La ciencia computacional acelera la innovación en investigación en Bristol Myers Squibb

BMS sabía que necesitaba cambiar su forma de proporcionar computación para la investigación, ya que los enfoques tradicionales, tanto en la nube como en las instalaciones, no satisfacían por completo las necesidades científicas. «Para garantizar la disponibilidad de GPU y maximizar los recursos computacionales, decidimos establecer una infraestructura centralizada y modernizada para el descubrimiento de medicamentos. Para lograrlo, necesitábamos una plataforma de eficacia probada que pudiera escalar con nosotros a medida que progresábamos en este proceso. Por eso elegimos la arquitectura NVIDIA DGX SuperPOD, que incluía la capacidad de ampliación a la nube según fuera necesario, una estrategia de colocación para el alojamiento y un socio de aceleración para superar todos los obstáculos iniciales», dijo Mayo.

Equinix, partner de NVIDIA DGX™, gestionó con experiencia la infraestructura DGX SuperPOD, el centro de datos de colocación y la interconectividad, mientras que Mark III, un partner de soluciones de NVIDIA, ofreció una experiencia crucial en IA y operativa.

«La experiencia de Mark III fue el catalizador que impulsó nuestra rápida evolución desde un caso de uso aislado y de un solo nodo hasta un entrenamiento óptimo y de alto rendimiento de varios nodos. Además, garantizó que no solo optimizáramos nuestros sistemas, sino que avanzáramos continuamente a través de actualizaciones rutinarias y un dimensionamiento adecuado de la carga de trabajo», dijo Brian Wong, director de computación de investigación de BMS. «La solución Equinix Private AI con DGX proporcionó una plataforma de IA lista para ejecutarse sin los inconvenientes operativos comúnmente asociados con los equipos in situ», añadió Wong.

Como resultado, los científicos obtuvieron recursos computacionales para escalar vertical y horizontalmente sin necesidad de personal adicional ni de gastar en la administración del sistema. Wong añadió: «El aprovechamiento de DGX SuperPOD con las integraciones perfectas de Equinix con proveedores de nube pública garantizó un movimiento de datos rentable, logrando al mismo tiempo un ahorro general de costes del 55 % en comparación con el modelo anterior. Nuestros científicos ya pueden ajustar fácilmente los recursos para satisfacer las exigencias de la carga de trabajo, aumentando los nodos para el entrenamiento de un modelo lingüístico de gran tamaño (LLM) cuando es necesario y reasignándolos a tareas de deep learning según sea necesario».

Después de entrar en funcionamiento en marzo de 2024, DGX SuperPOD ha servido como plataforma de IA centralizada para los equipos de investigación de BMS, mejorando significativamente las capacidades en el análisis de datos de imágenes médicas a gran escala. Un proyecto clave implica el desarrollo de modelos de IA fundamentales para oncología, aprovechando las tomografías computarizadas y las resonancias magnéticas a partir de ensayos clínicos.

El equipo de BMS utilizó NVIDIA MONAI y DGX SuperPOD para tareas de inferencia a fin de segmentar automáticamente las lesiones. Para mejorar la robustez, el equipo entrenó los modelos utilizando conjuntos de datos internos a través de un enfoque de aprendizaje autosupervisado en el que se empleó el modelado de imágenes enmascaradas.

Los resultados aceleraron significativamente los plazos de investigación, mejorando la precisión de la segmentación y la eficiencia del procesamiento. Además, BMS realizó pruebas de referencia de su modelo fundamental, entrenado con datos internos, al ajustarlo con precisión en conjuntos de datos públicos para tareas posteriores, en las que demostró un buen rendimiento. El modelo fundamental ya admite varias aplicaciones posteriores, proporcionando una plataforma sólida para la innovación continua en investigación oncológica y toma de decisiones clínicas. El DGX SuperPOD proporciona a BMS una plataforma centralizada que apoya el ciclo de vida completo de la IA, desde el desarrollo y el entrenamiento rápidos de modelos hasta la inferencia escalable y de nivel de producción.

En inmunooncología, predecir quién responderá a un tratamiento es un gran desafío. Los investigadores de BMS abordaron este problema utilizando transformadores y modelos lingüísticos de gran tamaño para analizar datos de ensayos clínicos complejos. La innovación consistió en tratar diversos datos, incluidos datos de genómica, estilo de vida y del tratamiento, como oraciones gramaticales, de manera similar al procesamiento del lenguaje natural. Al integrar estos datos junto con resultados como la supervivencia y los eventos adversos, BMS creó un modelo que predice los resultados de los pacientes con una precisión sin precedentes.

El éxito dependió en última instancia de entrenar modelos con amplios datos, combinando datos clínicos internos, conjuntos de datos públicos y literatura científica. Al aprovechar la potencia computacional de DGX SuperPOD, los modelos BMS superaron a los transformadores de referencia estándar, transformando sus datos en información práctica que podría revolucionar las estrategias de tratamiento oncológico.

Con recursos de computación especializados, grandes volúmenes de datos, profunda experiencia técnica y preguntas científicas urgentes, los investigadores ya pueden iniciar fácilmente experimentos de gran potencial. «Al combinar la curiosidad y el coraje con habilidades y capacidad tecnológicas, hemos ayudado a nuestra comunidad de investigación a hacer descubrimientos innovadores, todo al servicio de nuestros pacientes», añade Mayo. De cara al futuro, la implementación exitosa de DGX SuperPOD ha posicionado a BMS en buen lugar a fin de aprovechar la IA para la innovación y los avances continuos en el descubrimiento de medicamentos en todas las áreas terapéuticas y funciones científicas.