NVIDIA y Siemens Healthineers han unido fuerzas para presentar NV — Raw2Insights-US, un innovador modelo de inteligencia artificial diseñado para redefinir la ecografía médica. La ecografía es una de las modalidades de imagen médicas más utilizadas en la actualidad, valorada por su seguridad inherente, capacidad de visualización en tiempo real, portabilidad y bajo coste, lo que la convierte en una herramienta diagnóstica indispensable en diversas especialidades médicas.
Durante décadas, la formación de imágenes de ultrasonido ha dependido de un proceso de reconstrucción diseñado manualmente que, si bien es fundamental, inevitablemente comprime las ricas mediciones del sensor en una imagen final. Estos métodos tradicionales también hacen suposiciones simplificadoras sobre la física del sonido, como asumir una velocidad constante del sonido en todo el cuerpo. Esta simplificación, aunque necesaria para la computación en su momento, puede introducir distorsiones y limitar la capacidad de discernir detalles sutiles, descartando información valiosa que podría mejorar significativamente la claridad diagnóstica y la precisión de la imagen.
La iniciativa de NVIDIA y Siemens Healthineers surge de una pregunta fundamental en la era de la IA y los modelos fundacionales: ¿podemos ir más allá del proceso tradicional de formación de haces y aprender directamente de los datos brutos del sensor de ultrasonido, utilizando información que normalmente se descarta durante la reconstrucción? NV — Raw2Insights-US aborda esto al aprender directamente de las señales crudas capturadas por la sonda de ultrasonido, la representación más cercana de cómo el sonido interactúa realmente con el cuerpo.
En esta primera aplicación de la clase de modelos Raw2Insights, el sistema se enfoca en estimar la velocidad del sonido para lograr un enfoque de imagen adaptativo. El resultado es la capacidad de generar un mapa personalizado de la velocidad del sonido para cada paciente, que luego se utiliza para corregir la imagen en tiempo real. Lo que antes requería complejos y largos cálculos para ajustar la imagen según las propiedades individuales del tejido, ahora se realiza en un único paso de IA. Esto representa una transición significativa de los datos de canal de ultrasonido brutos a una percepción accionable, permitiendo que un sistema de IA no solo procese imágenes, sino que las comprenda y se adapte activamente a la física de cada individuo.
La implementación de esta tecnología presenta un desafío inherente, ya que los datos de canal de ultrasonido brutos no suelen ser fácilmente accesibles en los escáneres de grado clínico debido a su alto ancho de banda. Para superar esta barrera, NVIDIA ha desarrollado Holoscan Sensor Bridge (HSB), una IP de FPGA de código abierto. HSB facilita la transferencia de datos de alto ancho de banda y baja latencia a la GPU a través de RDMA (Acceso Directo a Memoria Remota) sobre Ethernet Convergente. Esta solución se demuestra utilizando un kit de desarrollo Altera Agilex-7 FPGA junto con HSB, lo que permite la transmisión de datos de canal de ultrasonido brutos desde las salidas DisplayPort de un escáner de ultrasonido ACUSON Sequoia, una tecnología denominada "Data over DisplayPort".
Una vez que HSB ha paquetizado los datos, estos se transmiten a través de Ethernet a NVIDIA IGX para la recopilación de datos y la inferencia de IA. Esto ejemplifica cómo la capacidad computacional moderna de alto rendimiento puede integrarse con arquitecturas de escáner existentes utilizando sus salidas DisplayPort de alto ancho de banda. La implementación de NV — Raw2Insights-US se realiza mediante NVIDIA Holoscan, una plataforma de procesamiento de sensores de IA en el borde diseñada para cargas de trabajo de alto rendimiento y en tiempo real, operando en sistemas robustos como NVIDIA IGX Thor y NVIDIA DGX Spark.
Esta arquitectura de demostración no solo optimiza las capacidades actuales, sino que también ofrece una flexibilidad considerable para el desarrollo y la implementación futuros. Permite una integración únicamente por software, donde la aceleración de NVIDIA de dispositivos médicos existentes es posible mediante modificaciones de software utilizando "Data over DisplayPort". Además, facilita un enfoque de ultrasonido definido por software, lo que permite mejoras continuas y la introducción de nuevas funcionalidades a través de actualizaciones de software. La modularidad es clave, ya que con los datos de canal de ultrasonido brutos ya en la memoria de la GPU, se pueden integrar sin problemas nuevos modelos de IA.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
