Microsoft ouvre GigaPath-Flash et divise le calcul par 50

Microsoft publie deux modèles le 1er octobre 2026 pour rendre l’analyse de pathologie plus efficace à grande échelle. GigaPath-Flash et GigaTIME-Flash prolongent les travaux de Microsoft Research, de l’Université de Washington et de Providence. Ces modèles ouverts ciblent la recherche sur les cancers, les biomarqueurs et les résultats cliniques. GigaPath-Flash analyse les lames complètes. GigaTIME-Flash prédit des cartes de protéomique spatiale depuis des images H&E. Les deux modèles sont proposés sous licence Apache 2.0. Ils sont conçus pour réduire les ressources nécessaires aux analyses répétées sur de larges cohortes de patients, sans revendiquer un usage clinique validé.

Les lames imposent des coûts importants aux équipes de recherche. Une image histologique complète dépasse souvent un gigapixel et nécessite le traitement de milliers de tuiles. Une étude portant sur des dizaines de milliers de patients multiplie ensuite les extractions de caractéristiques, analyses statistiques, tests d’hypothèses et validations par sous-groupes. GigaPath, publié dans Nature en 2024, apprenait déjà des représentations de lames entières à partir de données réelles de Providence. GigaTIME, publié dans Cell en 2026, a été entraîné sur 40 millions de cellules et des données H&E associées à l’immunofluorescence multiplexée. Il a produit plus de 1 200 associations statistiquement significatives sur 14 000 patients atteints de cancer.

GigaPath-Flash réduit le calcul

Le modèle compact GigaPath-Flash combine un encodeur ViT-S de 22 millions de paramètres et un encodeur de lames LongNet de 21 millions de paramètres. L’encodeur ViT-S a été distillé depuis l’encodeur ViT-g de GigaPath, qui compte environ un milliard de paramètres. Son encodeur de lames contextualise les représentations de toutes les tuiles grâce à une attention dilatée. Sur les benchmarks PANDA pour le cancer de la prostate et EBRAINS pour les tumeurs cérébrales, GigaPath-Flash affiche le coût d’inférence le plus bas parmi les modèles préentraînés évalués. Il obtient des performances situées à moins de 3 % de GigaPath, avec environ 50 fois moins de calcul.

GigaTIME-Flash accélère la prédiction de protéomique spatiale depuis des images H&E. Le modèle remplace le socle convolutif de GigaTIME par l’encodeur ViT-S de GigaPath-Flash et utilise un décodeur convolutionnel léger. Son entraînement s’appuie sur des adaptateurs LoRA, tandis que les poids de l’encodeur préentraîné restent largement gelés. Sur des cohortes de cancers du cerveau, du sein, du côlon et du poumon, le modèle égale ou améliore GigaTIME. Ces résultats couvrent des données similaires à celles de l’entraînement et des cohortes externes. Microsoft indique environ six fois moins de temps de calcul et huit fois moins de mémoire.

Les cohortes changent d’échelle

Les estimations GPU illustrent l’écart entre les deux modèles. Pour 1 000 lames, GigaTIME-Flash demande environ deux heures sur un GPU NVIDIA A100, contre sept heures pour GigaTIME. Pour 100 000 lames, les estimations atteignent sept jours contre 30 jours. Pour un million de lames, elles atteignent 70 jours contre 300 jours. Ces calculs supposent environ 10 000 tuiles par lame, une taille de lot de 128 et un seul A100. Le débit de GigaTIME-Flash dépasse 1 600 tuiles par seconde dans les mesures présentées. Le temps réel dépend toutefois de la taille des lames, de la résolution et du matériel.

Les modèles restent expérimentaux et ne sont pas destinés au diagnostic, au pronostic, au choix d’un traitement ou à une décision de soins. Les performances peuvent varier selon les jeux de données, les scanners, les établissements, les populations et les usages. Microsoft décrit une évaluation initiale sur un nombre limité de benchmarks et de cohortes. Une validation plus large est encore nécessaire pour les tâches, scanners et populations supplémentaires. Les applications cliniques nécessiteront des validations prospectives et multi-institutionnelles. Les poids et le code sont disponibles sur Hugging Face pour GigaPath-Flash et GigaTIME-Flash. Les détails techniques figurent dans l’article consacré aux modèles.