Jorge Cardoso tiene varios roles, por lo que es apropiado decir que tiene varios cerebros. Cien mil para ser exactos.
Cardoso es profesor, CTO, emprendedor, miembro fundador del consorcio de código abierto MONAI e investigador en IA para imágenes médicas. En el último artículo, Cardoso y su equipo acaban de descubrir la forma de crear imágenes realistas en 3D de alta resolución de cerebros humanos utilizando IA.
El investigador del King’s College de Londres y director de tecnología del London AI Centre pone 100.000 imágenes cerebrales sintéticas a disposición de los investigadores del área de la salud. Es un tesoro que podría acelerar la comprensión de la demencia, el envejecimiento o cualquier tipo de enfermedad cerebral.
Aceleración de la IA en el Área de la Salud
“En el pasado, muchos investigadores no querían trabajar en el área de la salud porque no podían obtener buenos datos. Sin embargo, ahora pueden”, dijo Cardoso.
“Queremos dirigir la energía de la IA hacia el área de la salud”, dijo.
Se trata de una donación considerable que se compara con el mayor repositorio del mundo de imágenes cerebrales de libre acceso. El UK Biobank mantiene actualmente múltiples imágenes cerebrales tomadas de más de 50.000 participantes, curadas con un coste estimado de 150 millones de dólares.
Datos Sintéticos para la Ciencia
Las imágenes representan una rama emergente en el área de la salud de datos sintéticos, algo que ya se usa ampliamente en la visión de computación para aplicaciones empresariales y comerciales. Irónicamente, esos campos también tienen acceso a conjuntos de datos abiertos con millones de imágenes del mundo real.
Por el contrario, las imágenes médicas son relativamente escasas. Por lo general, solo están disponibles para investigadores conectados a grandes hospitales, debido a la necesidad de proteger la privacidad del paciente. Incluso, las imágenes médicas tienden a reflejar los datos demográficos del área donde se encuentra el hospital, no necesariamente de la población en general.
Una excelente característica del enfoque de IA de Cardoso es que puede hacer que las imágenes se ordenen. Cerebros femeninos, cerebros masculinos, mayores, jóvenes. Conecta lo que necesites, y los crea.
Aunque son simuladas, son altamente útiles porque se basan en algoritmos bien probados. Por lo tanto, se ven y actúan como lo harían los cerebros reales.
Escalando con MONAI en Cambridge-1
El trabajo requería una supercomputadora que ejecutase un super software.
NVIDIA Cambridge-1, una supercomputadora dedicada a la investigación innovadora de la IA en el ámbito de la salud, fue el motor. MONAI, un marco de IA para la imagen médica, proporcionó el combustible para el software.
Juntos crearon una fábrica de IA para datos sintéticos que permitía a los investigadores realizar cientos de experimentos, elegir los mejores modelos de IA y realizar inferencias para generar imágenes
“No podríamos haber hecho este trabajo sin Cambridge-1, no habría sido posible”, dijo.
Imágenes Masivas, Aceleraciones de hasta 10 veces
Una NVIDIA DGX SuperPOD, Cambridge-1, contiene 640 GPUs NVIDIA A100 Tensor Core, cada una de ellas con memoria suficiente para procesar una o dos de las enormes imágenes del equipo, compuestas por 16 millones de píxeles en 3D.
Los bloques de construcción de MONAI incluyen cargadores de datos específicos del dominio, métricas, transformers acelerados por GPU y un motor de workflow optimizado. El almacenamiento inteligente en caché y el escalado multinodal del software pueden acelerar los trabajos hasta 10 veces, dijo Cardoso.
También dio crédito a cuDNN y “toda la pila de software de IA de NVIDIA que nos ayudó a trabajar mucho más rápido”.
Más Allá del Cerebro
Cardoso está trabajando con Health Data Research UK, un repositorio nacional, para alojar las 100.000 imágenes cerebrales. Los modelos de IA también estarán disponibles, para que los investigadores puedan crear las imágenes que necesiten.
Aún hay más. El equipo de Cardoso está explorando cómo los modelos pueden crear imágenes 3D de cualquier parte de la anatomía humana en cualquier modo de generación de imágenes médicas: resonancias magnéticas, tomografías computarizadas o tomografía por emisión de positrones, lo que sea.
“De hecho, esta técnica se puede aplicar a cualquier imagen volumétrica”, dijo, señalando que los usuarios pueden necesitar optimizar los modelos para diferentes tipos de imágenes.
Muchas Posibilidades
El trabajo abre muchas posibilidades que Cardoso describió con entusiasmo como si se descargara el contenido de múltiples mentes.
Las imágenes sintéticas permiten el estudio detallado de cómo evolucionan las enfermedades con el tiempo. Mientras tanto, su equipo todavía está explorando cómo aplicar el trabajo a partes del cuerpo más allá del cerebro y qué tipos de imágenes sintéticas (resonancias magnéticas, tomografías computarizadas o tomografía por emisión de positrones) son más útiles.
Las posibilidades son emocionantes y, al igual que sus muchos roles, “pueden ser un poco abrumadoras”, dijo. “Ahora, podemos empezar a pensar en muchas cosas diferentes”.