{"id":1425,"date":"2026-08-31T21:03:40","date_gmt":"2026-08-31T18:03:40","guid":{"rendered":"https:\/\/www.tayfnews.tech\/pt\/?p=1425"},"modified":"2026-08-31T21:03:40","modified_gmt":"2026-08-31T18:03:40","slug":"microsoft-research-revela-modelos-gigapath-flash","status":"publish","type":"post","link":"https:\/\/www.tayfnews.tech\/pt\/health-medicine\/microsoft-research-revela-modelos-gigapath-flash\/","title":{"rendered":"Microsoft Research revela modelos GigaPath-Flash"},"content":{"rendered":"<p>A Microsoft Research apresentou o <strong>GigaPath-Flash<\/strong> e o <strong>GigaTIME-Flash<\/strong>, dois <strong>modelos base de patologia<\/strong> avan\u00e7ados projetados para reduzir drasticamente os requisitos de recursos computacionais, preservando m\u00e9tricas de desempenho de alto n\u00edvel. Na biologia computacional moderna, os modelos de aprendizado profundo que analisam imagens de tecidos em l\u00e2minas inteiras historicamente exigiram imenso poder de processamento e mem\u00f3ria. Ao reduzir essas pesadas barreiras computacionais, as novas variantes flash abrem caminho para estudos m\u00e9dicos amplos em escala populacional e pesquisas explorat\u00f3rias muito mais abrangentes na patologia digital.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_87 counter-hierarchy ez-toc-counter ez-toc-transparent ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">\u00cdndice<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.tayfnews.tech\/pt\/health-medicine\/microsoft-research-revela-modelos-gigapath-flash\/#Superando_os_gargalos_computacionais_na_patologia_digital\" >Superando os gargalos computacionais na patologia digital<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.tayfnews.tech\/pt\/health-medicine\/microsoft-research-revela-modelos-gigapath-flash\/#Principais_vantagens_arquitetonicas\" >Principais vantagens arquitet\u00f4nicas<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.tayfnews.tech\/pt\/health-medicine\/microsoft-research-revela-modelos-gigapath-flash\/#Possibilitando_descobertas_em_escala_populacional\" >Possibilitando descobertas em escala populacional<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Superando_os_gargalos_computacionais_na_patologia_digital\"><\/span>Superando os gargalos computacionais na patologia digital<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Os modelos base de patologia servem como a intelig\u00eancia subjacente para a an\u00e1lise automatizada de tecidos, ajudando os pesquisadores a identificar marcadores sutis de doen\u00e7as, compreender microambientes e prever resultados cl\u00ednicos. No entanto, o tamanho descomunal das l\u00e2minas de patologia digital de alta resolu\u00e7\u00e3o \u2014 muitas vezes gigabytes por amostra \u00fanica \u2014 torna o treinamento e a implanta\u00e7\u00e3o dessas arquiteturas intensivos em recursos. O GigaPath-Flash e o GigaTIME-Flash visam diretamente esse gargalo de infraestrutura, demonstrando que estruturas avan\u00e7adas de aprendizado de m\u00e1quina podem atingir capacidades anal\u00edticas robustas com muito menos sobrecarga computacional.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Principais_vantagens_arquitetonicas\"><\/span>Principais vantagens arquitet\u00f4nicas<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<ul>\n<li><strong>Demandas computacionais reduzidas:<\/strong> Ambos os modelos reduzem os requisitos de recursos de processamento em compara\u00e7\u00e3o com arquiteturas tradicionais mais pesadas.<\/li>\n<li><strong>Desempenho mantido:<\/strong> O forte desempenho preditivo e anal\u00edtico \u00e9 preservado apesar dos ganhos de efici\u00eancia.<\/li>\n<li><strong>Potencial em escala populacional:<\/strong> A efici\u00eancia otimizada abre caminhos para explora\u00e7\u00f5es epidemiol\u00f3gicas e cl\u00ednicas em grande escala.<\/li>\n<li><strong>Ampla explora\u00e7\u00e3o:<\/strong> Os pesquisadores podem ampliar o tamanho das coortes sem escalar proporcionalmente os or\u00e7amentos de hardware.<\/li>\n<\/ul>\n<h2><span class=\"ez-toc-section\" id=\"Possibilitando_descobertas_em_escala_populacional\"><\/span>Possibilitando descobertas em escala populacional<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ao otimizar o fluxo de trabalho computacional, o GigaPath-Flash e o GigaTIME-Flash permitem que institui\u00e7\u00f5es de pesquisa e organiza\u00e7\u00f5es de sa\u00fade dimensionem seus processos de tratamento de dados com efici\u00eancia. Analisar milhares ou centenas de milhares de imagens de l\u00e2minas inteiras exige modelos que possam executar infer\u00eancias de forma r\u00e1pida e econ\u00f4mica. Essas itera\u00e7\u00f5es eficientes eliminam os principais pontos de atrito operacional, transformando os limites do que as iniciativas de patologia computacional em larga escala podem alcan\u00e7ar em ambientes de pesquisa.<\/p>\n<p><em>Fonte: <a href=\"https:\/\/www.microsoft.com\/en-us\/research\/blog\/gigapath-flash-and-gigatime-flash-toward-population-scale-discovery-with-efficient-pathology-foundation-models\/\" target=\"_blank\" rel=\"noopener noreferrer\">Artigo original<\/a><\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Conhe\u00e7a o GigaPath-Flash e o GigaTIME-Flash, novos modelos de patologia da Microsoft Research voltados para descobertas m\u00e9dicas em larga escala.<\/p>\n","protected":false},"author":1,"featured_media":1424,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"googlesitekit_rrm_CAowrrDMDA:productID":"","tayfnews_source_url":"","footnotes":"","rank_math_focus_keyword":"Modelos GigaPath-Flash, modelos base de patologia, Microsoft Research, Patologia Digital, Pesquisa M\u00e9dica, Cuidados de Sa\u00fade","rank_math_title":"Microsoft Research revela modelos GigaPath-Flash","rank_math_description":"Conhe\u00e7a o GigaPath-Flash e o GigaTIME-Flash, novos modelos de patologia da Microsoft Research voltados para descobertas m\u00e9dicas em larga escala."},"categories":[10],"tags":[],"class_list":["post-1425","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-health-medicine"],"_links":{"self":[{"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/posts\/1425","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/comments?post=1425"}],"version-history":[{"count":1,"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/posts\/1425\/revisions"}],"predecessor-version":[{"id":1426,"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/posts\/1425\/revisions\/1426"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/media\/1424"}],"wp:attachment":[{"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/media?parent=1425"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/categories?post=1425"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.tayfnews.tech\/pt\/wp-json\/wp\/v2\/tags?post=1425"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}