Sanidad y biociencias

La investigación del cáncer avanza con NVIDIA AI Enterprise

Objetivo

Los investigadores del Instituto del Cáncer de los Países Bajos (NKI) buscaban una manera de adaptar el tratamiento de radioterapia a la anatomía real para la focalización precisa de tumores y una mejor planificación del tratamiento.

Cliente

Instituto del Cáncer de los Países Bajos

Caso de uso

Herramientas y técnicas de computación acelerada

Productos

NVIDIA AI Enterprise
VMware vSphere

Con NVIDIA AI Enterprise, los médicos podrían comenzar a tratar los tumores de manera más efectiva con menos radiación.

El Instituto del Cáncer de los Países Bajos (NKI) ha estado a la vanguardia de la investigación y el tratamiento del cáncer desde 1913. Compuesto por un centro de investigación de renombre internacional y una clínica dedicada al cáncer, NKI plasma ideas innovadoras para el beneficio de los pacientes.

Recientemente, NKI comenzó a realizar investigaciones para ver si los modelos de IA entrenados, que se ejecutan en servidores convencionales virtualizados, podrían ofrecer el rendimiento necesario para permitir una focalización más precisa del tumor y una exposición reducida a la radiación utilizando la tomografía computarizada de haz cónico (CBCT, por sus siglas en inglés). La solución, habilitada por el conjunto de software NVIDIA AI Enterprise, promete hacer que los tratamientos contra el cáncer sean más efectivos para más personas.

A medida que avanza la imagen médica, también lo hace la necesidad de mayores capacidades de cómputo, ancho de banda y almacenamiento. Resulta especialmente útil en el tratamiento del cáncer, que se basa en las imágenes corporales con CBCT para la planificación precisa de la radioterapia dirigida.

A diferencia de las tomografías computarizadas de mayor calidad, una CBCT utiliza un tubo de rayos X y un panel detector grande y plano que gira alrededor del paciente para capturar datos con un haz de rayos X en forma de cono en lugar de las "rebanadas" por las que suelen ser conocidos los escáneres de tomografías computarizadas. Los datos recibidos de estos sistemas se utilizan para reconstruir imágenes 3D para una variedad de especialidades, como la torácica, la dental, la oral/maxilofacial (boca, mandíbula y cuello) y las orejas, la nariz y la garganta (ENT, por sus siglas en inglés). La CBCT es esencial en la radioterapia, donde se utiliza una exploración diaria de CBCT para adaptar el plan de tratamiento a la anatomía real del paciente, que puede cambiar debido a la pérdida de peso o a una comida abundante antes del tratamiento.

Cuanto más precisas son las imágenes de CBCT, más fácil será para los médicos localizar tumores más pequeños durante la radioterapia y proporcionar tratamientos más específicos. La reconstrucción precisa de CBCT simplificaría la planificación del tratamiento, lo que podría reducir la necesidad de una exploración dedicada a la planificación.

Las imágenes de CBCT se calculan mediante un algoritmo de reconstrucción utilizando los datos de proyección adquiridos por el escáner. Sin embargo, la reconstrucción es más difícil en comparación con la reconstrucción con las tomografías computarizadas, y la calidad de la imagen dada por los métodos de reconstrucción clásica es baja.

Los métodos de reconstrucción mediante deep learning han recibido mucha atención de la comunidad de imágenes médicas recientemente para modalidades como la tomografía computarizada y la imagen por resonancia magnética, pero las aplicaciones para las CBCT siguen siendo muy limitadas. Los modelos de entrenamiento para reconstruir volúmenes 3D directamente a partir de datos de proyección con una resolución clínicamente relevante y la cantidad de proyecciones es una tarea que consume demasiada memoria, y un solo volumen de CBCT a una resolución de 1 mm ya ocuparía 1 GB de memoria teniendo en cuenta la información de gradiente.

Instituto del Cáncer de los Países Bajos

¿Por qué NVIDIA AI Enterprise con VMware vSphere?

NKI aprovechó una potente solución desarrollada por NVIDIA, en asociación con VMware, para implementar y administrar cargas de trabajo de IA en servidores 1U/2U convencionales en un entorno de centro de datos virtualizado, sin comprometer el rendimiento.

Los investigadores del NKI tuvieron acceso al mejor software de IA de su clase, el conjunto de programas NVIDIA AI Enterprise, certificado para la plataforma de virtualización líder de la industria, VMware vSphere. Diseñada para lograr un rendimiento casi sin sistema operativo para la capacitación e inferencia de IA, la solución hace posible la capacitación y el análisis de datos más grandes y complejos de IA con nuevas capacidades de escalabilidad.

La solución permite una alta disponibilidad para cargas de trabajo de IA, a la vez que simplifica el mantenimiento de la infraestructura, como la consolidación, la expansión y las actualizaciones. VMware vSphere transforma los servidores casi sin sistema operativo de IA (incluidos los recursos basados en CPU y GPU) en grupos de infraestructura de IA y aprendizaje automático administrados de forma centralizada que pueden aprovisionar rápidamente máquinas virtuales (VM) y contenedores a los que se puede acceder desde cualquier lugar bajo demanda.

VMware vSphere aumenta la disponibilidad, refuerza la seguridad, agiliza el mantenimiento y reduce los costes para crear una plataforma de infraestructura ágil, eficiente, resistente y segura que admite las cargas de trabajo existentes y las aplicaciones de próxima generación.

Para evaluar los beneficios de actualizar su infraestructura a la última arquitectura GPU, Ampere, el equipo de investigación del NKI, desarrolló dos modelos de IA diferentes. Un modelo se entrenó utilizando ocho tarjetas gráficas NVIDIA RTX™ 8000, basadas en la arquitectura NVIDIA Turing™ de generación anterior, y tarjetas gráficas en un entorno casi sin sistema operativo. El otro se entrenó utilizando dos tarjetas gráficas NVIDIA A100 (80 GB), basadas en la nueva arquitectura de GPU NVIDIA Ampere y tarjetas gráficas en un entorno virtualizado con NVIDIA AI Enterprise.

Instituto del Cáncer de los Países Bajos

Resumen

  • El software NVIDIA AI Enterprise y las GPU NVIDIA A100 se utilizaron en un escaneo de tomografía computarizada de haz cónico (CBCT) y un entorno VMware vSphere.
  • Las imágenes de diagnóstico se podían renderizar en tan solo 60 segundos a una resolución de 2 mm y en tan solo cinco minutos a una resolución de 1 mm.
  • Los modelos de IA se entrenaron para reconstruir volúmenes 3D directamente a partir de los datos de proyección, eliminando los artefactos causados por el ruido de fotones.
  • Los investigadores esperan que la tecnología pueda algún día permitir la reconstrucción de CBCT en 4D de alta resolución, para poder ofrecer un seguimiento preciso de los tumores a medida que se mueven durante los ciclos de respiración.
  • La potencia de computación más rápida y robusta está dando como resultado tratamientos de radiación más precisos y eficientes para pacientes con cáncer.
  • Desde una perspectiva de TI, la plataforma NVIDIA AI Enterprise facilita el aislamiento y la administración de grandes cargas de trabajo de IA a escala, mientras simplifica el mantenimiento de la infraestructura relacionado con la consolidación, expansión y actualizaciones.

Hardware

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

Qué significa para los pacientes

Al utilizar ocho tarjetas gráficas NVIDIA RTX 8000 disponibles localmente, los investigadores del NKI pudieron entrenar un modelo de baja resolución que permitió la reconstrucción de CBCT a una resolución isotrópica de 2 mm clínicamente aceptable. Esta resolución es suficiente para fines de radioterapia, pero está detrás de la resolución de 1 mm dada por una tomografía computarizada dedicada.

Al pasar a dos tarjetas gráficas NVIDIA A100 (80 GB), el equipo de investigación pudo ajustar el modelo de baja resolución y reconstruir imágenes de diagnóstico completas a una resolución de 1 mm. El modelo de alta resolución se inició a partir de la versión de baja resolución, y el proceso de ajuste tardó aproximadamente un mes.

La velocidad de inferencia a una resolución de 1 mm también mejoró enormemente al pasar al A100: un volumen completo a una resolución de 1 mm tardó solo cinco minutos en reconstruirse en una sola GPU, en comparación con 14 minutos en la máquina RTX 8000 casi sin sistema operativo.

La capacidad de lograr una resolución nativa en tiempo casi real a partir de una CBCT hace posible ofrecer tratamientos más precisos a los pacientes, en función de su anatomía real cuando acuden a una cita.

Con una mejor imagen, es más probable que los tumores más pequeños se localicen de forma fiable el día del tratamiento, teniendo en cuenta el desplazamiento de las lesiones debido a las fluctuaciones de peso o al consumo reciente de alimentos, y la dosis de radiación prescrita se puede administrar con mayor precisión. En el futuro, puede ser posible aumentar la precisión del tratamiento aún más mejorando el seguimiento del movimiento del tumor causado por los movimientos corporales durante los ciclos respiratorios.

"Con los modelos de IA y el hardware de hace dos o tres años, tendríamos que reducir la resolución para liberar memoria para la capacitación. Ahora, con la potencia de las GPU actuales, podemos desarrollar sistemas integrales que reconstruyen volúmenes de alta resolución directamente a partir de los datos de proyección. ”

Nikita Moriakov
Investigador posdoctoral, NKI

Instituto del Cáncer de los Países Bajos

Beneficios clínicos

Beneficios del administrador de TI

¿Listo para empezar?

Para obtener más información sobre las soluciones de NVIDIA para la asistencia sanitaria y las ciencias de la vida, póngase en contacto con nosotros.