隨著技術的不斷發(fā)展，人工智能不斷深入場景，在各行各業(yè)廣泛落地應用。在醫(yī)療行業(yè)中，利用人工智能技術輔助醫(yī)生進行醫(yī)學影像閱片，能夠大幅提升效率，降低醫(yī)生的工作強度和病患的等待時間。

為了讓人工智能更好的服務于醫(yī)療行業(yè)，NVIDIA 推出了MONAI和Clara Holoscan兩個關鍵組件。NVIDIA 醫(yī)療業(yè)務發(fā)展總監(jiān) David Niewolny表示，醫(yī)學成像是醫(yī)療保健行業(yè)中最重要的工具之一，占到醫(yī)療保健數(shù)據(jù)中的 90% 以上。因此，在醫(yī)療保健的醫(yī)學成像系統(tǒng)中采用人工智能是非常重要的應用場景。根據(jù)介紹，目前已經有很多醫(yī)療保健行業(yè)正在快速采用人工智能技術，NVIDIA研究的數(shù)據(jù)則高達75%。 

在本次媒體溝通會上，David Niewolny針對MONAI技術以及在各大醫(yī)院的落地實踐，重點進行了分享。 

MONAI于2019年正式推出，是一個開源醫(yī)療特定的人工智能框架，用于在人工智能應用程序中大規(guī)模開發(fā)和部署模型。借助 MONAI，開發(fā)者能夠輕松構建和部署 AI 應用，創(chuàng)建出可用于臨床整合的模型，并更輕松地解讀醫(yī)學檢查結果，更深入地了解患者病情。 

據(jù)David Niewolny介紹，MONAI專為放射學，病理學和手術數(shù)據(jù)而設計，旨在加速人工智能的臨床轉化，特別是在醫(yī)學成像領域。因此，MONAI被稱為醫(yī)療保健的Pytorch。David Niewolny表示，AI 生命周期帶有預先訓練模型、AI 輔助標簽工具、最先進培訓技術（如聯(lián)邦學習和自監(jiān)督學習）。 

為了使得MONAI能夠更加輕松地將模型集成到臨床工作流中，NVIDIA還提供了MONAI應用包（MAP），其規(guī)格由MONAI Deploy工作組制定，該工作組由來自十幾家醫(yī)學影像機構的專家組成，目標是支持AI應用開發(fā)者以及運行AI應用的臨床和基礎設施平臺。 

對于開發(fā)者來說，MAP可以幫助研究者在臨床環(huán)境中輕松打包和測試模型，從而加速AI模型的演進。這使他們能夠采集真實世界的反饋，進而對AI進行完善和改進。除此之外，MAP能夠還能夠簡化部署流程。如果開發(fā)者使用MONAI Deploy應用軟件開發(fā)工具包來打包一個應用，醫(yī)院就可以輕松地在本地或云端運行這一應用。最后，MAP規(guī)格還整合了醫(yī)療IT標準，比如醫(yī)學影像互操作性標準DICOM等。 

對于云服務商來說，對（使用云原生技術設計的） MAP的支持能夠助力采用MONAI Deploy的研究者和企業(yè)通過容器或原生應用集成，在自己的平臺上運行AI應用。 

由于MONAI 標準化了醫(yī)療保健 IT 基礎架構中的應用程序開發(fā)、打包和部署，為此在研發(fā)界被廣泛采用，下載量超過 650，000 次，GitHub 項目超過 450 個，發(fā)表論文 160 篇，贏得 11 次 Kaggle 競賽。 

溝通會上，David Niewolny還通過辛辛那提兒童醫(yī)院醫(yī)療中心的合作，詳細介紹了MONAI在醫(yī)療行業(yè)的落地案例。據(jù)介紹，在心臟移值的手術中，由于人類心臟只能在大約 4 小時內存活時間，因此每一分鐘都非常重要。其中，一個重要的決策點是與捐助者的匹配，醫(yī)學成像數(shù)據(jù)和人體分割用于測量潛在供體心臟的大小。由于此過程容易出錯且耗時，需要 20 多分鐘才能完成。為此，辛辛那提兒童醫(yī)院研究小組開發(fā)了一種深度學習模型，使這一關鍵步驟自動化，只需幾秒鐘即可估計總心肌容量，大大提高了潛在匹配的機會。 

David Niewolny表示，需要心臟或肺移植的兒科患者往往遭受不必要的高死亡率，即使在有大量捐助者未被利用的情況下，也要在等候上花費大量的時間。辛辛那提兒童醫(yī)院醫(yī)療中心使用MONAI來擴展深度學習總心體積模型，該模型挽救許多兒童的生命。

除了辛辛那提兒童醫(yī)院之外，很多知名的醫(yī)療機構也在將MONAI運用到不同的應用中。例如英國國家醫(yī)療服務體系信托基金已在四家醫(yī)院部署了基于MONAI的AI部署引擎平臺——AIDE（AI Deployment Engine），致力于為專業(yè)醫(yī)務人員提供AI疾病檢測工具。

NVIDIA初創(chuàng)加速計劃成員Qure.ai使用MAP來打包需要部署的解決方案，開發(fā)了用于肺癌、腦外傷和肺結核等用例的醫(yī)學影像AI模型。芝加哥NVIDIA初創(chuàng)加速計劃成員企業(yè)建立了患者腫瘤的3D虛擬表征，并將MAP用于有助預測患者對特定治療會作何反應的精準醫(yī)療AI應用。加州大學舊金山分校正在為幾個AI模型開發(fā)MAP，包括髖部骨折檢測、肝臟和腦腫瘤分割、膝關節(jié)和乳腺癌分類等應用。

據(jù)David Niewolny介紹，除了大量的醫(yī)療行業(yè)案例之外，很多云廠商也在采用MONAI Deploy的研究者和企業(yè)通過容器或原生應用集成，在自己的平臺上運行AI應用。 

例如，MAP接口已被整合進HealthLake影像服務，使臨床醫(yī)生能夠實時查看、處理和分割醫(yī)學影像。Google Cloud的醫(yī)學影像套件使醫(yī)學影像數(shù)據(jù)變得更易于獲取、更具互操作性且更加實用。該套件已將MONAI整合到其平臺中，使臨床醫(yī)生能夠部署AI輔助注釋工具，助力實現(xiàn)人工和重復性醫(yī)學影像標記任務的自動化。

Microsoft Azure驅動的Nuance精準成像網(wǎng)絡將MONAI和Nuance精準成像網(wǎng)絡相結合。Oracle和NVIDIA最近宣布展開合作，將包括MONAI Deploy在內的醫(yī)療行業(yè)加速計算解決方案引入Oracle Cloud Infrastructure。即日起，開發(fā)者可使用Oracle Cloud Marketplace上的NVIDIA容器，通過MONAI Deploy來構建MAP。

正如David Niewolny所述，當前，大部分AI模型都處于研發(fā)階段，主要是由于缺乏一個專有標準。MONAI Deploy將有助于推動研發(fā)成果落地，實現(xiàn)更具影響力的臨床AI。?