Actualités

Le calcul parallèle accélère les procédures de détection du cancer

 
 

Chaque année, environ six millions de cas de cancer sont dépistés dans le monde. Un dépistage anticipé des cancers est l’une des clés de leur prévention. C’est dans cette optique qu’un nombre croissant de chercheurs exploite le calcul parallèle pour accélérer les diagnostics. Le 4 février dernier, à l’occasion de la Journée mondiale contre le cancer, notre équipe basée en Russie nous a transmis des informations relatives aux dernières avancées faites par les chercheurs utilisant la technologie NVIDIA pour améliorer la détection des cancers.

Le cancer est causé par une prolifération cellulaire anormale entraînant la formation de néoplasmes. La détection des néoplasmes sur les tissus vivants est très complexe et requiert des technologies biomédicales de pointe. La tomographie optique diffuse de fluorescence est l’un des outils de diagnostic les plus avancés de l’industrie. Elle permet d'analyser l'absorption et la dispersion de la lumière dans les tissus humains afin de détecter les proliférations cellulaires à risque.

Cette technologie consiste à injecter dans le corps des marqueurs spéciaux fluorescents s’accrochant aux cellules malignes. Quand les tissus sont éclairés par la lumière via une certaine longueur d’onde, les marqueurs spéciaux s’illuminent et permettent d’indiquer la localisation des proliférations cellulaires. L’inconvénient de ce test est que la lumière se disperse progressivement à travers le corps. Il est par conséquent plus difficile de localiser les marqueurs si les cellules malignes sont situées dans des tissus corporels plus difficiles d’accès.

Pour contourner ce problème, les chercheurs de l’Institut de physique appliquée de l’Académie russe des sciences (RAS) ont travaillé sur un programme d’étude de la propagation du rayonnement et de la lumière à travers les tissus humains. Ils ont développé des algorithmes de reconstruction des positions 3D des marqueurs fluorescents utilisés en tomographie optique diffuse de fluorescence.

Les chercheurs ont appliqué la méthode de Monte Carlo (qui utilise des techniques de génération aléatoire) afin de mener à bien les simulations. Les calculs requis pour exécuter ces simulations sont extrêmement intenses : une situation standard requiert de calculer environ un milliard de chemins aléatoires. Cette procédure, qui peut exiger un temps de calcul très long via les configurations uniquement basées sur les CPU, est particulièrement adaptée aux méthodes de traitement parallèle. Quand les scientifiques ont adopté un système basé sur des GPU multiples, le temps d’exécution des tests est passé de deux heures et demie à une minute et demie, soit une accélération de cent fois. Au final, les chercheurs ont pu calculer un plus grand nombre de chemins aléatoires en un temps réduit et par conséquent améliorer la précision des simulations.

La problématique de la dispersion de la lumière dans les tissus humains englobe un grand nombre de champs d’applications. Les oncologues qui traitent leurs patients via radiothérapie cherchent eux aussi à comprendre comment les radiations se propagent à travers les tissus et les structures internes. S’ils peuvent bénéficier de modèles plus précis, ils pourront améliorer l’alignement des procédures de radiation sur les cellules malignes et, à terme, sauver des vies humaines.

Ces nouvelles découvertes de l’équipe du RAS sont très prometteuses et nous sommes impatients de voir comment d’autres groupes de chercheurs parviendront à exploiter la puissance des GPU pour améliorer la recherche scientifique et médicale.



 
 
 
 
FacebookTwitterGoogle+LinkedInPinterest