La science computationnelle accélère l'innovation en recherche à Bristol Myers Squibb

BMS savait qu'elle devait changer sa façon de fournir des capacités de calcul pour la recherche, car ni les approches Cloud traditionnelles ni les approches sur site traditionnelles ne répondent pleinement aux besoins scientifiques. « Pour garantir la disponibilité des GPU et maximiser les ressources de calcul, nous avons décidé d'établir une infrastructure centralisée et modernisée pour la découverte de médicaments. Pour y parvenir, nous avions besoin d'une plateforme éprouvée qui puisse évoluer à mesure que nous progressions au fil de notre parcours. C'est pourquoi nous avons choisi l'architecture NVIDIA DGX SuperPOD, qui incluait la capacité d'étendre au Cloud en fonction des besoins, une stratégie de colocation pour l'hébergement et un partenaire d'accélération pour surmonter tous les obstacles initiaux », affirme M. Mayo.

Equinix, partenaire NVIDIA DGX™, a géré avec expertise l'infrastructure DGX SuperPOD, le Data Center de colocation et l'interconnectivité, tandis que Mark III, partenaire de solutions NVIDIA, a fourni une expertise opérationnelle et en IA cruciale.

« L'expertise de Mark III a été le catalyseur de notre évolution rapide, passant d'un cas d'utilisation isolé à un seul nœud à un entraînement multinœuds fluide et haute performance. Cela nous a permis d'optimiser nos systèmes et progresser constamment grâce à des mises à jour de routine et à une charge de travail adéquate », précise Brian Wong, directeur de l'informatique de recherche chez BMS. « La solution Equinix Private AI with DGX offrait une plateforme d'IA prête à l'emploi, sans les maux de tête opérationnels généralement associés aux équipements sur site », ajoute M. Wong.

En conséquence, les scientifiques ont obtenu des ressources informatiques leur permettant d'augmenter leur capacité sans avoir à recruter de personnel supplémentaire ni à engager de dépenses supplémentaires pour l'administration du système. M. Wong poursuit : « L'exploitation de DGX SuperPOD avec les intégrations fluides d'Equinix avec les fournisseurs de Cloud a permis de garantir la rentabilité du transfert des données tout en réalisant une réduction des coûts globaux de 55 % par rapport au modèle précédent. » Nos scientifiques peuvent désormais facilement ajuster leurs ressources pour répondre aux exigences de leur charge de travail, augmenter le nombre de nœuds pour l'entraînement de grands modèles de langage (LLM) si nécessaire et les réaffecter à des tâches de Deep Learning si besoin est. »

Depuis sa mise en service en mars 2024, DGX SuperPOD a servi de plateforme d'IA centralisée pour les équipes de recherche BMS, améliorant considérablement les capacités d'analyse de données d'imagerie médicale à grande échelle. L'un des principaux projets consiste à développer des modèles d'IA fondamentaux pour l'oncologie, en tirant parti des tomodensitométries et des IRM à partir des essais cliniques.

L'équipe BMS a utilisé NVIDIA MONAI et DGX SuperPOD pour les tâches d'inférence afin de segmenter automatiquement les lésions. Pour améliorer la robustesse, l'équipe a entraîné les modèles à l'aide de jeux de données internes grâce à une approche d'apprentissage auto-supervisée, en utilisant la modélisation d'images de masques.

Les résultats ont considérablement accéléré les délais de recherche, en améliorant la précision de la segmentation et l'efficacité du traitement. En outre, BMS a comparé son modèle de fondation, entraîné sur des données internes, en le perfectionnant sur des jeux de données publiques pour des tâches en aval où il a démontré de bonnes performances. Le modèle de fondation prend désormais en charge diverses applications en aval, fournissant une plateforme solide pour poursuivre l'innovation en matière de recherche en oncologie et de prise de décision clinique. DGX SuperPOD a fourni à BMS une plateforme centralisée prenant en charge le cycle de vie complet de l'IA, du développement et de l'entraînement rapides de modèles à l'inférence évolutive de qualité production.

En immuno-oncologie, prédire qui répondra à un traitement est un défi majeur. Les chercheurs de Bristol Myers Squibb (BMS) se sont attaqués à ce problème à l'aide de grands modèles de langage et de transformateurs pour analyser des données d'essais cliniques complexes. L'innovation a consisté à traiter diverses données, notamment sur la génomique, le style de vie et les détails des traitements, comme des phrases grammaticales, à l'instar du traitement du langage naturel. En intégrant ces données aux côtés de résultats tels que la survie et les événements indésirables, BMS a développé un modèle qui prédit les résultats des patients avec une précision sans précédent.

Le succès a finalement reposé sur l'entraînement de modèles avec des données approfondies, combinant des données cliniques internes, des jeux de données publiques et la littérature scientifique. Grâce à la puissance de calcul de DGX SuperPOD, les modèles BMS ont surpassé les transformateurs de référence standard, transformant leurs données en informations exploitables susceptibles de révolutionner les stratégies de traitement en oncologie.

Grâce à des ressources de calcul dédiées, à des données abondantes, à une expertise technique approfondie et à des questions scientifiques urgentes, les chercheurs peuvent désormais lancer facilement des expériences à haut potentiel. « En combinant curiosité et courage avec des compétences et des capacités technologiques, nous avons aidé notre communauté de recherche à faire des découvertes innovantes, le tout au service de nos patients », ajoute M. Mayo. La mise en œuvre réussie de DGX SuperPOD a positionné BMS pour exploiter l'IA au service de l'innovation et des avancées continues de la découverte de médicaments dans tous les domaines thérapeutiques et les fonctions scientifiques.