9月1日、Microsoft Research（Naoto Usuyamaら）が「Making pathology foundation models practical at scale」と題した記事を公開した。病理学基盤モデルを大規模コホート研究に実用的なレベルで適用するための軽量・高効率モデル群「GigaPath-Flash」と「GigaTIME-Flash」を紹介するもので、元モデル比約50分の1の計算量で97%の性能を維持するという結果が報告されている。
病理基盤モデルの「実験スケール」問題
がん研究における組織病理学は、毎年数百万枚の全スライド画像（WSI: Whole-Slide Image）を生成する。WSI1枚はギガピクセル級のサイズを持つため、基盤モデルで処理するには数千枚のタイル（パッチ）に分割して推論する必要がある。これを数万人規模のコホートに繰り返し適用するとなると、計算コストは急速に膨れ上がる。
前身となるGigaPath（Nature, 2024）はWSI全体のコンテキストを学習する基盤モデルとして発表された。GigaTIME（Cell, 2026）は、H&E（ヘマトキシリン・エオジン）染色画像と多重免疫蛍光（mIF）染色画像のペアデータ4,000万細胞分で訓練し、H&E画像から21チャンネルの仮想空間プロテオミクスマップを生成するモデルだ。ここでH&Eとは組織切片の標準的な染色法、mIFとは複数のタンパク質マーカーを同時に可視化する蛍光染色法を指す。GigaTIMEはH&E画像だけから多数のタンパク質発現分布を推定できる点で注目を集めたが、両モデルとも計算コストの高さが実用上の障壁となっていた。
GigaPath-FlashとGigaTIME-Flashは、その障壁を取り除くことを狙った研究モデルである。なお、両モデルは研究用途向けであり、診断・予後・治療選択などの臨床用途への適用は検証されていない。
コアの設計：10億パラメータモデルから22Mパラメータへの蒸留
両Flashモデルに共通するのが、元のGigaPath ViT-g（約10億パラメータ）からViT-S（約22Mパラメータ）への知識蒸留で得たタイルエンコーダだ。1桁以上コンパクトになりながら、元モデルの表現能力を引き継いでいる。
GigaPath-Flash
- タイルエンコーダ：22Mパラメータ（ViT-S）
- スライドエンコーダ：21Mパラメータ（LongNet、Dilated Attentionによりタイル数に対してリニアにスケール）
- 前立腺がんグレーディング（PANDA）や脳腫瘍サブタイピング（EBRAINS）のスライドレベル分類ベンチマークで、元GigaPathの約50分の1の計算量で精度を97%維持（3%以内の差）
- WSI全体を事前学習したモデルの中で最低の推論コストを達成
Figure 2: 効率と性能のトレードオフ。GigaPath-Flash（赤、左上）は他のWSI事前学習モデルと比べて大幅に低いコストで競争力ある性能を示す
GigaTIME-Flash
GigaTIME-FlashはオリジナルのGigaTIMEが持っていたCNNバックボーンを、GigaPath-FlashのViT-Sエンコーダに置き換え、軽量な畳み込みデコーダと組み合わせてH&E→mIF変換を行う。ファインチューニングにはLoRAアダプタを使用し、事前学習済みエンコーダの重みをほぼ凍結した状態で学習している。
脳・乳房・大腸・肺がんにまたがる分布外（OOD）コホートでも、オリジナルGigaTIMEと同等以上の予測精度を達成。分布外データでの改善が特に顕著で、ViT-Sバックボーンが未知の組織タイプへの汎化を向上させている可能性を示唆している。
数字で見る効率化の実際
| モデル | 種別 | 効率化の規模 |
|---|---|---|
| GigaPath-Flash | WSI基盤モデル | 約50倍少ない計算量、元モデル比97%の性能 |
| GigaTIME-Flash | 空間プロテオミクス生成 | 約6倍高速、約8倍少ないメモリ、精度は向上 |
以下は元記事に記載されたスループット・メモリ効率の数値をもとに、スライドあたり約10,000タイル・A100 GPU 1基を前提として編集部が試算したスケール別のGPU所要時間の推定値だ（※編集部の考察）。
| モデル | 1,000スライド | 10万スライド | 100万スライド |
|---|---|---|---|
| GigaTIME-Flash | 約2 GPU時間 | 約7 GPU日 | 約70 GPU日 |
| GigaTIME | 約7 GPU時間 | 約30 GPU日 | 約300 GPU日 |
1枚のスライドなら数時間の差だが、10万スライドになると23 GPU日分の差になる。「実験ができるかどうか」を左右するレベルの差だ。
元記事によれば、スループットはバッチサイズ増加に伴い1,600タイル/秒超に達し、GPUメモリ消費量はオリジナルの一部に抑えられている。
オープンリリース
両モデルはともにApache 2.0ライセンスでモデル重みとコードを公開している。
Microsoft Research、ワシントン大学、Providenceの共同研究であり、現時点では限られたベンチマークとコホートでの評価にとどまっている。より広範なタスク・スキャナ・患者集団にわたる検証が今後の課題とされており、研究コミュニティからのフィードバックを求めている。
詳細はMaking pathology foundation models practical at scaleを参照していただきたい。
