Los centros médicos académicos de todo el mundo están desarrollando nuevas herramientas de IA para combatir el COVID-19, incluso en Mass General, donde un centro está adoptando los sistemas de IA NVIDIA DGX A100 para acelerar su trabajo.
Los investigadores del Centro de Imágenes Biomédicas Athinoula A. Martinos del hospital están trabajando en modelos para segmentar y alinear múltiples escáneres de tórax, calcular la gravedad de la enfermedad pulmonar a partir de imágenes de rayos X y combinar datos de radiología con otras variables clínicas para predecir los resultados en pacientes con COVID.
Estos modelos se desarrollaron y probaron con los datos del sistema de salud Mass General Brigham. Una vez que se validen, podrán usarse juntos en un entorno hospitalario durante y después de la pandemia para acercar los conocimientos radiológicos a los médicos que rastrean el progreso del paciente y toman decisiones de tratamiento.
“Mientras ayudaba a los médicos del hospital en la atención de pacientes internados por COVID-19, me di cuenta de que hay mucha información en imágenes radiológicas que no está fácilmente disponible para las personas que toman decisiones clínicas”, dijo Matthew D. Li, residente de radiología en Mass General y miembro del laboratorio QTIM del Centro Martinos. “Mediante el uso de deep learning, desarrollamos un algoritmo para extraer una calificación de la gravedad de la enfermedad pulmonar a partir de las radiografías de tórax. Esta calificación es reproducible y escalable, y los médicos pueden rastrearla en el tiempo, junto con otros valores de laboratorio como los signos vitales, los datos de oximetría de pulso y los resultados de análisis de sangre”.
El Centro Martinos utiliza una variedad de sistemas de IA de NVIDIA, incluido NVIDIA DGX-1, para acelerar su investigación. Este verano, el centro instalará sistemas NVIDIA DGX A100; cada uno incluirá ocho GPU NVIDIA A100 Tensor Core y ofrecerá 5 petaflops de rendimiento de IA.
“Cuando comenzamos a desarrollar el modelo del COVID, todo el mundo se puso a trabajar. Mientras más rápido podamos desarrollar un modelo, más rápido podremos usarlo”, dijo Jayashree Kalpathy-Cramer, director del laboratorio QTIM y del Centro de Machine Learning del Centro Martinos. “Si no hubiésemos tenido acceso a los recursos de procesamiento suficientes, habría sido imposible hacerlo”.
Notas Comparativas: IA para la Generación de Imágenes de Tórax
Los pacientes con COVID a menudo se someten a estudios de imágenes, generalmente tomografías computarizadas en Europa y radiografías en los EE. UU. para ver cómo afecta la enfermedad a los pulmones. Comparar el estudio inicial de un paciente con los seguimientos puede ser una forma útil de comprender si un paciente está mejorando o empeorando.
Sin embargo, la segmentación y alineación de dos escaneos que se han tomado en diferentes posiciones del cuerpo o desde diferentes ángulos, con elementos que distraen, como cables en la imagen, no es tarea fácil.
Bruce Fischl, director del Laboratorio de Neuroimagen Computacional del Centro Martinos, y Adrian Dalca, profesor asistente de Radiología en la Facultad de Medicina de Harvard, tomaron la tecnología subyacente de la IA para la comparación de resonancias magnéticas de Dalca y la aplicaron a las radiografías de tórax, con el objetivo de entrenar el modelo en un NVIDIA Sistema DGX.
“Los radiólogos pasan mucho tiempo evaluando si hay cambios o no entre dos estudios. Esta técnica general puede ayudar con eso”, dijo Fischl. “Nuestro modelo etiqueta 20 estructuras en una radiografía de alta resolución y las alinea entre dos estudios. Cada inferencia toma menos de un segundo”.
Esta herramienta se puede utilizar junto con la investigación de Li y Kalpathy-Cramer: un modelo de evaluación de riesgos que analiza una radiografía de tórax para asignar una calificación a la gravedad de la enfermedad pulmonar. El modelo puede proporcionar a los médicos, investigadores y expertos en enfermedades infecciosas una métrica cuantitativa y consistente para registrar el impacto pulmonar, que se describe subjetivamente en los informes radiológicos típicos.
Cuatro grupos de investigación del hospital utilizan la IA de calificación de gravedad (que se entrenó con un conjunto de datos públicos de más de 150 000 radiografías de tórax y unos pocos cientos de radiografías positivas para COVID de Mass General), con el objetivo de realizar pruebas mediante el SDK NVIDIA Clara Deploy. Más allá de la pandemia, el equipo planea expandir el uso del modelo a más afecciones, como el edema pulmonar o neumonitis.
Prever la Necesidad de Respiradores
Las imágenes de tórax son solo una variable en la salud de un paciente con COVID. Para ver el panorama completo, el equipo del Centro Martinos está trabajando con Brandon Westover, director ejecutivo del Centro de Animación de Datos Clínicos de Mass General Brigham.
Westover está desarrollando modelos de IA que predicen resultados clínicos, tanto para pacientes ingresados como para casos ambulatorios de COVID, y la calificación de gravedad de la enfermedad pulmonar de Kalpathy-Cramer podría integrarse como una de las variables clínicas de esta herramienta.
El modelo para pacientes ambulatorios analiza 30 variables, lo que le permite crear una calificación de riesgo para cada uno de los cientos de pacientes examinados en las clínicas de infecciones respiratorias de la red del hospital. Luego, predice la probabilidad de que un paciente termine necesitando cuidados críticos o muera de COVID.
Para los pacientes ya ingresados en el hospital, una red neuronal predice el riesgo por hora de que un paciente requiera asistencia respiratoria artificial en las próximas 12 horas, mediante la utilización de variables que incluyen los signos vitales, la edad, datos de la oximetría de pulso y la frecuencia respiratoria.
“Estas variables pueden ser muy sutiles, pero, en combinación, pueden proporcionar una indicación bastante evidente de que un paciente está empeorando”, dijo Westover. El modelo se ejecuta en una GPU NVIDIA Quadro RTX 8000 y es accesible a través de un portal que los médicos pueden usar para ver quién está en mayor riesgo y qué variables contribuyen más a la calificación de riesgo.
Mejor, Más Rápido, Más Fuerte: La Investigación en NVIDIA DGX
Fischl dice que los sistemas NVIDIA DGX ayudan a los investigadores del Centro Martinos a acelerar las iteraciones, mientras experimentan con diferentes formas de mejorar sus algoritmos de IA. El sistema DGX A100, con GPU NVIDIA A100 basadas en la arquitectura NVIDIA Ampere, acelerará aún más el trabajo del equipo con la tecnología Tensor Core de tercera generación.
“Las diferencias cuantitativas marcan una diferencia cualitativa”, dijo. “Puedo imaginar cinco formas de mejorar nuestro algoritmo, cada una de las cuales requeriría siete horas de entrenamiento. Si puedo reducir esas siete horas a solo una hora, el ciclo de desarrollo será mucho más eficiente”.
El Centro Martinos utilizará switches NVIDIA Mellanox e infraestructura de almacenamiento VAST Data, lo que permitirá a sus desarrolladores aprovechar la tecnología NVIDIA GPUDirect para omitir la CPU y mover datos directamente hacia dentro o fuera de la memoria de la GPU. De esta manera, el rendimiento será mejor y el entrenamiento de IA será más rápido.
“Tener acceso a este almacenamiento de alta capacidad y velocidad nos permitirá analizar datos multimodales sin procesar que provienen de nuestras máquinas de MRI, PET y MEG de investigación”, dijo Matthew Rosen, profesor asistente de Radiología en la Facultad de Medicina de Harvard, quien codirige el Centro de Machine Learning del Centro Martinos. “El sistema de almacenamiento VAST, cuando se vincule con las nuevas GPU A100, ofrecerá una oportunidad increíble para establecer un nuevo estándar para el futuro de la generación inteligente de imágenes”.
Para obtener más información sobre cómo la inteligencia artificial y el procesamiento están ayudando a las instituciones de salud a combatir la pandemia, visite nuestra página sobre el COVID.
La imagen principal muestra una radiografía de tórax y el mapa de calor correspondiente, destacando las áreas con enfermedad pulmonar. Imagen del artículo de los investigadores en Radiology: Artificial Intelligence, disponible en acceso abierto.