Тогда Microsoft Research выпустила GigaPath, модель для анализа целых слайдов тканей, обученную на реальных данных сети клиник Providence и опубликованную в Nature. В 2026 году вышла GigaTIME (публикация в Cell), которая переводит рутинные снимки тканей в виртуальные карты белков по 21 каналу. Новые Flash-версии обеих моделей решают главную практическую проблему: вычислительную стоимость, которая до сих пор не давала применять эти инструменты к популяциям из десятков тысяч пациентов.

Что именно измеряли?

Гистопатология, это когда патологоанатом рассматривает тончайший срез ткани под микроскопом. Каждая биопсия превращается в цифровой снимок целого слайда, и такой снимок может содержать более гигапикселя, это примерно как фотография, на которой видна каждая клетка по отдельности.

Больницы создают миллионы таких снимков ежегодно. В них зашита информация о диагнозе, прогнозе, выборе лечения и биологии опухоли. Но чтобы модель «прочитала» один снимок, ей нужно обработать тысячи фрагментов (тайлов). Когда исследование охватывает десятки тысяч пациентов, вычислительные расходы растут лавинообразно.

Популяционное исследование, это не один прогон модели. Это повторяющиеся циклы: извлечение признаков, статистический анализ, проверка гипотез, валидация по подгруппам пациентов и биомаркерам. Microsoft Research измеряла, можно ли радикально сократить стоимость каждого такого цикла, не теряя качество предсказаний.

Что удалось обнаружить?

• Дистилляция работает без потерь качества. Тайловый энкодер (компонент, который «читает» каждый фрагмент снимка) сжат с миллиарда параметров до 22 миллионов. На бенчмарках по классификации рака простаты (PANDA) и подтипов опухолей мозга (EBRAINS) Flash-версия показала результат в пределах 3% от оригинала.
• Вычисления сократились примерно в 50 раз. Слайдовый энкодер масштабируется линейно благодаря механизму разрежённого внимания (dilated attention, когда модель «смотрит» на фрагменты через интервалы, а не на все сразу), что критично при обработке тысяч тайлов в одном слайде.
• Виртуальная протеомика стала точнее на незнакомых данных. GigaTIME-Flash, которая переводит обычные снимки окрашенных тканей (H&E) в виртуальные карты белков, на данных по типам рака, которых не было в обучении (мозг, молочная железа, толстая кишка, лёгкие), показала качество на уровне оригинала или лучше. Исследователи связывают это с тем, что фундаментальная модель улучшает обобщение на новые виды тканей.
• Открытые веса (open weights, когда параметры модели опубликованы и каждый может их скачать) и лицензия Apache 2.0 позволяют использовать модели без ограничений, включая коммерческое применение.

Что это меняет для исследователей и практиков?

Патологоанатомам и исследователям в российских клиниках. Foundation models для патологии до сих пор требовали серверов с дорогими GPU уровня A100. Flash-модели с 22 миллионами параметров потенциально запускаются на оборудовании, которое уже есть в крупных медицинских центрах. Открытая лицензия снимает юридический барьер, и архивы тысяч гистологических снимков, которые лежат мёртвым грузом, можно начать обрабатывать.

Авторам, пишущим о медицине и ИИ. Тема «ИИ в патологии» выходит из стадии лабораторных прототипов: foundation models для патологии теперь доступны бесплатно, со снижением вычислительных затрат на порядок. Это готовый материал для объяснения аудитории, что дистилляция (сжатие большой модели в маленькую с сохранением знаний) делает с реальной наукой.

Маркетологам в медтехе. Модели с открытыми весами создают новую категорию продуктов: платформы для популяционного анализа на базе бесплатных моделей. Кто первый упакует это в сервис для онкоцентров, тот займёт нишу.

Главное ограничение остаётся прозаичным: модели обучены на данных американских клиник, и прежде чем делать выводы на российских когортах, потребуется независимая валидация на локальных данных. Но порог входа для такой валидации только что упал на порядок, и это меняет не теорию, а расчёт бюджета.

По данным Microsoft Research