[論文レビュー] Radiation therapy calculations using an on-demand virtual cluster via cloud computing

Roy Keyes, C Romano+2 more|arXiv (Cornell University)|Sep 27, 2010

Radiation Therapy and Dosimetry参考文献 6被引用数 12

ひとこと要約

本論文では、オンデマンドコンピューティングリソースを活用したクラウドベースの仮想クラスタを提案し、モンテカルロシミュレーションを用いた放射線治療の線量計算を高速化することを目的としている。アマゾン・ウェブ・サービス（AWS）と独自のフレームワーク（flsshd）を活用することで、スケーラブルで費用対効果に優れた分散コンピューティングを実証し、近似的な線形スループット向上（1/nの性能）を達成した。臨床的および研究的用途において、自社内クラスターよりも顕著な経済的利点を示した。

ABSTRACT

Computer hardware costs are the limiting factor in producing highly accurate radiation dose calculations on convenient time scales. Because of this, large-scale, full Monte Carlo simulations and other resource intensive algorithms are often considered infeasible for clinical settings. The emerging cloud computing paradigm promises to fundamentally alter the economics of such calculations by providing relatively cheap, on-demand, pay-as-you-go computing resources over the Internet. We believe that cloud computing will usher in a new era, in which very large scale calculations will be routinely performed by clinics and researchers using cloud-based resources. In this research, several proof-of-concept radiation therapy calculations were successfully performed on a cloud-based virtual Monte Carlo cluster. Performance evaluations were made of a distributed processing framework developed specifically for this project. The expected 1/n performance was observed with some caveats. The economics of cloud-based virtual computing clusters versus traditional in-house hardware is also discussed. For most situations, cloud computing can provide a substantial cost savings for distributed calculations.

研究の動機と目的

• 臨床現場におけるフルモンテカルロ線量計算の高い計算コストと長時間の実行時間を解消すること。
• 分散型オンデマンド放射線治療計算にクラウドコンピューティングを適用する可能性とパフォーマンスを評価すること。
• クラウドベースの仮想クラスタと従来の自社内コンピューティングインfra構造との間の経済的・パフォーマンス的トレードオフを比較すること。
• モンテカルロシミュレーションをクラウド上の仮想マシンで実行するための分散処理フレームワーク（flsshd）の開発および検証すること。
• クラウドコンピューティングを既存の治療計画システムおよび線量計算エンジンと統合する方法を検討すること。

提案手法

• オンデマンド仮想クラスタの計算ノードを構築するため、アマゾン・ウェブ・サービス（AWS）を活用し、分散モンテカルロシミュレーションを実行した。
• 仮想マシン間でのジョブ配布、実行、データ収集を管理するため、独自の分散処理フレームワーク「flsshd」を開発した。
• パフォーマンスとスケーラビリティを検証するため、単一のモンテカルロエンジンを用いたプロトタイプの放射線治療計算を実施した。
• 仮想マシン数（n）を変化させることでスケーリング性能を測定し、ネットワークおよびI/Oのオーバーヘッドによるわずかなずれを除き、期待される1/nのスループット向上が得られた。
• クラウドの従量課金制と自社内クラスタの資本および運用コストを比較することで、コスト効率を評価した。
• 患者情報の匿名化とAWSのコンプライアンスフレームワークを活用することで、HIPAAなどの規制遵守を確保した。

実験結果

リサーチクエスチョン

• RQ1 クラウドコンピューティングは、計算リソースを要するモンテカルロ放射線治療線量計算のためのスケーラブルで費用対効果に優れた代替手段として実現可能か？
• RQ2 オンデマンド仮想クラスタを用いた分散モンテカルロシミュレーションで、どの程度のパフォーマンス向上が達成可能か？
• RQ3 臨床的および研究的線量測定におけるクラウドベースのコンピューティングと従来の自社内クラスターデプロイメントのコストは、どのように比較されるか？
• RQ4 既存のモンテカルロ線量計算エンジンは、最小限の変更でクラウドベースのCPUクラスタに展開可能か、その範囲はどの程度か？
• RQ5 クラウドモデルは、放射線治療におけるバースト型ワークロード（例：マシンコミissionや治療計画最適化）をどの程度効果的にサポートできるか？

主な発見

• クラウドベースの仮想クラスタは、仮想マシン数の増加に伴い理論的な1/nの向上に近い近似的な線形スケーリングを達成した。
• クラウドの従量課金制は、特に稀発生またはバースト型ワークロードに適した多くの用途において、自社内クラスタの所有コストと比較して顕著なコスト削減を実現した。
• flsshdフレームワークは、最小限の構成オーバーヘッドで複数の仮想マシンにわたるモンテカルロシミュレーションの分散実行を効果的に管理した。
• 患者情報の匿名化とAWSのコンプライアンスフレームワークを活用することで、データセキュリティ上の懸念が軽減された。
• 本研究では、既存のモンテカルロエンジンがクラウドベースのCPUクラスタにほとんど変更なしに展開可能であることが確認され、既存の臨床ワークフローへのシームレスな統合が可能であることが示された。
• 著者らは、特に複雑または非定型の症例において、クラウドコンピューティングが高精度な放射線治療線量計算のための実用的でスケーラブルかつ経済的なソリューションであると結論づけた。