首頁  >  文章  >  科技週邊  >  建構AI醫學影像生態系統 NVIDIA MONAI讓醫療人工智慧加速落地

建構AI醫學影像生態系統 NVIDIA MONAI讓醫療人工智慧加速落地

王林
王林轉載
2023-04-12 16:19:11926瀏覽

這些年,醫療人工智慧迎來快速發展,影像AI、新藥研發AI、機器人AI、智慧醫院等細分場景不斷湧現。 AI加速的醫療服務可以推動人體生理學、所有疾病,甚至醫院運作等各方面的相關工作。

在RSNA大會上,NVIDIA分享了協助建構AI醫學影像生態系統的實務。其中,MONAI是一個採用NVIDIA技術加速的開源醫學影像AI框架,其下載量目前已超65萬次。透過MONAI應用套件(MAP),MONAI就能更輕鬆地將模型整合到臨床工作流程中。

將醫學影像AI部署到MAP

目前,醫院如果想要在影像部門部署幾個AI模型來幫助專家識別十幾種不同的病症或實現醫學影像報告的半自動化創建,需要耗費大量時間和資源來為每個模型尋求合適的硬體和軟體基礎設施。

构建AI医学影像生态系统 NVIDIA MONAI让医疗人工智能加速落地

MAP透過MONAI Deploy提供,其作為一種AI模型的包裝方式,能夠更輕鬆地在現有醫療生態系統中進行部署。

MAP規格由MONAI Deploy工作小組所訂定。該工作小組由來自十幾家醫學影像機構的專家組成,目標是支援AI應用開發者以及運行AI應用的臨床和基礎設施平台。

如果開發者使用MONAI Deploy應用軟體開發工具包來打包一個應用,醫院就可以輕鬆地在本地或雲端運行這項應用。 MAP規格也整合了醫療IT標準,例如醫學影像互通性標準DICOM等。

對於開發者來說,MAP可以幫助研究者在臨床環境中輕鬆打包和測試模型,從而加速AI模型的演進。這使他們能夠採集真實世界的回饋,進而對AI進行完善和改進。

對於雲端服務商來說,對(使用雲端原生技術設計的) MAP的支援能夠協助採用MONAI Deploy的研究者和企業透過容器或原生應用集成,在自己的平台上運行AI應用。整合MONAI Deploy和MAP的雲端平台包括:

Amazon HealthLake Imaging:MAP介面已整合進HealthLake影像服務,讓臨床醫師能夠即時檢視、處理和分割醫學影像。

Google Cloud:Google Cloud的醫學影像套件使醫學影像資料變得更易於取得、更具互通性且更加實用。該套件已將MONAI整合到其平台中,使臨床醫生能夠部署AI輔助註釋工具,協助實現人工和重複性醫學影像標記任務的自動化。

Microsoft Azure驅動的Nuance精準成像網路:Nuance和NVIDIA最近宣布展開合作,將MONAI和Nuance精準成像網路結合。 Nuance精準成像網路是一個為12,000多家醫療機構提供AI工具和洞察的雲端平台。

Oracle Cloud Infrastructure:Oracle和NVIDIA最近宣布展開合作,將包括MONAI Deploy在內的醫療產業加速運算解決方案引入Oracle Cloud Infrastructure。即日起,開發者可使用Oracle Cloud Marketplace上的NVIDIA容器,透過MONAI Deploy來建置MAP。

MONAI Deploy得到醫院和醫療新創公司的採用

來自世界各地的醫療機構、學術醫療中心和AI軟體開發商正在採用MONAI Deploy,包括:

辛辛那提兒童醫院:該學術醫療中心正在為一個能夠在CT影像中自動分割整體心臟容積的AI模型創建MAP,進而透過美國國立衛生研究院資助的一個項目,為小兒心臟移植患者提供協助。

英國國家醫療服務體系(NHS):NHS信託基金已在四家醫院部署了基於MONAI的AI部署引擎平台-AIDE(AI Deployment Engine),致力於為專業醫護人員提供AI疾病檢測工具。這些醫務人員每年為500萬名患者提供服務。

AIDE的全名是 AI Deployment Engine,即 “AI部署引擎” ,預計將於明年推廣到11家NHS醫院,屆時將為1800萬患者提供服務,為臨床醫生提供AI功能。 AIDE基於MONAI建置。 MONAI是由NVIDIA和AI Centre共同開發的開源醫學影像AI框架,可用於對接AI應用與醫院系統。

构建AI医学影像生态系统 NVIDIA MONAI让医疗人工智能加速落地

透過MONAI和AIDE的結合,就能對醫學影像AI模型進行安全且有效的驗證、部署與評估。這些模型將被NHS用於診斷和治療癌症、腦中風、失智症等疾病。目前,蓋伊和聖托馬斯醫院、國王學院醫院、東肯特醫院大學和倫敦大學學院醫院NHS信託基金等機構正在部署該平台。

Qure.ai:NVIDIA新創加速計畫成員Qure.ai開發了用於肺癌、腦外傷和結核病等用例的醫學影像AI模型。該公司正在使用MAP來打包需要部署的解決方案,推動這些解決方案更快速地在臨床上發揮影響力。

SimBioSys:這家位於芝加哥的NVIDIA新創加速計畫成員企業建立了病患腫瘤的3D虛擬表徵,並將MAP用於有助預測病患對特定治療會作何反應的精準醫療AI應用。

加州大學舊金山分校:加州大學舊金山分校正在為幾個AI模型開發MAP,包括髖部骨折檢測、肝臟和腦腫瘤分割、膝關節和乳癌分類等應用。

結論

2019年推出的MONAI降低了從研發到臨床醫療工作流程的複雜性。透過MONAI,開發者能夠輕鬆建構和部署AI應用,創建出可用於臨床整合的模型,並更輕鬆地解讀醫學檢查結果,更深入地了解患者病情。

隨著AI技術在醫療產業的普及落地,MONAI提供專為醫學影像優化的深度學習基礎設施和工作流程,能夠充分發揮醫學影像資料的作用和潛力,簡化AI模型的建構流程。

以上是建構AI醫學影像生態系統 NVIDIA MONAI讓醫療人工智慧加速落地的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文轉載於:51cto.com。如有侵權,請聯絡admin@php.cn刪除