NVIDIA MONAI は、研究開発結果の実装を促進し、医療業界における革新的な AI アプリケーションを強化します。

テクノロジーの継続的な発展に伴い、人工知能はシナリオに浸透し続け、あらゆる分野で広く使用されています。医療業界では、人工知能テクノロジーを使用して医師が医用画像を読み取るのを支援することで、効率が大幅に向上し、医師の作業強度と患者の待ち時間が短縮されます。

人工知能が医療業界により良いサービスを提供できるようにするために、NVIDIA は 2 つの主要コンポーネント、MONAI と Clara Holoscan を発売しました。 NVIDIA の医療ビジネス開発ディレクターである David Niewolny 氏は、医療画像処理は医療業界で最も重要なツールの 1 つであり、医療データの 90% 以上を占めていると述べました。したがって、医療用の医用画像システムでの人工知能の使用は、非常に重要なアプリケーション シナリオです。レポートによると、現在、多くの医療業界で人工知能テクノロジーの導入が急速に進んでおり、NVIDIA の研究データは 75% にも上ります。

このメディアコミュニケーション会議で、David Niewolny 氏は、MONAI テクノロジーの共有と主要病院でのその導入に焦点を当てました。

2019 年に正式にリリースされた MONAI は、人工知能アプリケーションで大規模なモデルを開発および展開するための、オープンソースのヘルスケア固有の人工知能フレームワークです。 MONAI を使用すると、開発者は AI アプリケーションを簡単に構築および展開し、臨床統合に使用できるモデルを作成し、医療検査結果をより簡単に解釈して患者の状態をより深く理解できるようになります。

David Niewolny 氏によると、MONAI は放射線学、病理学、外科データ向けに設計されており、特に医療画像分野における人工知能の臨床変革を加速することを目的としています。したがって、MONAIはヘルスケアのパイトーチと呼ばれています。 David Niewolny 氏は、AI ライフサイクルには、事前トレーニングされたモデル、AI 支援ラベル付けツール、最先端のトレーニング テクノロジー (フェデレーション ラーニングや自己教師あり学習など) が付属していると述べました。

MONAI が臨床ワークフローにモデルを統合しやすくするために、NVIDIA は MONAI アプリケーション パッケージ (MAP) も提供しています。この仕様は、MONAI Deploy ワーキング グループによって開発されました。この仕様は、世界の十数人の専門家で構成されています。 AI アプリケーション開発者と、AI アプリケーションを実行する臨床プラットフォームおよびインフラストラクチャ プラットフォームをサポートすることを目的とした医療画像機関の専門家チーム。

開発者にとって、MAP は研究者が臨床環境でモデルを簡単にパッケージ化してテストできるようにすることで、AI モデルの進化を加速します。これにより、現実世界のフィードバックを収集して AI を洗練し、改善することができます。さらに、MAP により展開プロセスも簡素化できます。開発者が MONAI Deploy アプリケーション開発キットを使用してアプリケーションをパッケージ化すると、病院はアプリケーションをローカルまたはクラウドで簡単に実行できます。最後に、MAP 仕様には、医療画像相互運用性標準 DICOM などの医療 IT 標準も統合されています。

クラウド サービス プロバイダーの場合、MAP (クラウド ネイティブ テクノロジーを使用して設計) のサポートにより、MONAI Deploy を使用する研究者や企業が、コンテナーまたはネイティブ アプリケーションの統合を通じて独自のプラットフォームで AI アプリケーションを実行できるようになります。

MONAI は、医療 IT インフラストラクチャにおけるアプリケーションの開発、パッケージ化、展開を標準化しているため、研究開発コミュニティで広く採用されており、ダウンロード数は 650,000 を超え、GitHub プロジェクトは 450 を超え、論文も出版されています。160 件の記事と 11 件の Kaggle を受賞しました。競技会。

デイビッド・ニーウォルニー氏はコミュニケーションミーティングで、シンシナティ小児病院医療センターとの協力による医療業界におけるMONAIの導入事例も詳しく紹介した。報告によると、心臓移植手術中、人間の心臓は約4時間しか生存できないため、1分1秒が非常に重要です。重要な決定点は、潜在的なドナーの心臓のサイズを測定するために使用される医療画像データおよび身体セグメンテーションとドナーを照合することです。このプロセスはエラーが発生しやすく時間がかかるため、完了までに 20 分以上かかります。この目的を達成するために、シンシナティ小児病院の研究チームは、この重要なステップを自動化し、わずか数秒で総心筋量を推定し、潜在的な一致の可能性を大幅に向上させる深層学習モデルを開発しました。心臓や肺の移植を必要とする小児患者は、未使用のドナーが多数いる場合でも、不必要に高い死亡率に悩まされ、長時間待つことが多いとデービッド・ニーウォルニー氏は述べた。シンシナティ小児病院医療センターは、MONAI を使用してディープラーニング総心臓容積モデルを拡張し、多くの子供の命を救っています。

シンシナティ小児病院に加えて、多くの有名な医療機関も MONAI をさまざまなアプリケーションに適用しています。たとえば、英国国民医療サービス信託基金は、MONAI ベースの AI 導入エンジン プラットフォームである AIDE (AI 導入エンジン) を 4 つの病院に導入し、専門の医療スタッフに AI 疾患検出ツールを提供することに取り組んでいます。

NVIDIA スタートアップ アクセラレーション プログラムのメンバーである Qure.ai は、MAP を使用して展開用のソリューションをパッケージ化し、肺がん、脳外傷、結核などのユースケース向けの医療画像 AI モデルを開発しています。 NVIDIA シカゴのスタートアップ アクセラレーション プログラムのメンバーである企業は、患者の腫瘍の 3D 仮想表現を構築し、患者が特定の治療法にどのように反応するかを予測するのに役立つ精密医療 AI アプリケーションに MAP を使用しています。 UCSF は、股関節骨折検出、肝臓および脳腫瘍のセグメンテーション、膝関節および乳がんの分類などのアプリケーションを含む、いくつかの AI モデル用の MAP を開発しています。

David Niewolny 氏によると、医療業界の多数の事例に加えて、多くのクラウド ベンダーも MONAI Deploy 研究者や企業を使用して、コンテナーまたはネイティブ アプリケーションの統合を通じて独自のプラットフォームで AI アプリケーションを実行しています。

たとえば、MAP インターフェイスは HealthLake 画像サービスに統合されており、臨床医は医療画像をリアルタイムで表示、処理、セグメント化できるようになります。 Google Cloud の医療画像スイートにより、医療画像データがよりアクセスしやすく、相互運用性が高まり、より便利になります。このスイートには MONAI がプラットフォームに統合されており、臨床医が AI 支援アノテーション ツールを展開して、手動および反復的な医療画像ラベル付けタスクを自動化できるようになります。

Microsoft Azure を利用した Nuance Precision Imaging Network は、MONAI と Nuance Precision Imaging Network を組み合わせたものです。オラクルとNVIDIAは最近、MONAIDeployを含むヘルスケア業界向けのアクセラレーション・コンピューティング・ソリューションをOracle Cloud Infrastructureに導入するための提携を発表しました。本日より、開発者はOracle CloudMarketplaceでNVIDIAコンテナを使用し、MONAI Deployを通じてMAPを構築できるようになります。

David Niewolny 氏が述べたように、現在、ほとんどの AI モデルは研究開発段階にあります。その主な理由は、独自の標準がないことです。 MONAI Deploy は、研究開発成果の実装を促進し、より影響力のある臨床 AI の実現を支援します。

以上がNVIDIA MONAI は、研究開発結果の実装を促進し、医療業界における革新的な AI アプリケーションを強化します。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。