Ciência Computacional Acelera a Inovação em Pesquisa na Bristol Myers Squibb

A BMS sabia que precisava mudar seu fornecimento de computação para pesquisa, pois nem a nuvem tradicional, nem as abordagens tradicionais locais atendiam totalmente às necessidades científicas. “Para garantir a disponibilidade da GPU e maximizar os recursos computacionais, decidimos estabelecer uma infraestrutura centralizada e modernizada para a descoberta de medicamentos. Para alcançar esse objetivo, precisávamos de uma plataforma comprovada que pudesse escalar conosco à medida que avançávamos nessa jornada. É por isso que escolhemos a arquitetura NVIDIA DGX SuperPOD, que incluía a capacidade de expandir para a nuvem conforme necessário, uma estratégia de colocation para hospedagem e parceiros de aceleração para superar todos os obstáculos iniciais”, disse Mayo.

A parceira do NVIDIA DGX™, Equinix, gerenciou com habilidade a infraestrutura da DGX SuperPOD, o data center de colocation, e a interconectividade, enquanto a Mark III, parceira de soluções da NVIDIA, agregou sua experiência essencial em IA e operações.

“A experiência da Mark III foi o catalisador por trás de nossa rápida evolução, de caso de uso isolado e com um único nó para o treinamento perfeito e de alto desempenho com vários nós, além de garantir não apenas otimizarmos nossos sistemas, mas avançarmos continuamente por meio de atualizações de rotina e dimensionamento adequado de cargas de trabalho”, disse Brian Wong, Diretor de Computação de Pesquisa da BMS. “A solução Equinix Private AI com DGX forneceu uma plataforma de IA pronta para ser executada sem as dores operacionais comumente associadas aos equipamentos locais”, acrescentou Wong.

Como resultado, os cientistas ganharam recursos computacionais para ampliar e expandir sem necessitar um aumento de funcionários ou de despesas para a administração do sistema. Wong acrescentou: “O aproveitamento da DGX SuperPOD com as integrações perfeitas da Equinix com provedores de nuvem pública garantiu a movimentação de dados com boa relação custo-benefício, alcançando uma economia geral de 55% em comparação com o modelo anterior. Nossos cientistas agora podem ajustar facilmente os recursos para atender às demandas das cargas de trabalho, aumentando o número de nós para treinamento em grandes modelos de linguagem (LLM) quando necessário e realocando-os para tarefas de deep learning, conforme a demanda”.

Após entrar em operação em março de 2024, a DGX SuperPOD serviu como uma plataforma de IA centralizada para equipes de pesquisa da BMS, aprimorando significativamente os recursos na análise de dados de imagens médicas em larga escala. Um projeto importante envolve o desenvolvimento de modelos base de IA para oncologia, aproveitando exames de tomografia computadorizada e ressonância magnética de ensaios clínicos.

A equipe da BMS utilizou o NVIDIA MONAI e a DGX SuperPOD para tarefas de inferência para segmentar automaticamente lesões. Para aprimorar a robustez, a equipe treinou os modelos usando conjuntos de dados internos por meio de uma abordagem de aprendizagem autossupervisionada, empregando modelagem de imagens por máscara.

Os resultados aceleraram significativamente os cronogramas da pesquisa, melhorando a precisão da segmentação e a eficiência do processamento. Além disso, a BMS avaliou seu modelo base, treinado com dados internos, ajustando-o em conjuntos de dados públicos para tarefas downstream nas quais ele demonstrou um desempenho robusto. O modelo base agora é compatível com várias aplicações downstream, fornecendo uma plataforma sólida para a inovação contínua na pesquisa em oncologia e na tomada de decisões clínicas. A DGX SuperPOD forneceu à BMS uma plataforma centralizada que suporta todo o ciclo de vida da IA, desde o rápido desenvolvimento e treinamento de modelos até a inferência escalável e de nível de produção.

Em imuno-oncologia, prever quem responderá a um tratamento é um grande desafio. Os pesquisadores da BMS enfrentaram essa questão usando grandes modelos de linguagem e transformers para analisar dados complexos de ensaios clínicos. A inovação foi tratar diversos dados (como genômica, estilo de vida e detalhes do tratamento) como frases gramaticais, semelhante ao processamento de linguagem natural. Ao incorporar esses dados juntamente com resultados, como sobrevida e eventos adversos, a BMS criou um modelo que prevê os efeitos nos pacientes com precisão sem precedentes.

O sucesso dependeu, em última análise, de modelos de treinamento com dados extensivos, combinando dados clínicos internos, conjuntos de dados públicos e literatura científica. Com o poder computacional da DGX SuperPOD, os modelos da BMS superaram o desempenho dos transformers de linha de base padrão, transformando seus dados em perspectivas práticas que poderiam revolucionar as estratégias de tratamento em oncologia.

Com recursos computacionais dedicados, extensos dados, profunda experiência técnica e questões científicas urgentes, os pesquisadores agora podem lançar facilmente experimentos de alto potencial. “Ao combinar curiosidade e coragem com habilidades e capacidade em tecnologia, ajudamos nossa comunidade de pesquisa a fazer descobertas inovadoras, todas a serviço de nossos pacientes”, acrescenta Mayo. Olhando para o futuro, a implementação bem-sucedida da DGX SuperPOD posicionou a BMS para aproveitar a IA para inovação e avanços contínuos na descoberta de medicamentos em todas as áreas terapêuticas e funções científicas.