Core Concepts
生物学的経路と組織学の密接な相互作用をモデル化することで、患者の生存予測を改善できる。
Abstract
本研究では、生物学的経路と組織学の密接な相互作用をモデル化することで、患者の生存予測を改善することを目的としている。
具体的には以下の2つの課題に取り組んでいる:
生物学的経路をどのように意味的に意味のある方法でトークン化するか
2つのモダリティ間の密接な相互作用をどのように捉えるか
まず、生物学的経路をトークン化する際に、既存の知識を活用し、特定の細胞機能を表すトークンを生成している。これにより、解釈可能性が高く、エンドツーエンドで学習可能なトークンを得ることができる。
次に、メモリ効率の高い多モーダルTransformerを用いて、生物学的経路トークンと組織学パッチトークン間の相互作用をモデル化している。これにより、パッチ間の相互作用を無視しつつ、経路間、経路-パッチ間の相互作用を捉えることができる。
提案手法であるSURVPATHは、TCGAのデータセットを用いた評価において、単一モーダルおよび多モーダルの既存手法を上回る生存予測性能を示した。また、多層の解釈可能性フレームワークにより、生物学的経路と組織学的特徴の関係性を明らかにできることを示した。
Stats
生物学的経路は331個のトークンで表現されている
組織学的パッチは平均14,509個/WSIで構成されている
合計2.86TBの生データ(32.4百万パッチ)を収集した
Quotes
"生物学的経路トークンは、特定の細胞機能を表す適切な基本的推論単位を構成する"
"メモリ効率の高い注意機構により、経路間、経路-パッチ間の相互作用をモデル化できる"