A deep learning framework for efficient pathology image analysis

要約

人工知能（AI）は、高解像度全体のスライド画像（WSI）からバイオマーカー予測を可能にすることにより、デジタル病理学を変換しました。
ただし、現在の方法は計算的に非効率的であり、WSIあたりの数千の冗長タイルを処理し、複雑なアグリゲーターモデルを必要とします。
有益な地域を選択的に分析することで病理学者をエミュレートする深い学習フレームワークであるEagle（Guided Local Examinationの効率的なアプローチ）を紹介します。
Eagleには、効率的なタイル選択のチーフと高品質の機能を抽出するためのVirchow2の2つの基礎モデルが組み込まれています。
ベンチマークは、形態、バイオマーカーの予測、予後にまたがる4つのがんタイプの31のタスクにわたる主要なスライドおよびタイルレベルの基礎モデルに対して実施されました。
イーグルは、最先端の基礎モデルを最大23％上回り、全体的に最高のAurocを達成しました。
2.27秒でスライドを処理し、既存のモデルと比較して計算時間を99％以上削減しました。
この効率により、リアルタイムのワークフローが可能になり、病理学者が分析中にモデルが使用するすべてのタイルを検証し、高性能コンピューティングへの依存を排除​​し、AIを駆動する病理をよりアクセスしやすくします。
有意義な地域を確実に識別し、アーティファクトを最小化することにより、Eagleは堅牢で解釈可能な出力を提供し、迅速なスライド検索、マルチオミクスパイプラインへの統合、および新たな臨床基盤モデルをサポートします。

要約(オリジナル)

Artificial intelligence (AI) has transformed digital pathology by enabling biomarker prediction from high-resolution whole slide images (WSIs). However, current methods are computationally inefficient, processing thousands of redundant tiles per WSI and requiring complex aggregator models. We introduce EAGLE (Efficient Approach for Guided Local Examination), a deep learning framework that emulates pathologists by selectively analyzing informative regions. EAGLE incorporates two foundation models: CHIEF for efficient tile selection and Virchow2 for extracting high-quality features. Benchmarking was conducted against leading slide- and tile-level foundation models across 31 tasks from four cancer types, spanning morphology, biomarker prediction and prognosis. EAGLE outperformed state-of-the-art foundation models by up to 23% and achieved the highest AUROC overall. It processed a slide in 2.27 seconds, reducing computational time by more than 99% compared to existing models. This efficiency enables real-time workflows, allows pathologists to validate all tiles which are used by the model during analysis, and eliminates dependence on high-performance computing, making AI-powered pathology more accessible. By reliably identifying meaningful regions and minimizing artifacts, EAGLE provides robust and interpretable outputs, supporting rapid slide searches, integration into multi-omics pipelines and emerging clinical foundation models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google