Allcyte

Herausforderung & Lösung

In der Gründungsphase konnte die Firma auf institutionelle High-Performance-Computing (HPC) Ressourcen zurückgreifen. Als der Analysebedarf stieg und Allcyte sich zu einer unabhängigen Firma entwickelte, wurde die Bildanalyse auf die Google Cloud Platform (GCP) ausgelagert. Seit 2017 hat Allcyte Millionen von Bildern von Patientenproben analysiert, um die voraussichtliche klinische Wirksamkeit einer großen Anzahl von Krebsbehandlungen zeitgleich zu ermitteln -- vor dem Start kostenintensiver und risikobehafteter klinischer Studien.

Über Allcyte

Allcyte ist ein Biotech-Unternehmen, das fortgeschrittene Mikroskopie mit künstlicher Intelligenz verbindet, um die Krebsforschung voranzutreiben und so die Entwicklung neuer Medikamente unterstützt. Allcyte's innovative Pharmacoscopy®-Plattform ermöglicht es, die Wirksamkeit von Krebsmedikamenten auf der Einzelzellebene abzuschätzen. In Zusammenarbeit mit CLOUDPILOTS und Google implementierte Allcyte einen flexiblen GPU-Cluster, um die nächste Generation AI-gestützter Hochdurchsatzmikroskopie und Bildanalyse umzusetzen

Allcyte wurde als Spin-off des Forschungszentrums für Molekulare Medizin (CeMM) der Österreichischen Akademie der Wissenschaften gegründet. In der Gründungsphase konnte die Firma auf institutionelle High-Performance-Computing (HPC) Ressourcen zurückgreifen. Als der Analysebedarf stieg und Allcyte sich zu einer unabhängigen Firma entwickelte, wurde die Bildanalyse auf die Google Cloud Platform (GCP) ausgelagert. Seit 2017 hat Allcyte Millionen von Bildern von Patientenproben analysiert, um die voraussichtliche klinische Wirksamkeit einer großen Anzahl von Krebsbehandlungen zeitgleich zu ermitteln -- vor dem Start kostenintensiver und risikobehafteter klinischer Studien. Gestützt durch immer realistischere, patientenzentrierte Modelle hat sich die Pharmacoscopy® als ein effektives Werkzeug in den frühen Phasen des Wirkstoffentwicklungsprozesses sowie der Präzisionsmedizin bewährt. 

2019 war Allcyte’s Computational Team bereit für die nächste Herausforderung: wie kann Pharmacoscopy über den Blutkrebs hinaus auf vielschichtige Krebsindikationen angewendet werden? Disseminierte Tumorzellen (DTC) können im Verlauf mehrerer Krebsindikationen auftreten, einschließlich Pankreas-, Eierstock- und Lungenkrebs. Während Blutkrebszellen aber homogen sind und daher mit bewährten klassischen Bildanalysemethoden analysiert werden können, sind DTC morphologisch sehr durchmischt. Dies erfordert die präzise Erkennung komplexer Objekte im Hochdurchsatzverfahren; eine Aufgabe, für die moderne Region-based Convolutional Neural Networks (R-CNNs) ideal geeignet sind. Die Entwicklung dieser AI-Lösungen für die Pharmacoscopy® erforderte das schnelle Prototyping und die Bereitstellung einer neuartigen, GPU-basierten Analysepipeline in der Cloud.

Die neue DTC-Analysepipeline von Allcyte war aufgrund der Stoßweisen, anspruchsvollen Arbeitslast nicht für herkömmliche HPC-Umgebungen geeignet: Für eine lokale Lösung wäre es erforderlich gewesen, jederzeit überschüssige Kapazitäten aufrechtzuerhalten. Durch die Cloud-basierte Kubernetes-Lösung können Daten direkt von ihrem Standort in der Cloud abgerufen werden, während sich die verwendeten Maschinen flexibel im hochparallelen Betrieb ohne Netzwerkengpässe skalieren lassen. Durch die automatische Clusterskalierung können Dutzende von leistungsstarken GPU-Computern bei Spitzenanforderungen abgerufen und im Standby auf eine einzelne Maschine reduziert werden.

Neben den Leistungsanforderungen der Analyse stellt Allcyte hohe Anforderungen an Rückverfolgbarkeit und Reproduzierbarkeit. Gleichzeitig sollen kontinuierlich verbesserte Versionen von AI-Modellen nachvollziehbar sein. Um den Überblick zu behalten, setzt Allcyte auf die integrierte Überwachung durch Stackdriver. Zusätzlich erleichtert Cloud Build den Entwicklungs-, Integrations- und Bereitstellung-Zyklus, sodass eine neue Version der Software auf Github innerhalb weniger Minuten in eine einsatzfähige Form gebracht werden kann. Als Resultat wird somit jede einzelne Analyse nachverfolgbar und ist bis hinunter auf die spezifische Version der Softwareumgebung durchgängig reproduzierbar.