新しい NVIDIA Clara AI Toolkit を使用すると、開発者は医用画像アプリケーションを構築および展開して、インテリジェントな機器と自動化された医療ワークフローを作成できます。
今日の病院では、CTスキャンやMRIスキャンなど、診断プロセスで使用される画像処理の増加に起因する作業負荷への対応に医療画像技術者が追随しています。大規模な病院システムでは、比較的少数の技術者が1日に数百または数千のスキャンに直面する可能性があります。このような過重労働の技術者は、この量に対応するために、複雑な画像を分析し、検出が困難な異常を特定し、病気の兆候を絞り出すプロセスを支援するツールを必要としています。
医療機関では、これらのニーズに対応するために人工知能への期待がますます高まっています。ディープラーニング技術により、AIシステムは、医用画像処理ワークフローに伴う面倒な作業の一部を引き受けるデジタルアシスタントとして機能するようにトレーニングできるようになりました。これは、訓練を受けた専門家をAIで置き換えるということではありません。これは、AIを使用してワークフローを合理化し、効率を高め、行列が早急な対応が必要なケースを特定できるようにすることです。病院のIT部門は、インフラストラクチャをAI対応にするための戦略を立てる必要があります。NVIDIA と米国放射線学会は提携し、数千の病院の広大なネットワーク全体で、何千人もの放射線科医が独自の施設で独自のデータを使用して AI を作成および使用できるようにしました。
これらのAI駆動型ツールセットの1つが、ハイブリッド(組み込み、オンプレミス、またはクラウド)コンピューティング環境向けの医用画像アプリケーションの開発を可能にする、オープンで拡張性のあるコンピューティング プラットフォームであるNVIDIA Clara AIです。NVIDIA Clara AI の機能により、病院はインテリジェントな機器と自動化された医療ワークフローを作成できます。
組織がClara AIを機能させるのを支援するために、NVIDIAは Clara Deploy SDKを提供しています。この Helm パッケージ化されたソフトウェア開発キットには、連携して Kubernetes でエンドツーエンドの医療画像処理ワークフローを提供する NVIDIA GPU Cloud (NGC) コンテナー のコレクションが含まれています。NGCコンテナ イメージは、Dell EMC PowerEdge™ C4140やDell EMC PowerEdge™ R740xdなどのNGC Ready GPUアクセラレーション システム向けに最適化されています。
Clara AI コンテナーには、コンピューティング、グラフィックス、AI 用の GPU アクセラレーション ライブラリが含まれています。画像処理とレンダリングのアプリケーション例。CT、MRI、超音波データの計算ワークフロー。これらの機能は、DockerとKubernetesを活用して医用画像ワークフローをオーケストレーションし、PACS(画像アーカイブおよび通信システム)に接続したり、医療機器アプリケーションを拡張したりします。
図1Clara AI Toolkitのアーキテクチャ
Clara AI Toolkitは、医用画像処理ワークフローにAIを導入する際の障壁を低くします。Clara AI Deploy SDK には、次のものが含まれます。
Dell EMCは、NVIDIA Clara AIを活用したいと考えている組織向けに、Clara AIツールキットをサポートする、GPUで高速化された堅牢なサーバー プラットフォーム(Dell EMC PowerEdge™ R740xdラック サーバーおよびDell EMC PowerEdge™ C4140ラック サーバー)を提供しています。
PowerEdge R740xdサーバーは、ストレージの拡張性とパフォーマンスのバランスを実現します。NVMeドライブとNVIDIA GPUをサポートするこの2U 2ソケット プラットフォームは、ClaraのAIおよび医療画像処理ワークロードの需要に対応します。一方、PowerEdge C4140サーバーは、アクセラレーター向けに最適化された1Uラック サーバーであり、最も要求の厳しいワークロード向けに設計されています。4個のGPUをサポートする超高密度2ソケット サーバーは、AI、機械学習、ディープ ラーニングなどのコグニティブ ワークロードの課題に対応するように構築されています。
Dell EMCのHPCおよびAIイノベーション ラボでは、Red Hat Enterprise Linuxを実行しているGPUアクセラレーテッド サーバー上で、Clara AI ToolkitとCT臓器セグメンテーションおよびCT肝臓セグメンテーション機能を使用しました。これらの検査では、NIH Cancer Image Archive https://www.cancerimagingarchive.net/ から一連の2D医用画像である腹部CTスキャンデータを収集し ました。Clara AI Toolkitのツールを用いて、まずDICOMシリーズをインジェスト用に変換し、CTスキャンから個々の臓器を特定するワークフロー(臓器セグメンテーション)を実行しました。
次に、ワークフローでは、これらのセグメント化された臓器を入力として使用して、異常を特定できます。分析が終了すると、Clara Render Serverで表示できるMetaIO注釈付き3Dボリュームレンダリングと、ORTHANCやOviyam2などの医用画像ビューアと並べて比較できるDICOMファイルの両方が作成されます。Clara AI Toolkitに含まれるツールは、AIの力を活用しようとしている医用画像環境での使用をすぐに開始できます。
図2:Clara AI ProcessedとOriginal CT Scanを並べて示すOviyam2 Viewer
Clara AIは比較的新しいサービスですが、3月に発売され、6月に一般公開されましたが、NVIDIAによると、このプラットフォームはすでにオハイオ州立大学、国立衛生研究所、カリフォルニア大学サンフランシスコ校など、いくつかの主要な医療機関で使用されています。
米国国立衛生研究所クリニカル センターと NVIDIA の科学者は、Clara AI を使用して、MRI で周囲の組織から前立腺をセグメンテーションするためのドメイン汎化手法を開発しました。NVIDIAのブログでは、ローカライズされたモデルが「放射線科医と同様のパフォーマンスを達成し、同じドメインのデータでトレーニングおよび評価された他の最先端のアルゴリズムよりも優れたパフォーマンスを発揮した」と記されています。
これらのアーリー アダプターが示しているように、NVIDIA Clara AI は、AI を活用して医療画像処理に大規模なディープ ラーニングを実現しようとしている組織に多くの価値をもたらす可能性のあるプラットフォームです。
図3:Clara AI Toolkitによって特定された分節化された肝臓の病気
NVIDIA Clara の機能の詳細については、次のリンクを参照してください。