in

Le Centre Martinos adopte l’IA pour la recherche sur les COVID

Les centres médicaux universitaires du monde entier construisent de nouveaux outils d’IA pour lutter contre le COVID-19 – y compris à Mass General, où un centre adopte les systèmes d’IA NVIDIA DGX A100 pour accélérer son travail.

Des chercheurs du centre d’imagerie biomédicale Athinoula A. Martinos de l’hôpital travaillent sur des modèles pour segmenter et aligner plusieurs scanners thoraciques, calculer la gravité de la maladie pulmonaire à partir d’images radiographiques et combiner les données radiologiques avec d’autres variables cliniques pour prédire les résultats chez les patients COVID.

Construits et testés à l’aide des données du Mass General Brigham, ces modèles, une fois validés, pourraient être utilisés ensemble dans un établissement hospitalier pendant et au-delà de la pandémie pour rapprocher les connaissances radiologiques des cliniciens qui suivent les progrès des patients et prennent des décisions de traitement.

«Tout en aidant les hospitaliers sur le service d’hospitalisation COVID-19, j’ai réalisé qu’il y a beaucoup d’informations dans les images radiologiques qui ne sont pas facilement accessibles aux personnes qui prennent des décisions cliniques», a déclaré Matthew D. Li, résident en radiologie à Mass General et membre de le laboratoire QTIM du Centre Martinos. «Grâce à l’apprentissage en profondeur, nous avons développé un algorithme pour extraire un score de gravité de la maladie pulmonaire à partir de radiographies pulmonaires qui est reproductible et évolutif – quelque chose que les cliniciens peuvent suivre au fil du temps, ainsi que d’autres valeurs de laboratoire telles que les signes vitaux, les données d’oxymétrie de pouls et les résultats de tests sanguins. « 

Le Centre Martinos utilise une variété de systèmes NVIDIA AI, y compris NVIDIA DGX-1, pour accélérer ses recherches. Cet été, le centre installera des systèmes NVIDIA DGX A100, chacun construit avec huit GPU NVIDIA A100 Tensor Core et offrant 5 pétaflops de performances d’IA.

«Lorsque nous avons commencé à travailler sur le développement de modèles COVID, tout était sur le pont. Plus vite nous pourrions développer un modèle, plus il serait immédiatement utile », a déclaré Jayashree Kalpathy-Cramer, directeur du laboratoire QTIM et du Center for Machine Learning du Martinos Center. «Si nous n’avions pas accès aux ressources de calcul suffisantes, cela aurait été impossible à faire.»

Notes de comparaison: AI pour l’imagerie thoracique

Les patients COVID reçoivent souvent des études d’imagerie – généralement des tomodensitogrammes en Europe et des rayons X aux États-Unis – pour vérifier l’impact de la maladie sur les poumons. La comparaison de l’étude initiale d’un patient avec des suivis peut être un moyen utile de comprendre si un patient va mieux ou s’aggrave.

Mais segmenter et aligner deux scans qui ont été pris dans différentes positions du corps ou sous des angles différents, avec des éléments distrayants comme des fils dans l’image, n’est pas une tâche facile.

Bruce Fischl, directeur du laboratoire de neuroimagerie computationnelle du Martinos Center, et Adrian Dalca, professeur assistant en radiologie à la Harvard Medical School, ont pris la technologie sous-jacente derrière la comparaison IRM de Dalca AI et l’ont appliquée aux radiographies thoraciques, entraînant le modèle sur un NVIDIA Système DGX.

«Les radiologues passent beaucoup de temps à évaluer s’il y a un changement ou pas de changement entre deux études. Cette technique générale peut aider avec cela », a déclaré Fischl. «Notre modèle identifie 20 structures dans une radiographie haute résolution et les aligne entre deux études, en prenant moins d’une seconde pour l’inférence.»

Cet outil peut être utilisé de concert avec les recherches de Li et Kalpathy-Cramer: un modèle d’évaluation des risques qui analyse une radiographie pulmonaire pour attribuer un score à la gravité de la maladie pulmonaire. Le modèle peut fournir aux cliniciens, aux chercheurs et aux experts en maladies infectieuses une mesure quantitative cohérente de l’impact pulmonaire, qui est décrite subjectivement dans des rapports de radiologie typiques.

Formé sur un ensemble de données publiques de plus de 150000 radiographies thoraciques, ainsi que sur quelques centaines de radiographies positives au COVID de Mass General, le score de gravité AI est utilisé pour les tests par quatre groupes de recherche de l’hôpital utilisant le NVIDIA Clara Deploy SDK. Au-delà de la pandémie, l’équipe prévoit d’étendre l’utilisation du modèle à plus de conditions, comme l’œdème pulmonaire ou le poumon humide.

La comparaison du score de gravité de la maladie pulmonaire AI, ou PXS, entre des images prises à différents stades peut aider les cliniciens à suivre les changements dans la maladie d’un patient au fil du temps. (Image tirée de l’article des chercheurs dans Radiology: Artificial Intelligence, disponible en libre accès.)

Prévoir le besoin de ventilateurs

L’imagerie thoracique n’est qu’une variable de la santé d’un patient COVID. Pour une vue d’ensemble, l’équipe du Centre Martinos travaille avec Brandon Westover, directeur exécutif du centre d’animation des données cliniques du général de masse Brigham.

Westover développe des modèles d’IA qui prédisent les résultats cliniques pour les patients admis et les cas de COVID ambulatoires, et le score de gravité de la maladie pulmonaire de Kalpathy-Cramer pourrait être intégré comme l’une des variables cliniques de cet outil.

Le modèle ambulatoire analyse 30 variables pour créer un score de risque pour chacun des centaines de patients dépistés dans les cliniques d’infection respiratoire du réseau hospitalier – prédisant la probabilité qu’un patient finisse par avoir besoin de soins intensifs ou meure du COVID.

Pour les patients déjà admis à l’hôpital, un réseau neuronal prédit le risque horaire qu’un patient ait besoin d’une assistance respiratoire artificielle dans les 12 prochaines heures, en utilisant des variables telles que les signes vitaux, l’âge, les données d’oxymétrie de pouls et la fréquence respiratoire.

«Ces variables peuvent être très subtiles, mais combinées, elles peuvent fournir une indication assez forte qu’un patient s’aggrave», a déclaré Westover. Fonctionnant sur un GPU NVIDIA Quadro RTX 8000, le modèle est accessible via un portail frontal que les cliniciens peuvent utiliser pour voir qui est le plus à risque et quelles variables contribuent le plus au score de risque.

Mieux, plus rapide, plus fort: recherche sur NVIDIA DGX

Fischl dit que les systèmes NVIDIA DGX aident les chercheurs du Martinos Center à itérer plus rapidement, en expérimentant différentes façons d’améliorer leurs algorithmes d’IA. DGX A100, avec des GPU NVIDIA A100 basés sur l’architecture NVIDIA Ampere, accélérera encore le travail de l’équipe avec la technologie Tensor Core de troisième génération.

«Les différences quantitatives font une différence qualitative», a-t-il déclaré. «Je peux imaginer cinq façons d’améliorer notre algorithme, dont chacune prendrait sept heures de formation. Si je peux transformer ces sept heures en une heure seulement, cela rend le cycle de développement tellement plus efficace. »

Le Martinos Center utilisera les commutateurs NVIDIA Mellanox et l’infrastructure de stockage de données VAST, permettant à ses développeurs d’utiliser la technologie NVIDIA GPUDirect pour contourner le processeur et déplacer les données directement dans ou hors de la mémoire GPU, obtenant de meilleures performances et une formation IA plus rapide.

«L’accès à ce stockage haute capacité et haute vitesse nous permettra d’analyser les données multimodales brutes de nos scanners IRM, TEP et MEG de recherche», a déclaré Matthew Rosen, professeur assistant en radiologie à la Harvard Medical School, qui codirige le Center for Machine Learning du Martinos Center. «Le système de stockage VAST, lorsqu’il est associé aux nouveaux GPU A100, va offrir une opportunité incroyable de définir une nouvelle norme pour l’avenir de l’imagerie intelligente.»

Pour en savoir plus sur la manière dont l’IA et l’informatique accélérée aident les établissements de santé à lutter contre la pandémie, visitez notre page COVID.

L’image principale montre la radiographie pulmonaire et la carte thermique correspondante, mettant en évidence les zones atteintes d’une maladie pulmonaire. Image tirée de l’article des chercheurs dans Radiology: Artificial Intelligence, disponible en libre accès.