Gesundheitswesen und Biowissenschaften

Fortschritte in der Krebsforschung mit NVIDIA AI Enterprise

Ziel

Die Forscher des Netherlands Cancer Institute (NKI) suchten nach einer Möglichkeit, die Strahlentherapie an die aktuelle Anatomie anzupassen, um eine präzise Tumoransteuerung und eine bessere Behandlungsplanung zu realisieren.

Kunde

Das Netherlands Cancer Institute

Anwendungsfall

Tools und Techniken für beschleunigtes Computing

Produkte

NVIDIA AI Enterprise
VMware vSphere

NVIDIA AI Enterprise könnte Ärzten die Möglichkeit geben, Tumore mit weniger Strahlung effektiver zu behandeln.

Das Netherlands Cancer Institute (NKI) ist seit 1913 an der Spitze der Krebsforschung und -behandlung. Das aus einem international anerkannten Forschungszentrum und einer dazugehörigen Krebsklinik bestehende NKI setzt innovative Ideen zum Wohle der Patienten in die Tat um.

Vor kurzem begann NKI mit Forschungsarbeiten, um herauszufinden, ob trainierte KI-Modelle, die auf virtualisierten Mainstream-Servern ausgeführt werden, die erforderliche Leistung zur präziseren Tumoransteuerung und zur reduzierten Strahlenexposition mit der CBCT (Cone-Beam Computed Tomography) liefern könnten. Die auf der Softwaresuite von NVIDIA AI Enterprise basierende Lösung verspricht eine wirksamere Krebsbehandlung für mehr Menschen.

Angesichts der Fortschritte in der medizinischen Bildgebung steigt auch der Bedarf an besseren Rechen-, Bandbreiten- und Datenspeicherfunktionen. Dies gilt insbesondere für die Behandlung von Krebs, bei der die Bildgebung des Körpers mit CBCT für die genaue Planung gezielter Strahlentherapien wichtig ist.

Im Gegensatz zu hochwertigeren Computertomographien werden bei der CBCT eine Röntgenröhre und ein großer Flachbilddetektor verwendet, der um den Patienten rotiert und die Daten mit einem kegelförmigen Röntgenstrahl erfasst, anstatt als „Scheiben“, die bei CT-Scannern normalerweise üblich sind. Die von diesen Systemen gewonnen Daten werden zur Rekonstruktion von 3D-Bildern für eine Vielzahl von Fachgebieten verwendet, darunter Brustkorb, Zähne, Mundhöhle/Oberkiefer und Gesicht (Mund, Kiefer und Hals) sowie Hals, Nase und Ohren (HNO). CBCT ist in der Strahlentherapie unerlässlich. Ein täglicher CBCT-Scan kann verwendet werden, um den Behandlungsplan an die aktuelle Anatomie des Patienten anzupassen, die sich aufgrund von Gewichtsverlust oder einer großen Mahlzeit vor der Behandlung ändern kann.

Je präziser die CBCT-Bilder sind, desto einfacher ist es für Kliniker, kleinere Tumore während der Strahlentherapie zu lokalisieren und gezieltere Behandlungen durchzuführen. Eine präzise CBCT-Rekonstruktion würde die Behandlungsplanung vereinfachen und möglicherweise die Notwendigkeit eines speziell geplanten CT-Scans reduzieren.

CBCT-Bilder werden von einem Rekonstruktionsalgorithmus aus den vom Scanner erfassten Projektionsdaten verarbeitet. Die Rekonstruktion von CBCT-Bildern ist jedoch anspruchsvoller als die Rekonstruktion von CT-Bildern und die durch klassische Rekonstruktionsmethoden erhaltene Bildqualität ist schlecht.

Rekonstruktionsmethoden mithilfe von Deep Learning haben in der medizinischen Bildgebung in letzter Zeit viel Aufmerksamkeit erhalten für Bildgebungsmodalitäten wie CT und MRT, doch die Anwendungsmöglichkeiten für CBCT sind weiterhin sehr begrenzt. Das Modelltraining zur Rekonstruktion von 3D-Volumes direkt aus den Projektionsdaten mit klinisch relevanter Auflösung und Projektionsanzahl ist eine datenspeicherintensive Aufgabe, da ein einzelnes CBCT-Volume mit einer Auflösung von 1 mm unter Berücksichtigung der Gradienteninformationen bereits 1 GB Speicherplatz beanspruchen würde.

Netherlands Cancer Institute

Warum NVIDIA AI Enterprise mit VMware vSphere?

NKI nutzte eine leistungsstarke Lösung, die von NVIDIA in Zusammenarbeit mit VMware entwickelt wurde, um KI-Workloads auf gängigen 1U/2U-Servern in einer virtualisierten Rechenzentrumsumgebung bereitzustellen und zu verwalten, ohne die Leistung zu beeinträchtigen.

NKI-Forscher erhielten Zugriff auf erstklassige KI-Software – die NVIDIA AI Enterprise Suite –, die für die branchenweit führende Virtualisierungsplattform VMware vSphere zertifiziert ist. Die Lösung wurde konzipiert, um eine nahezu Bare-Metal-Leistung für KI-Training und -Inferenz zu erzielen. Sie ermöglicht größeres und komplexeres KI-Trainings und Datenanalysen mit neuen Scale-Out-Funktionen.

Dank der Lösung ist eine hohe Verfügbarkeit für KI-Workloads möglich und die Wartung der Infrastruktur wie Konsolidierung, Erweiterung und Upgrades wird vereinfacht. VMware vSphere transformiert Bare-Metal-Server (einschließlich CPU- und GPU-basierter Ressourcen) in zentral verwaltete Infrastrukturpools für KI und maschinelles Lernen, die virtuelle Maschinen (VMs) und Container schnell bereitstellen können, auf die bei Bedarf von überall aus zugegriffen werden kann.

VMware vSphere erhöht Verfügbarkeit und Sicherheit, optimiert die Wartung und reduziert Kosten, um eine agile, effiziente, belastbare und sichere Infrastrukturplattform zu schaffen, die bestehende Workloads und Anwendungen der nächsten Generation unterstützt.

Das NKI-Forschungsteam entwickelte zwei verschiedene KI-Modelle, um die Vorteile einer Aktualisierung der Infrastruktur auf die neueste GPU-Architektur, Ampere, zu evaluieren. Ein Modell wurde mit acht NVIDIA RTX™ 8000 Grafikkarten auf der Grundlage der vorherigen Generation der NVIDIA Turing™ Architektur und Grafikkarten in einer Bare-Metal-Umgebung trainiert. Das andere wurde mit zwei NVIDIA A100 (80 GB) Grafikkarten auf der Grundlage der neueren NVIDIA Ampere GPU-Architektur und Grafikkarten in einer virtualisierten Umgebung mit NVIDIA AI Enterprise trainiert.

Netherlands Cancer Institute

Zusammenfassung

  • Die NVIDIA AI Enterprise Software und die NVIDIA A100 GPUs wurden für einen CBCT-Scan (Cone-Beam Computing Tomography) in einer VMware vSphere-Umgebung eingesetzt.
  • Diagnosebilder konnten in nur 60 Sekunden bei einer Auflösung von 2 mm und in nur fünf Minuten bei einer Auflösung von 1 mm gerendert werden.
  • Die KI-Modelle wurden für die Rekonstruktion von 3D-Volumes direkt aus den Projektionsdaten trainiert und die durch Photonenrauschen verursachten Artefakte entfernt.
  • Die Forscher hoffen, dass die Technik eines Tages eine hochauflösende 4D-CBCT-Rekonstruktion zulassen wird, die eine genaue Verfolgung von Tumoren ermöglicht, während diese sich bei Atemzyklen bewegen.
  • Eine schnellere und robustere Rechenleistung führt zu einer präziseren und effizienteren Strahlenbehandlung für Patienten mit Krebs.
  • Aus IT-Sicht erleichtert die NVIDIA AI Enterprise Plattform die Isolierung und Verwaltung großer KI-Workloads in großem Umfang und vereinfacht gleichzeitig die Infrastrukturwartung im Hinblick auf Konsolidierung, Erweiterung und Upgrades.

Hardware

  • Server: Dell R740
  • GPU: NVIDIA A100 80 GB

Was bedeutet das für die Patienten?

Die NKI-Forscher konnten mit acht lokal verfügbaren NVIDIA RTX 8000 Grafikkarten ein Modell mit niedriger Auflösung trainieren, das die CBCT-Rekonstruktion mit einer klinisch akzeptablen isotropen Auflösung von 2 mm ermöglichte. Diese Auflösung ist für die Strahlentherapie betreffende Zwecke ausreichend, jedoch hinter der 1-mm-Auflösung eines dedizierten CT-Scans.

Durch die Aufstockung auf zwei NVIDIA A100 (80 GB) Grafikkarten konnte das Forschungsteam das Modell mit niedriger Auflösung präziser anpassen und vollständige Diagnosebilder mit einer Auflösung von 1 mm rekonstruieren. Das Modell mit hoher Auflösung wurde von der Version mit niedriger Auflösung initialisiert und die Feinabstimmung dauerte etwa einen Monat.

Die Inferenzgeschwindigkeit bei einer Auflösung von 1 mm konnte durch den Wechsel auf eine A100 ebenfalls deutlich verbessert werden: Die Rekonstruktion eines vollständigen Volumes bei einer Auflösung von 1 mm dauerte mit einer einzigen GPU nur fünf Minuten, im Gegensatz zu den 14 Minuten auf dem Bare-Metal-System mit der RTX 8000.

Dadurch, dass mit einem CBCT-Scan eine native Auflösung in nahezu Echtzeit erzielt werden kann, ist es möglich, den Patienten bei einem Terminbesuch besser auf sie abgestimmte Behandlungen anzubieten, die auf ihrer aktuellen Anatomie basieren.

Mit besseren Bildern steigt die Wahrscheinlichkeit, dass kleinere Tumore am Tag der Behandlung zuverlässig lokalisiert werden können. Dabei wird die Verschiebung von Läsionen aufgrund von Gewichtsschwankungen oder kürzlicher Nahrungsaufnahme berücksichtigt und die vorgeschriebene Strahlendosis kann präziser verabreicht werden. In Zukunft könnte es möglich sein, die Behandlungsgenauigkeit noch weiter zu erhöhen, indem die durch Körperbewegungen während der Atemzyklen verursachte Bewegung des Tumors besser nachverfolgt werden kann.

„Mit KI-Modellen und Hardware von vor zwei oder drei Jahren müssten wir die Auflösung reduzieren, um Speicher für das Training freizugeben. Dank der Leistung aktueller GPUs können wir jetzt durchgängige Systeme entwickeln, die hochauflösende Volumes direkt aus den Projektionsdaten rekonstruieren. “

Nikita Moriakov
Post Doctoral Researcher, NKI

Netherlands Cancer Institute

Vorteile für Kliniker

Vorteile für IT-Admins

Sind Sie bereit?

Wenn Sie mehr über NVIDIA-Lösungen für die Gesundheits- und Biowissenschaften erfahren möchten, kontaktieren Sie uns.