Semplificare la radioterapia oncologica con l'IA

I tassi di incidenza del cancro sono in aumento e, secondo le stime del National Institutes of Health, aumenteranno del 63% nei prossimi due decenni. Per soddisfare la crescente domanda di assistenza ai pazienti, i leader della tecnologia medica stanno puntandsu a strumenti di IA in grado di aiutare i radioterapisti a fornire un trattamento personalizzato di alta qualità più velocemente.
Siemens Healthineers utilizza un'infrastruttura di supercalcolo basata su GPU NVIDIA® per sviluppare software di IA per generare segmentazioni di organi che consentono una terapia oncologica di precisione.

Il supercomputer Sherlock AI di Siemens Healthineers è alimentato da un cluster di server NVIDIA HGX-1 e HGX-2 caricati con GPU NVIDIA Tesla® V100 Tensor Core. Il sistema fornisce 24 PetaFlops di prestazioni di elaborazione e 3 PetaBytes di storage NVMe, collegati su una rete Mellanox InfiniBand ad alta velocità da 100 Gbps, e viene utilizzato per eseguire oltre 600 esperimenti di deep learning al giorno.

L'ambiente di commutazione a bassa latenza ad alte prestazioni e l'archiviazione NVMe aiutano a mantenere i server GPU ad alto utilizzo per consentire un più rapido allenamento del modello.

La radioterapia per i pazienti oncologici è un flusso di lavoro complesso che include la modellazione del paziente, il contorno del bersaglio e degli organi a rischio, e la simulazione, la pianificazione e la fornitura di un trattamento.

Uno dei compiti più dispendiosi in questo processo è il contornamento (segmentazione) degli organi sani che circondano il tumore di un paziente che devono essere risparmiati da un dosaggio eccessivo di radiazioni.

Tradizionalmente, gli oncologi radioterapeuti contornano il volume del tumore e gli organi a rischio, decidendo quanta radiazione deve essere utilizzata per trattare il bersaglio tumorale senza danneggiare il tessuto normale vicino.

Per aiutare gli oncologi a sviluppare più rapidamente piani di radioterapia, Siemens Healthineers utilizza syngo.via RT Image Suite, uno strumento software che delinea automaticamente gli organi utilizzando l'AutoContouring assistito da IA. Addestrato su oltre 4,5 milioni di immagini utilizzando il supercomputer Sherlock, lo strumento di IA delinea automaticamente 47 organi, risparmiando tempo ai radioterapisti oncologici e facilitando le attività di contornamento degli organi a rischio.

"L'autoContouring assistito dall'IA aiuta a risparmiare tempo e a migliorare la standardizzazione nel contouring degli organi a rischio", afferma il Dott. Fernando Vega, responsabile del software e della definizione dei concetti della radioterapia oncologica presso Siemens Healthineers. "Questo permette ai radioterapisti oncologici di concentrarsi meglio su altri aspetti cruciali della cura del paziente."

La radioterapia per i pazienti oncologici è un flusso di lavoro complesso che include la modellazione del paziente, il contorno del bersaglio e degli organi a rischio, e la simulazione, la pianificazione e la fornitura di un trattamento.

Uno dei compiti più dispendiosi in questo processo è il contornamento (segmentazione) degli organi sani che circondano il tumore di un paziente che devono essere risparmiati da un dosaggio eccessivo di radiazioni.

Tradizionalmente, gli oncologi radioterapeuti contornano il volume del tumore e gli organi a rischio, decidendo quanta radiazione deve essere utilizzata per trattare il bersaglio tumorale senza danneggiare il tessuto normale vicino.

Per aiutare gli oncologi a sviluppare più rapidamente piani di radioterapia, Siemens Healthineers utilizza syngo.via RT Image Suite, uno strumento software che delinea automaticamente gli organi utilizzando l'AutoContouring assistito da IA. Addestrato su oltre 4,5 milioni di immagini utilizzando il supercomputer Sherlock, lo strumento di IA delinea automaticamente 47 organi, risparmiando tempo ai radioterapisti oncologici e facilitando le attività di contornamento degli organi a rischio.

"L'autoContouring assistito dall'IA aiuta a risparmiare tempo e a migliorare la standardizzazione nel contouring degli organi a rischio", afferma il Dott. Fernando Vega, responsabile del software e della definizione dei concetti della radioterapia oncologica presso Siemens Healthineers. "Questo permette ai radioterapisti oncologici di concentrarsi meglio su altri aspetti cruciali della cura del paziente."

Dietro questa esplosione di IA nell’imaging medico c’è una nuova dinamica all’interno del paradigma di sviluppo software: l’avvento di software che scrivono altri software.
Tradizionalmente, gli ingegneri scrivevano applicazioni dall’inizio alla fine, un processo che richiede tempo e competenze informatiche di nicchia. Ora, con l’accesso a potenti risorse di calcolo, gli algoritmi di IA possono sfruttare i dati di addestramento per apprendere processi come l’analisi delle immagini mediche senza che ogni elemento sia esplicitamente codificato da uno sviluppatore.

Siemens Healthineers, coinvolta nell’apprendimento automatico dagli anni ’90, sta sfruttando questa capacità dell'IA grazie al suo sistema Sherlock. Il supercomputer impara dall’enorme bacino di dati dell’azienda di oltre 900 milioni di immagini curate, nonché report radiologici e dati clinici e genomici. Finora, Sherlock ha portato allo sviluppo di oltre 45 applicazioni basate sull’IA approvate per uso clinico.

"L’infrastruttura di supercomputer è essenziale per i nostri ricercatori scientifici, al fine di completare gli esperimenti di addestramento di deep learning in poche ore anziché settimane e ridurre il tempo necessario per iterare fino a raggiungere la massima precisione", afferma Gianluca Paladini, Direttore senior di ingegneria in Siemens Healthineers, responsabile dell'architettura di Sherlock. "L'aggiornamento continuo della potenza di elaborazione di Sherlock ci consente di gestire i progetti R&D di IA su scala industriale."