助攻医学影像AI模型临床部 英伟达亮出打包利器-天天播资讯

原标题：助攻医学影像AI模型临床部，英伟达亮出“打包”利器

(资料图)

智东西11月26日报道，美国AI计算巨头英伟达（NVIDIA）在正在举行的2022年北美放射学年会（RSNA2022）上宣布将提供MONAI应用包（MAP），以供医疗机构影像部门轻松部署AI模型。MAP已被AWS、谷歌云、微软Azure、Oracle云基础设施等主流云平台采用。

MONAI是由英伟达和AI Centre共同开发的开源医学影像AI框架，于2019年推出，被称作“医疗健康的PyTorch”，用于对接AI应用与医院系统。该框架下载量已超65万次，可帮助开发者轻松构建和部署AI应用，创建出可用于临床整合的模型，并更轻松地解读医学检查结果，更深入地了解患者病情。

英国国家医疗服务体系（NHS）信托基金将使用MONAI，提供面向脑卒中、失智症、心力衰竭、癌症等疾病的临床AI应用。

一、MAP“一包打尽”，已进入主流云平台

MONAI应用包（MAP）为简化AI应用开发工作而生，通过MONAI Deploy提供，其作为一种AI模型的打包方式，能够更轻松地在现有医疗生态系统中进行部署。

辛辛那提儿童医院的Ryan Moore博士谈道，如果想要在影像部门部署几个AI模型来帮助专家识别十几种不同的病症或实现医学影像报告的半自动化创建，需要耗费大量时间和资源来为每个模型寻求合适的硬件和软件基础设施。这在过去虽然“可能”，但并不“可行”。

MAP则可以简化这一流程。如果开发者使用MONAI Deploy应用软件开发工具包来打包一个应用，医院就能轻松地在本地或云端运行这一应用。MAP规格还整合了医疗IT标准，比如医学影像互操作性标准DICOM等。

MAP规格由MONAI Deploy工作组制定。该工作组由来自十几家医学影像机构的专家组成，目标是支持AI应用开发者以及运行AI应用的临床和基础设施平台。

对于开发者来说，MAP可帮助研究者在临床环境中轻松打包和测试模型，加速AI模型的演进。这使他们能够采集真实世界的反馈，进而对AI进行完善和改进。

对于云服务商来说，对（使用云原生技术设计的） MAP的支持能够助力采用MONAI Deploy的研究者和企业通过容器或原生应用集成，在自己的平台上运行AI应用。

整合MONAI Deploy和MAP的云平台包括：Amazon HealthLake Imaging，MAP接口已被整合进HealthLake影像服务，使临床医生能够实时查看、处理和分割医学影像；谷歌云，其医学影像套件已将MONAI整合到其平台中，使临床医生能够部署AI辅助注释工具，助力实现人工和重复性医学影像标记任务的自动化；微软Azure，将MONAI和云平台Nuance精准成像网络相结合；Oracle云基础设施，引入包括MONAI Deploy在内的医疗行业加速计算解决方案，即日起开发者可使用Oracle Cloud Marketplace上的NVIDIA容器，通过MONAI Deploy来构建MAP。

世界各地的医疗机构、学术医疗中心和AI软件开发商正在采用MONAI Deploy。

比如辛辛那提儿童医院正在为一个能在CT影像中自动分割整体心脏容积的AI模型创建MAP，进而通过美国国立卫生研究院资助的一个项目，为小儿心脏移植患者提供援助。

NVIDIA初创加速计划成员Qure.ai开发了用于肺癌、脑外伤和肺结核等用例的医学影像AI模型，正使用MAP来打包需要部署的解决方案，推动这些解决方案更快速地在临床发挥影响力。

加州大学旧金山分校正为髋部骨折检测、肝脏和脑肿瘤分割、膝关节和乳腺癌分类等应用的AI模型开发MAP。

二、AI部署引擎明年推广到11家NHS医院

英国公共医疗体系由10个英国国家医疗服务体系（NHS）信托基金组成，目前正在其下属的4家医院部署基于MONAI构建的AIDE平台，为专业医务人员提供AI疾病检测工具。这几家机构的专业医务人员每年为500万名患者提供服务。

AIDE全称是AI Deployment Engine，即 “AI部署引擎”，预计将于明年推广到11家NHS医院，届时将为1800万患者提供服务。AIDE将于12月7日开源，并在GitHub上发布。

MONAI和AIDE结合，就能对医学影像AI模型进行安全且有效的验证、部署与评估。NHS将这些模型用于诊断和治疗癌症、脑卒中、失智症等疾病。目前，盖伊和圣托马斯医院、国王学院医院、东肯特医院大学和伦敦大学学院医院NHS信托基金等机构正在部署该平台。

国王学院医院NHS神经病学和数据科学教授 James Teo认为，这项工作令人期待，“通过部署这一临床AI工具基础设施，我们可以将AI整合到医疗服务中。通过这些平台，临床医生能够扩展医疗AI工具的部署，进而有助于其制定能够提高患者护理速度与精度的决定。”

“整体医疗卫生生态系统中的研究者、医院和初创企业已经开始意识到在工作中引入简化的 AI 流程能够带来的益处。”AI Centre人工智能转型业务负责人Haris Shuaib说，“开源MONAI生态系统正致力于通过将数百种AI算法标准化，实现互操作性和影响的最大化，同时将原本3~6个月的部署时间缩短到仅有几周。”

AI Centre for Value Based Healthcare是一个由多家大学、医院和行业合作伙伴组成的联盟，由伦敦国王学院与盖伊和圣托马斯医院NHS信托基金领导。与AI Centre for Value Based Healthcare联合构建的AIDE能够为临床医生提供各种AI功能。通过该解决方案，临床医生能够掌握更多关于患者的信息，使医疗数据更易于获取且更具互操作性，进而提高患者的护理质量。

AI Centre已开发出可提高COVID-19、乳腺癌、脑肿瘤、脑卒中和失智症风险等疾病诊断准确率的算法。AIDE能够实现获批AI算法与患者病例的无缝安全连接，使数据无需离开医院信托基金。

临床数据的分析结果将被送回电子病例，以助力制定临床决策。这为临床多学科团队的病情会诊又提供了颇具价值的数据来源。医院希望AIDE能够帮助加快这一流程，使患者受益。

结语：加速AI应用大规模临床部署

伦敦医学影像与AI中心Value-Based Healthcare项目首席技术官Jorge Cardoso认为：“目前，大多数AI模型一直处于研发阶段，很少能够真正用于患者护理。MONAI Deploy将有助于推动研发成果落地，实现更具影响力的临床AI。”

医学影像是医疗健康中最重要的工具之一，并在近年来快速而广泛地引入AI技术。据统计，90%以上的医疗数据都是影像数据。但受临床工作流程的复杂性、缺乏AI应用开发和部署标准等因素的限制，医疗成像领域中绝大多数AI应用并未实现大规模的临床部署。

英伟达正着力推动更多AI进入医疗健康市场，随着MONAI在更多主流医疗机构普及，这也将拉动其GPU及商业软件在该市场的采用率。其中MONAI显然是个能够让临床医生和患者获益的工具，通过提供专为医学影像优化的深度学习基础设施和工作流，简化AI模型的构建流程，降低了从研发到临床医疗工作流的复杂性，从而提高临床医生的操作效率，并最终改善患者体验。