Den nya NVIDIA Clara AI Toolkit gör det möjligt för utvecklare att bygga och distribuera program för medicinsk bildbehandling för att skapa intelligenta instrument och automatiserade arbetsflöden för hälso- och sjukvården.
På dagens sjukhus tävlar medicinska bildtekniker om att hålla jämna steg med arbetsbelastningen som härrör från den ökande användningen av datortomografi, MR-skanning och annan avbildning som används i de diagnostiska processerna. I ett stort sjukhussystem kan ett relativt litet antal tekniker nu drabbas av hundratals eller till och med tusentals skanningar på en enda dag. För att hålla jämna steg med volymen behöver dessa överarbetade tekniker verktyg för att hjälpa till med processen att analysera komplexa bilder, identifiera svårupptäckta avvikelser och hitta sjukdomsindikatorer.
Medicinska institutioner använder sig i allt högre grad av artificiell intelligens för att tillgodose dessa behov. Med djupinlärningsteknik kan AI-system nu tränas för att fungera som digitala assistenter som tar på sig en del av det tunga arbetet som följer med arbetsflöden för medicinsk bildbehandling. Det handlar inte om att använda AI för att ersätta utbildad personal. Det handlar om att använda AI för att effektivisera arbetsflöden, öka effektiviteten och hjälpa processioner att identifiera de fall som kräver deras omedelbara uppmärksamhet. Sjukhusens IT-avdelningar måste lägga upp strategier för att göra infrastrukturen AI-redo. NVIDIA och American College of Radiology har samarbetat för att göra det möjligt för tusentals radiologer att skapa och använda AI i sina egna anläggningar, med sina egna data, i ett stort nätverk av tusentals sjukhus.
En av dessa AI-drivna verktygsuppsättningar är NVIDIA Clara AI, en öppen, skalbar beräkningsplattform som möjliggör utveckling av medicinska bildbehandlingsprogram för hybriddatormiljöer (inbyggd, på plats eller i molnet). Med funktionerna hos NVIDIA Clara AI kan sjukhus skapa intelligenta instrument och automatiserade arbetsflöden för hälso- och sjukvården.
För att hjälpa organisationer att sätta Clara AI i arbete erbjuder NVIDIA Clara Deploy SDK. Det här Helm-paketerade programvaruutvecklingspaketet omfattar en samling NGC-containrar (NVIDIA GPU Cloud) som fungerar tillsammans för att tillhandahålla ett arbetsflöde för medicinsk bildbearbetning från slutpunkt till slutpunkt i Kubernetes. NGC-behållaravbildningar är optimerade för NGC-redo GPU-accelererade system, t.ex. Dell EMC PowerEdge™ C4140 och Dell EMC PowerEdge™ R740xd.
Clara AI-behållarna innehåller GPU-accelererade bibliotek för beräkning, grafik och AI. exempel på applikationer för bildbehandling och rendering; och beräkningsarbetsflöden för CT-, MRI- och ultraljudsdata. Dessa funktioner utnyttjar Docker och Kubernetes för att orkestrera arbetsflöden för medicinska bilder och ansluta till PACS (bildarkiverings- och kommunikationssystem) eller skala medicinska instrumentapplikationer.
Bild 1. Clara AI Toolkit-arkitektur
Clara AI Toolkit sänker barriärerna för att använda AI i arbetsflöden för medicinsk bildbehandling. Clara AI Deploy SDK innehåller:
För organisationer som vill dra nytta av NVIDIA Clara AI erbjuder Dell EMC robusta, GPU-accelererade serverplattformar som stöder Clara AI Toolkit – rackservern Dell EMC PowerEdge™ R740xd och rackservern Dell EMC PowerEdge™ C4140.
PowerEdge R740xd-servern ger en balans mellan lagring, skalbarhet och prestanda. Den här 2U-plattformen med två socklar har stöd för NVMe-enheter och Nvidia-grafikprocessorer och är redo för Clara AI:s och arbetsbelastningar inom medicinsk bildbehandling. PowerEdge C4140-servern är i sin tur en acceleratoroptimerad 1U-rackserver som utformats för de mest krävande arbetsbelastningarna. Den här ultrakompakta servern med två socklar har stöd för fyra grafikprocessorer och är byggd för utmaningarna med kognitiva arbetsbelastningar, inklusive AI, maskininlärning och djupinlärning.
I HPC och AI Innovation Lab på Dell EMC använde vi Clara AI Toolkit med CT Organ Segmentation och CT Liver Segmentation på våra GPU-accelererade servrar som kör Red Hat Enterprise Linux. För dessa tester samlade vi in data från datortomografi av buken, en serie medicinska 2D-bilder, från NIH Cancer Image Archive https://www.cancerimagingarchive.net/. Vi använde verktygen i Clara AI Toolkit för att utföra ett arbetsflöde som först konverterar DICOM-serien för intag och identifierar enskilda organ från CT-skanningen (organsegmentering).
Därefter kan arbetsflödet använda dessa segmenterade organ som indata för att identifiera eventuella avvikelser. När analysen är klar skapar systemet en både MetaIO-kommenterad 3D-volymrendering som kan visas i Clara Render Server och DICOM-filer som kan jämföras sida vid sida med medicinska bildvisare som ORTHANC eller Oviyam2. Verktygen som ingår i Clara AI Toolkit ger en kickstart för användning i medicinska bildbehandlingsmiljöer som vill dra nytta av kraften i AI.
Bild 2: Oviyam2 Viewer visar sida vid sida av Clara AI-bearbetad jämfört med ursprunglig datortomografi
Även om Clara AI är ett relativt nytt erbjudande, lanserades det i mars, med allmän tillgänglighet i juni, används plattformen redan på några stora medicinska institutioner, inklusive Ohio State University, National Institutes of Health och University of California, San Francisco, enligt NVIDIA.
Forskare från National Institutes of Health Clinical Center och NVIDIA använde Clara AI för att utveckla en domängeneraliseringsmetod för segmentering av prostatan från omgivande vävnad på MRT. En NVIDIA-blogg noterar att den lokaliserade modellen "uppnådde prestanda som liknar en radiologs och överträffade andra toppmoderna algoritmer som tränades och utvärderades på data från samma domän".
Som dessa tidiga användare visar är NVIDIA Clara AI en plattform som potentiellt kan ge stort värde till organisationer som vill dra nytta av AI för att möjliggöra storskalig djupinlärning för medicinsk bildbehandling.
Bild 3: Sjukdomar på segmenterad lever identifierade av Clara AI Toolkit
Om du vill ta en närmare titt på funktionerna i NVIDIA Clara kan du besöka följande länkar: