Nvidia Clara
Nvidia est une entreprise américaine spécialisée dans la conception de processeurs graphiques, de cartes graphiques et de puces graphiques pour PC et consoles de jeux.
Les performances de calcul des GPU initialement conçus pour l’affichage 3D permettent d’effectuer les calculs mathématiques nécessaires à l’entraînement des modèles de Deep Learning. Ce qui fait de NVidia un acteur incontournable dans le domaine.
Il existe plus de 1200 start-ups dans le domaine de la santé qui ont recours à Nvidia Clara.
Nvidia a profité de sa conférence annuelle sur l’Intelligence Artificielle NVIDIA GTC 2021 pour annoncer de nouveaux investissements dans sa plateforme unifiée pour l’imagerie, la génomique, le suivi des patients et la recherche pharmaceutique : Nvidia Clara
Nvidia, ces dernières années, a investit massivement dans les domaines de la santé les plus impactés par l’IA: l’imagerie médicale, le séquençage génétique, les agents conversationnels, la recherche pharmaceutique et la robotique médicale.
Clara Medical Imaging
Le framework d’applications Clara Imaging fournit aux développeurs et aux chercheurs les outils dont ils ont besoin pour accélérer l’annotation de données et déployer des workflows d’imagerie intelligents grâce à des modèles pré-entraînés.
Clara Parabricks
Clara Parabricks® associe un logiciel de séquençage accéléré par GPU et l’analyse de donnée dans le domaine de la génomique.
Clara Guardian
Le framework d’applications Clara Guardian offre des capacités avancées d’analyse vidéo intelligente et d’IA conversationnelle aux établissements de santé.
Clara Discovery
Clara Discovery regroupe un ensemble de frameworks, d’applications et de modèles d’IA qui permettent d’accélérer la recherche pharmaceutique.
Clara AGX
Clara AGX™ est un kit de développement logiciel qui centralise une solution de calcul embarqué à faible consommation. Ce kit aide les hôpitaux à développer et à déployer l’IA sur des capteurs intelligents tels que les endoscopes, les appareils à ultrasons et les microscopes.
Des modèles pré-entraînés
Nvidia a également développé une bibliothèque de 40 modèles pré-entraînés dans le domaine de la médecine. Cardiologie, oncologie, covid-19, etc…
Nvidia propose des modèles pré-entraînés, parmi les plus performants, dans le domaines de la classification d’images médicales comme DenseNet121, ResNet, Unet.
- Classification-chest-xray : un modèle Densenet121 pré-entraîné pour la détection d’infections pulmonaires à partir de radiographies du thorax.
- Clara-mri-seg-brain-tumors : un modèle pré-entraîné pour la segmentation volumétrique (3D) des tumeurs cérébrales.
- Clara-train-covid19 : un modèle pour segmenter la région pulmonaire à partir des images de tomographie thoracique 3D.
En octobre 2020, ils ont ajouté à leur bibliothèque un modèle NLP entraîné sur un large corpus clinique et scientifique : le BioMegatron.
Ce modèle peut être utilisé pour extraire des concepts et des relations clés de textes biomédicaux et construire des graphes de connaissances qui peuvent stimuler la recherche et la découverte médicales. Il a été développé à partir du modèle NVIDIA Megatron développé avec le langage PyTorch et basé sur une architecture de Transformateurs (Transformers).
BioMegatron a été pré-entraîné sur un cluster composé de huit DGX-2 pendant environ 400 heures, soit à peu près deux semaines. Le système NVIDIA DGX-2 embarque seize GPU NVIDIA V100 Tensor Core, ce qui permet d’entraîner les modèles avec des jeux de données de grande taille caractéristiques des nouveaux modèles NLP (GPT-3, NeMo, BERT).
Transformers, partenariats privés et publiques, apprentissage fédéré.
Les annonces de Nvidia à la conférence GTC 2021 illustrent les grandes tendances de l’Intelligence Artificielle dans le domaine de la médecine.
- L’utilisation de modèles NLP basés sur des architectures de Transformateurs (Transformers) pour découvrir de nouveaux médicaments dans des temps records.
- L’essor de partenariats entre les chercheurs, les entreprises et les laboratoires privés.
- Le développement de partenariats “privé-publique” avec les centres de recherche des Universités pour développer de nouveaux modèles.
- L’ incitation au développement de l’apprentissage fédéré (federated learning).
La découverte de nouveaux médicaments
M. Huang, le CEO de Nvidia, a fait remarquer lors de la keynote NVIDIA GTC 2021, que la combinaison de l’IA et de la recherche pharmaceutique a permis de créer des modèles capables de définir de nouveaux médicaments en moins de deux ans alors que ce processus prenait jusqu’à présent jusqu’à dix ans. Nvidia affirme que sa plateforme GPU peut créer une molécule avec un seul GPU A100 en environ 0,3 seconde.
Grâce au nouveau DGX SuperPOD selon Huang, les chercheurs pourraient générer des milliers de nouvelles structures de molécules par seconde.
Cette révolution biologique a un coût. Le prix du DGX Superpod le moins onéreux est 7 millions de dollars. La facture peut s’envoler à 60 millions de dollars pour les versions les mieux dotées en processeurs.
La collaboration avec Schroedinger
La collaboration entre Nvidia et Schroedinger permettra de combiner la plateforme DGX A100 avec les techniques d’apprentissage automatique du spécialiste des logiciels de simulation chimique pour accélérer la découverte de médicaments.
La collaboration avec AstraZeneca
NVIDIA va collaborer avec le laboratoire AstraZeneca sur la création d’un modèle, le Megamolbart, basé sur un Transformateur pour créer des structures chimiques utilisées dans la découverte de médicaments.
Le modèle sera open sourced et entraîné sur le plus puissant calculateur du Royaume-Unis Cambridge-1. Disponible pour les chercheurs et les développeurs dans le catalogue NVIDIA NGC, le Megamolbart pourra être déployé via la plate-forme NVIDIA Clara Discovery pour la découverte de médicaments.
Le Partenariat privé-public avec l’Université de Floride
Nvidia va collaborer avec l’Université de Floride pour développer un modèle, le GatorTron, entraîné à partir d’enregistrements de plus de 50 millions d’interactions avec 2 millions de patients.
Ce modèle doit permettre d’identifier les patients pour des essais cliniques vitaux et de fournir une aide à la décision clinique aux médecins.
Le développement de l’apprentissage fédéré
En octobre 2019, en collaboration avec le King’s College London, NVIDIA Research avait lancé le premier système d’apprentissage fédéré pour l’analyse des images médicales.
L’apprentissage profond (Deep Learning) se nourrit de grandes quantités de données sur les patients. Quand ces données sont reparties sur plusieurs sites, l’apprentissage fédéré permet de les exploiter sans les faire circuler, donc sans les exposer à des risques pour leur confidentialité.
C’est en agrégeant les modèles entraînés localement dans leur coin que l’on obtient un réseau de neurones ayant appris avec des données qui n’ont jamais été réunies.
Lors de la conférence NVIDIA GTC 2021, Nvidia a annoncé la prochaine génération d’apprentissage fédéré : Clara 4.0.
Suite à cette annonce, David Ruau, vice-président et responsable de Global Data Assets and Decision Science chez Bayer, a annoncé l’adoption de Clara Federated Learning par son laboratoire.
Allez plus loin healthcare conference sessions NVIDIA GTC 2021
