GigaTIME：Microsoft 全新 AI 模型以 10 美元切片大規模分析腫瘤微環境
December 10, 2025
微軟已開源 GigaTIME，這是一套多模態 AI 模型，能夠從基礎的 10 美元病理切片產生高解析度的腫瘤微環境洞察——這類分析過去需專業且昂貴的實驗室檢測，費用高達數千美元並需數天處理。這標誌著癌症資訊學的轉捩點，例行臨床材料可運算擴增至具研究價值的生物學細節。
GigaTIME 如何運作
從 4,000 萬細胞級範例學習
為訓練這個模型，研究人員將基本的蘇木素－伊紅（H&E）組織切片，與 Providence Health 提供的先進免疫分析掃描資料配對。系統學習將視覺特徵映射到複雜的細胞與免疫行為，讓它能_推論_原本僅能透過昂貴實驗技術取得的資訊。
為大規模族群癌症分析而生
GigaTIME 已在龐大且多元的臨床資料集上測試：
- 14,000+ 名癌症病患
- 24 種癌症類型
- 30 萬張虛擬腫瘤微環境影像生成
- 發現 1,200+ 種免疫－腫瘤互動模式
這些「虛擬族群」使研究人員得以以往實驗分析無法達成的規模，檢視生物變異。
虛擬族群的關鍵發現
免疫活性揭示疾病發展軌跡
該模型辨識出 1,200 多種重複性微環境模式，揭露以下關聯：
- 腫瘤免疫組成
- 癌症分期
- 病患存活指標
- 潛在治療反應信號
以極低歷史成本獲得高保真洞察
藉由利用例行切片，GigaTIME 重建過往需依賴以下高成本技術的資訊：
- 空間轉錄組學
- 多重免疫組化染色
- 及其他昂貴、高技術門檻的影像模態
這極大降低了研究機構與醫院執行腫瘤生態系統細緻分析的門檻。
為什麼這很重要
加速癌症研究
GigaTIME 代表產出生物洞察方式的重大轉變：
- 成本更低：將 10 美元切片轉化為過去需花數千美元的分析
- 更快速：省去緩慢的實驗室步驟
- 可擴展性強：支持數十萬樣本的族群層級研究
啟動具影響力的臨床發現
運用 AI 驅動的虛擬族群，研究人員可以：
- 發現傳統分析遺漏的細微免疫模式
- 跨多種癌症類型探索新生物標誌
- 利用龐大且多元資料集驗證假說
最終，這些能力能將運算洞察更貼近真實臨床決策。
展望未來
隨著 GigaTIME 這類多模態 AI 模型持續發展，癌症生物學研究方式將被重新塑造——從小型、受限於檢測的資料集，遷移到由例行臨床材料組成的豐富虛擬生態。此舉推動高解析度腫瘤資料普及，也有望加速診斷、生物標誌發現與個人化腫瘤醫學的突破。