微软开源GigaPath-Flash 病理算力暴降50倍

时间：2026 年 8 月 31 日 地点：美国华盛顿州雷德蒙德（Microsoft Research 总部） 人物：Microsoft Research 团队（论文一作 Naoto Usuyama、Jeya Maria Jose Valanarasu、Sicong Yao、Hanwen Xu 等主导），联合 Providence Genomics、Providence Cancer Institute 与华盛顿大学等合作机构 事件详情：Microsoft Research 8 月 31 日正式开源病理基础模型系列 GigaPath-Flash 与 GigaTIME-Flash，采用 Apache 2.0 协议。GigaPath-Flash 采用 22M 参数 ViT-S 瓦片编码器 + 21M 参数 LongNet 滑片编码器，整体参数量压缩到原版 GigaPath 的约 1/50，计算量降低 50 倍，但仍保留 97% 的滑片级平均性能。GigaTIME-Flash 用同一蒸馏骨干替换原 CNN 主干，直接从常规 H&E 染色切片预测肿瘤免疫微环境（21 通道空间蛋白组），推理速度提升 6 倍，GPU 显存占用降至 1/8。两个模型均共享这一蒸馏骨干，并完整开源权重，与原版 GigaPath（Nature 2024）、GigaTIME（Cell 2026）形成覆盖"病理基础模型全家桶"的开源体系。 背景：医院每年产生数百万张全切片图像（WSI），单张常超过十亿像素，需将基础模型对每张切片的数千个瓦片反复运行。原版 GigaPath 与 GigaTIME 在计算开销上过高，难以支撑万人级队列的反复特征提取、亚组分析与假设检验，成为计算病理学走向"人口规模发现"的主要瓶颈。 影响：Flash 系列把病理基础模型的硬件门槛从 GPU 集群拉低到单卡，使研究人员可在更大患者队列上重复运行、跨数据集验证，并在免疫肿瘤学、生物标志物发现、精准医疗等场景快速迭代；Apache 2.0 协议允许商业使用，全球病理实验室、初创公司与药企可以零授权成本接入。微软同步释出模型卡，明确表示这两个模型为研究用途，未做临床验证，性能会因数据集、扫描仪、机构、人群而异。 总结：微软把病理 AI 从"亿参数巨兽"压缩到"轻量级、可重复研究"的范畴，并把权重、训练代码与许可证一次性放出，推动计算病理学从单中心演示走向大规模人群级研究，为下一代癌症诊疗 AI 提供了可负担的开源底座。 参考来源： 1. Microsoft Research 官方博客（GigaPath-Flash 与 GigaTIME-Flash 发布）：https://www.microsoft.com/en-us/research/blog/gigapath-flash-and-gigatime-flash-toward-population-scale-discovery-with-efficient-pathology-foundation-models/ 2. Microsoft Research 论文页（GigaPath-Flash 与 GigaTIME-Flash: Efficient Pathology Foundation Models for Whole-Slide and Tumor Microenvironment Analysis）：https://www.microsoft.com/en-us/research/?p=1180651 3. arXiv 论文页面（2607.18218）：https://arxiv.org/abs/2607.18218 4. ar5iv 论文全文（HTML 版 2607.18218）：https://ar5iv.labs.arxiv.org/html/2607.18218 5. arxiv-vanity 论文摘要（2607.18218）：https://arxiv-vanity.com/papers/2607.18218 6. SciFaro 论文摘要（2607.18218）：https://scifaro.com/en/abs/gigapath-flash-and-gigatime-flash-efficient-pathology-foundation-models-for-whole-slide-and-tumor-microenvironment-analysis-2607.18218 7. Pith Science 论文记录（2607.18218）：https://www.pith.science/p/2607.18218