GigaTIME: מודל AI רב-מודלי שיוצר אוכלוסייה וירטואלית למודלינג סביבת גידול

בעידן הרפואה המדויקת, שבו הבנת האינטראקציה בין גידולים למערכת החיסון היא המפתח להצלחה באימונותרפיה, טכנולוגיות כמו אימונופלואורסצנציה רב-ערוצית (mIF) חיוניות. אולם, עלויות גבוהות ומגבלות מדרגיות מעכבות התקדמות. כעת, מאמר שפורסם בכתב העת Cell ב-9 בדצמבר מציג את GigaTIME – מודל AI רב-מודלי שמתרגם שקופיות פתולוגיה סטנדרטיות של המטוקסילין ואאוזין (H&E) לתמונות mIF וירטואליות. המודל, שפותח בשיתוף עם פרובידנס ואוניברסיטת וושינגטון, מאומן על 40 מיליון תאים עם נתונים זוגיים של H&E ו-mIF מ-21 ערוצי חלבונים. GigaTIME הוחל על 14,256 חולי סרטן מ-51 בתי חולים ומעל אלף מרפאות במערכת פרובידנס. התוצאה: אוכלוסייה וירטואלית של כ-300,000 תמונות mIF, המכסות 24 סוגי סרטן ו-306 תתי-סוגים. ניתוח האוכלוסייה הזו חשף 1,234 קשרים סטטיסטיים משמעותיים בין הפעלות חלבונים ב-mIF לתכונות קליניות מרכזיות כמו ביומרקרים, שלבי מחלה והישרדות חולים. אימות חיצוני עצמאי על 10,200 חולים ממאגר TCGA אישר את הממצאים. לפי החוקרים, זוהי המחקר הראשון בקנה מידה אוכלוסייה של סביבת הגידול החיסונית (TIME) המבוסס על פרוטאומיקה מרחבית. בעבר, מחקרים כאלה היו בלתי אפשריים עקב מחסור בנתוני mIF. GigaTIME פותח מסגרת מחקרית חדשה על ידי תרגום שקופיות H&E זמינות בעלות נמוכה (5-10 דולר לתמונה) לנתונים מרחביים ברזולוציה גבוהה, ומאפשר ניתוח TIME בקנה מידה גדול. המודל משלב ידע מקודם כמו GigaPath, מודל היסוד הראשון לפתולוגיה דיגיטלית בגודל גיגה-פיקסל. בעוד GigaPath חזה ביומרקרים ממוצעים, GigaTIME מתקדם ומנבא מצבים תאיים מרחביים בודדים, חיוניים למודלינג TIME. בדיקות הראו עליונות על שיטות קודמות כמו CycleGAN בדיוק (מבחן Dice וקורלציה פירסון). האוכלוסייה הווירטואלית חשפה קשרים חדשים בין מצבי תאים חיסוניים (כמו CD138, CD20, CD4) לביומרקרים כמו עומס מוטציות גידול (TMB), KRAS ו-KMT2D – מקשרים פאן-סרטן ועד תתי-סוגים. חלק מהממצאים תומכים בספרות קיימת, כמו קשר בין MSI גבוה ל-CD138, ואחרים חדשים לחלוטין. בנוסף, חתימות GigaTIME אפשרו שכבת חולים יעילה יותר לפי שלבים והישרדות, טובות מערוצים בודדים. המודל חשף אינטראקציות מרחביות ולא-ליניאריות בין ערוצי חלבונים, כולל מדדים כמו אנטרופיה וחדות, וקשרים משולבים (כמו CD138/CD68). אימות TCGA הראה התאמה גבוהה (קורלציית ספירמן 0.88) וחפיפה משמעותית בקשרים. קרלו ביפולקו, מנהל רפואי בפרובידנס, מציין: "GigaTIME פותח תובנות שהיו מחוץ להישג יד". GigaTIME זמין לציבור ב-Microsoft Foundry Labs וב-Hugging Face, ומזמין חוקרים להאיץ גילויים באונקולוגיה מדויקת. עבור מנהלי עסקים בישראל בתחום הרפואה והביוטק, זה אומר הזדמנות לשלב AI רב-מודלי בפיתוח תרופות וטיפולים מותאמים אישית. כיצד תנצלו את הכלי הזה?