Rationaliser la radiothérapie du cancer avec l’IA

Les taux d’incidence du cancer sont en hausse, et les National Institutes of Health estiment qu’ils augmenteront de 63 % au cours des deux prochaines décennies. Pour répondre à la demande croissante de soins médicaux, les leaders de la technologie médicale se tournent vers des outils d’IA qui peuvent aider les radiologues à fournir un traitement individualisé de haute qualité plus rapidement.
Siemens Healthineers utilise une infrastructure de superordinateur basée sur un GPU NVIDIA® pour développer un logiciel d’IA permettant de générer des segmentations d’organes qui permettent un traitement par radiothérapie de précision.

Le superordinateur Sherlock AI de Siemens Healthineers est alimenté par un cluster de serveurs NVIDIA HGX-1 et HGX-2 chargés de GPU NVIDIA Tesla® V100 Tensor Core. Le système fournit 24 PetaFlops de performances de traitement et 3 PetaBytes de stockage NVMe, connectés sur un réseau Mellanox InfiniBand à haute vitesse de 100 Gbps, et est utilisé pour exécuter plus de 600 expériences de deep learning chaque jour.

Grâce à l’environnement de commutation haute performance à faible latence et le stockage NVMe, les serveurs GPU peuvent être maintenus à un niveau d’utilisation élevé afin d’accélérer l’entraînement des modèles.

La radiothérapie pour les patients atteints de cancer est un processus complexe qui comprend la modélisation du patient, le contouring de la cible et des organes à risque, et la simulation, la planification et la prestation du traitement.
L’une des tâches les plus chronophages de ce processus est le contouring (segmentation) des organes sains entourant la tumeur d’un patient qui doivent être épargnés par une dose excessive de rayonnement.

En règle générale, les radiothérapeutes oncologues contournent le volume de la tumeur cible et les organes à risque, décidant de la quantité de rayonnement à utiliser pour traiter la tumeur cible sans endommager les tissus normaux voisins.

Pour aider les oncologues à élaborer plus rapidement des plans de radiothérapie, Siemens Healthineers utilise syngo.via RT Image Suite, un outil logiciel qui décrit automatiquement les organes à l’aide d’un AutoContouring assisté par IA. Entraîné sur plus de 4,5 millions d’images à l’aide du supercalculateur Sherlock, l’outil IA identifie automatiquement 47 organes, ce qui fait gagner du temps et facilite les tâches de conturing des organes à risque.

« L’Autoconcepteur assisté par l’IA permet de gagner du temps et d’améliorer la standardisation des organes à risque », a déclaré le Dr Fernando Vega, responsable des logiciels et de la définition conceptuelle pour la radiothérapie chez Siemens Healthineers. « Cela permet aux radiothérapeutes de mieux se focaliser sur d’autres aspects cruciaux des soins aux patients. »

La radiothérapie pour les patients atteints de cancer est un processus complexe qui comprend la modélisation du patient, le contouring de la cible et des organes à risque, et la simulation, la planification et la prestation du traitement.
L’une des tâches les plus chronophages de ce processus est le contouring (segmentation) des organes sains entourant la tumeur d’un patient qui doivent être épargnés par une dose excessive de rayonnement.

En règle générale, les radiothérapeutes oncologues contournent le volume de la tumeur cible et les organes à risque, décidant de la quantité de rayonnement à utiliser pour traiter la tumeur cible sans endommager les tissus normaux voisins.

Pour aider les oncologues à élaborer plus rapidement des plans de radiothérapie, Siemens Healthineers utilise syngo.via RT Image Suite, un outil logiciel qui décrit automatiquement les organes à l’aide d’un AutoContouring assisté par IA. Entraîné sur plus de 4,5 millions d’images à l’aide du supercalculateur Sherlock, l’outil IA identifie automatiquement 47 organes, ce qui fait gagner du temps et facilite les tâches de conturing des organes à risque.

« L’Autoconcepteur assisté par l’IA permet de gagner du temps et d’améliorer la standardisation des organes à risque », a déclaré le Dr Fernando Vega, responsable des logiciels et de la définition conceptuelle pour la radiothérapie chez Siemens Healthineers. « Cela permet aux radiothérapeutes de mieux se focaliser sur d’autres aspects cruciaux des soins aux patients. »

Derrière cette explosion de l’IA dans l’imagerie médicale se cache une nouvelle dynamique dans le paradigme du développement logiciel : l’avènement d’un logiciel qui écrit d’autres logiciels.
En règle générale, les ingénieurs écrivent des applications du début à la fin, un processus chronophage qui nécessite une expertise informatique de niche. Désormais, grâce à un accès à de puissantes ressources de calcul, les algorithmes d’IA peuvent esploiter les données d’entraînement pour apprendre des processus tels que l’analyse d’images médicales sans que chaque élément soit explicitement codé par un développeur.

Siemens Healthineers, qui œuvre dans le secteur du machine learning depuis les années 1990, exploite cette capacité d’IA avec son système Sherlock. Le supercalculateur apprend à partir du lac de données massif de l’entreprise, de plus de 900 millions d’images organisées ainsi que des rapports radiologiques et des données cliniques et génomiques. Jusqu’à présent, Sherlock a conduit au développement de plus de 45 applications alimentées par l’IA approuvées pour un usage clinique.

« L’infrastructure du supercalculateur est essentielle pour nos chercheurs afin de mener des expériences d’entraînement en deep Learning en quelques heures plutôt que quelques semaines et de réduire le temps nécessaire pour itérer jusqu’à ce que la meilleure des précisions soit atteinte », a déclaré Gianluca Paladini, directeur principal de l’ingénierie chez Siemens Healthineers responsable de l’architecture Sherlock. « Nous améliorons en permanence la puissance de traitement de Sherlock, car elle nous permet de gérer des projets de R&D en IA à l’échelle industrielle. »