Optimización de la radioterapia contra el cáncer con IA

Las tasas de incidencia del cáncer no han dejado de aumentar. Según aseguran los Institutos Nacionales de Salud, crecerán un 63 % en las próximas dos décadas. Para satisfacer la creciente demanda de atención al paciente, los líderes en tecnología sanitaria recurren a herramientas de IA que pueden ayudar a los oncólogos radioterapéuticos a ofrecer un tratamiento individualizado de alta calidad con mayor rapidez.
Siemens Healthineers utiliza una infraestructura de supercomputación basada en GPU NVIDIA® para desarrollar software de IA para generar segmentaciones de órganos que permitan la radioterapia oncológica de precisión.

El superordenador de IA Sherlock de Siemens Healthineers está impulsado por un clúster de servidores NVIDIA HGX-1 y HGX-2 cargados con GPU NVIDIA Tesla® V100 con núcleo Tensor. El sistema proporciona 24 PetaFlops de rendimiento de procesamiento y 3 PetaBytes de almacenamiento NVMe, conectado a través de una red Mellanox InfiniBand de alta velocidad de 100 Gbps que se utiliza para ejecutar más de 600 experimentos de deep learning diariamente.

El entorno de conmutación de alto rendimiento y baja latencia y el almacenamiento NVMe ayudan a garantizar un gran uso de los servidores GPU para permitir un entrenamiento de modelos más rápido.

La radioterapia para pacientes con cáncer es un flujo de trabajo complejo que consiste en modelar al paciente, perfilar el objetivo y los órganos en riesgo y, a continuación, simular, planificar y brindar el tratamiento.

Una de las tareas que más tiempo lleva, en todo este proceso, es perfilar (segmentar) los órganos sanos en torno al tumor del paciente, que no deben recibir dosis excesivas de radiación.

Tradicionalmente, los radio oncólogos perfilaban el volumen objetivo del tumor y los órganos en riesgo, decidiendo cuánta radiación se debe utilizar para tratar el tumor sin dañar el tejido sano colindante.

Para ayudar a los especialistas en oncología radioterápica a desarrollar planes de tratamiento de radiación más rápido, Siemens Healthineers utiliza syngo.via RT Image Suite, una herramienta de software que define automáticamente los órganos mediante el contorneado automático asistido por IA. La herramienta de IA, entrenada con más de 4,5 millones de imágenes utilizando el superordenador Sherlock, define automáticamente 47 órganos, lo que ahorra tiempo a los especialistas en oncología radioterápica y facilita las tareas de contorneado por IA.

«El contorneado automático asistido por IA ayuda a ahorrar tiempo y mejorar la estandarización en el contorneado de los órganos en riesgo», explica el Dr. Fernando Vega, director de software y definición de conceptos para oncología radioterápica en Siemens Healthineers. «Esto permite a los especialistas en oncología radioterápica centrarse mejor en otros aspectos cruciales de la atención al paciente».

La radioterapia para pacientes con cáncer es un flujo de trabajo complejo que consiste en modelar al paciente, perfilar el objetivo y los órganos en riesgo y, a continuación, simular, planificar y brindar el tratamiento.

Una de las tareas que más tiempo lleva, en todo este proceso, es perfilar (segmentar) los órganos sanos en torno al tumor del paciente, que no deben recibir dosis excesivas de radiación.

Tradicionalmente, los radio oncólogos perfilaban el volumen objetivo del tumor y los órganos en riesgo, decidiendo cuánta radiación se debe utilizar para tratar el tumor sin dañar el tejido sano colindante.

Para ayudar a los especialistas en oncología radioterápica a desarrollar planes de tratamiento de radiación más rápido, Siemens Healthineers utiliza syngo.via RT Image Suite, una herramienta de software que define automáticamente los órganos mediante el contorneado automático asistido por IA. La herramienta de IA, entrenada con más de 4,5 millones de imágenes utilizando el superordenador Sherlock, define automáticamente 47 órganos, lo que ahorra tiempo a los especialistas en oncología radioterápica y facilita las tareas de contorneado por IA.

«El contorneado automático asistido por IA ayuda a ahorrar tiempo y mejorar la estandarización en el contorneado de los órganos en riesgo», explica el Dr. Fernando Vega, director de software y definición de conceptos para oncología radioterápica en Siemens Healthineers. «Esto permite a los especialistas en oncología radioterápica centrarse mejor en otros aspectos cruciales de la atención al paciente».

Detrás de esta explosión de IA en las diagnóstico por imágenes hay una nueva dinámica dentro del paradigma del desarrollo de software: la llegada de software que escribe software.
Tradicionalmente, los ingenieros programaban las aplicaciones de principio a fin, un proceso lento que requiere conocimientos informáticos especializados. Ahora, gracias al acceso a potentes recursos informáticos, los algoritmos de IA pueden aprovechar los datos de entrenamiento para aprender procesos como el análisis del diagnóstico por imágenes sin que un desarrollador tenga que programar explícitamente cada elemento.

Siemens Healthineers, gracias a su extensa experiencia en el aprendizaje automático, desde la década de 1990, aprovecha esta capacidad de la IA en su sistema Sherlock. El superordenador aprende del enorme conjunto de datos de la empresa, con más de 900 millones de imágenes, así como de informes radiológicos y datos clínicos y genómicos. De momento, Sherlock ha propiciado el desarrollo de más de 45 aplicaciones con tecnología de IA aprobadas para uso clínico.

«La infraestructura de supercomputación es esencial para nuestros científicos investigadores, para completar experimentos de entrenamiento de deep learning en cuestión de horas en lugar de semanas y reducir el tiempo de iteración hasta obtener la mayor precisión», afirma Gianluca Paladini, director sénior de ingeniería de Siemens Healthineers, responsable de la arquitectura Sherlock. «Actualizamos continuamente la potencia de procesamiento de Sherlock, ya que nos permite gestionar proyectos de I+D de IA a escala industrial».