MONAI成像框架快速投入生产，加速医疗健康领域的AI应用

德国癌症研究中心、伦敦国王学院、麻省总医院、NVIDIA、斯坦福大学和范德堡大学采用MONAI开源AI成像框架。

MONAI（Medical Open Network for AI）是针对医疗健康领域进行优化的开源框架。即将发布的NVIDIA Clara 应用框架现已投入生产，用于医疗健康和生命科学领域的AI应用。

MONAI于4月推出，现已被领先的医疗健康研究机构采用。它是一个基于PyTorch的框架，可通过行业特定的数据处理、高性能训练工作流程、先进的可复现参考实现，使AI能够用于医疗成像的开发。

作为更新版Clara产品的一部分，MONAI将提供20多种预训练模型，包括最近为COVID-19开发的模型，以及针对NVIDIA DGX A100 GPU的最新训练优化。该优化可将训练速度提高六倍。

麻省总医院Athinoula A. Martinos生物医学成像中心QTIM实验室主任Jayashree Kalpathy-Cramer博士表示：“MONAI正在成为医疗健康领域的PyTorch，为数据科学家和临床医生之间更紧密的合作铺平了道路。借助联邦学习，MONAI在全球范围内的采用促进了全球合作。”

MONAI在医疗生态系统中被广泛采用。德国癌症研究中心、伦敦国王学院、麻省总医院、斯坦福大学和范德堡大学都在使用这一AI成像框架。MONAI被应用在从行业领先的成像竞赛，到9月举行的首个针对该框架的新手训练营的各个方面。该新手训练营吸引了来自40个国家的550多人注册参与，其中包括大学本科生。

范德堡大学的Bennett Landman博士表示：“MONAI已迅速成为了医疗健康领域首选的深度学习框架。从研究走向生产的这一步，对AI应用在临床护理中的落地来说至关重要。NVIDIA致力于社区驱动型科学研究，让学术界能够为可用于生产的框架做出贡献。这将有助于进一步创新，以构建企业就绪型特性。”

新特性

NVIDIA Clara为MONAI社区带来了AI辅助注释、联邦学习和生产部署方面的最新突破。

其最新版本为AI辅助注释带来了变革，使放射科医生可使用名为DeepGrow 3D的新模型。借此仅需原来十分之一的点击量，就能标记复杂的3D CT数据。传统的按图像或切片对器官或病变进行分割的方法非常耗时，对于像肝脏这样的大型器官，最多可能需要进行250次点击。而如今，用户可以通过更少的点击次数进行分割。

NVIDIA Clara的AI辅助注释工具和全新DeepGrow 3D功能可与Fovia Ai的F.A.S.T. AI注释软件相结合，用于标记训练数据，并协助放射科医生读片。Fovia提供XStream HDVR SDK套件，可通过业界领先的PACS查看器来查看DICOM图像。

要想解锁丰富的放射学数据集，AI辅助注释是关键。该技术最近还被用于标记美国国立卫生研究院癌症影像档案馆发布的公共COVID-19 CT数据集。随后，这一标记数据集被用于MICCAI认证的COVID-19肺部CT病变分割挑战赛中。

Clara联邦学习使全球20家医院在近期得以开展合作研究，从而为COVID-19患者开发通用AI模型。EXAM 模型可预测COVID-19患者的需氧量，其可通过NGC 软件注册表获取，并正在纽约西奈山卫生系统、巴西Diagnósticos da America SA、英国国立卫生研究院剑桥生物医学研究中心和美国国立卫生研究院中进行临床验证评估。

斯坦福大学生物医学数据科学、放射学和医学教授Daniel Rubin博士表示：“MONAI软件框架提供了用于训练和评估基于图像的深度学习模型的关键组件，其开源的方式助力培育不断壮大的社区，为联邦学习等令人振奋的进步做出贡献。”

NVIDIA还将NVIDIA Clara扩展到数字病理学应用。在这一领域，现有开源工具无法应对巨大的图像尺寸。用于病理学早期访问的Clara包含针对AI应用训练和部署的参考管线。

伦敦医学成像和AI价值医疗中心首席技术官Jorge Cardoso表示：“医疗健康数据的互操作性、模型部署和临床路径集成是一个日益复杂并相互交织的话题，涉及特定领域的专业知识。MONAI项目与NVIDIA Clara生态系统的其他部分相结合，有助于改善患者护理，优化医院运营。”