NVIDIA MONAI助于推动研发成果落地，赋能医疗行业AI创新应用

今天golang学习网给大家带来了《NVIDIA MONAI助于推动研发成果落地，赋能医疗行业AI创新应用》，其中涉及到的知识点包括等等，无论你是小白还是老手，都适合看一看哦~有好的建议也欢迎大家在评论留言，若是看完有所收获，也希望大家能多多点赞支持呀！一起加油学习~

随着技术的不断发展，人工智能不断深入场景，在各行各业广泛落地应用。在医疗行业中，利用人工智能技术辅助医生进行医学影像阅片，能够大幅提升效率，降低医生的工作强度和病患的等待时间。

为了让人工智能更好的服务于医疗行业，NVIDIA 推出了MONAI和Clara Holoscan两个关键组件。NVIDIA 医疗业务发展总监 David Niewolny表示，医学成像是医疗保健行业中最重要的工具之一，占到医疗保健数据中的 90% 以上。因此，在医疗保健的医学成像系统中采用人工智能是非常重要的应用场景。根据介绍，目前已经有很多医疗保健行业正在快速采用人工智能技术，NVIDIA研究的数据则高达75%。 

在本次媒体沟通会上，David Niewolny针对MONAI技术以及在各大医院的落地实践，重点进行了分享。 

MONAI于2019年正式推出，是一个开源医疗特定的人工智能框架，用于在人工智能应用程序中大规模开发和部署模型。借助 MONAI，开发者能够轻松构建和部署 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。 

据David Niewolny介绍，MONAI专为放射学，病理学和手术数据而设计，旨在加速人工智能的临床转化，特别是在医学成像领域。因此，MONAI被称为医疗保健的Pytorch。David Niewolny表示，AI 生命周期带有预先训练模型、AI 辅助标签工具、最先进培训技术（如联邦学习和自监督学习）。 

为了使得MONAI能够更加轻松地将模型集成到临床工作流中，NVIDIA还提供了MONAI应用包（MAP），其规格由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可以帮助研究者在临床环境中轻松打包和测试模型，从而加速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。除此之外，MAP能够还能够简化部署流程。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，医院就可以轻松地在本地或云端运行这一应用。最后，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。 

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。 

由于MONAI 标准化了医疗保健 IT 基础架构中的应用程序开发、打包和部署，为此在研发界被广泛采用，下载量超过 650，000 次，GitHub 项目超过 450 个，发表论文 160 篇，赢得11 次 Kaggle 竞赛。 

沟通会上，David Niewolny还通过辛辛那提儿童医院医疗中心的合作，详细介绍了MONAI在医疗行业的落地案例。据介绍，在心脏移值的手术中，由于人类心脏只能在大约 4 小时内存活时间，因此每一分钟都非常重要。其中，一个重要的决策点是与捐助者的匹配，医学成像数据和人体分割用于测量潜在供体心脏的大小。由于此过程容易出错且耗时，需要 20 多分钟才能完成。为此，辛辛那提儿童医院研究小组开发了一种深度学习模型，使这一关键步骤自动化，只需几秒钟即可估计总心肌容量，大大提高了潜在匹配的机会。 

David Niewolny表示，需要心脏或肺移植的儿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况下，也要在等候上花费大量的时间。辛辛那提儿童医院医疗中心使用MONAI来扩展深度学习总心体积模型，该模型挽救许多儿童的生命。

除了辛辛那提儿童医院之外，很多知名的医疗机构也在将MONAI运用到不同的应用中。例如英国国家医疗服务体系信托基金已在四家医院部署了基于MONAI的AI部署引擎平台——AIDE（AI Deployment Engine），致力于为专业医务人员提供AI疾病检测工具。

NVIDIA初创加速计划成员Qure.ai使用MAP来打包需要部署的解决方案，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。芝加哥NVIDIA初创加速计划成员企业建立了患者肿瘤的3D虚拟表征，并将MAP用于有助预测患者对特定治疗会作何反应的精准医疗AI应用。加州大学旧金山分校正在为几个AI模型开发MAP，包括髋部骨折检测、肝脏和脑肿瘤分割、膝关节和乳腺癌分类等应用。

据DavidNiewolny介绍，除了大量的医疗行业案例之外，很多云厂商也在采用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。 

例如，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。Google Cloud的医学影像套件使医学影像数据变得更易于获取、更具互操作性且更加实用。该套件已将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。

MicrosoftAzure驱动的Nuance精准成像网络将MONAI和Nuance精准成像网络相结合。Oracle和NVIDIA最近宣布展开合作，将包括MONAIDeploy在内的医疗行业加速计算解决方案引入Oracle Cloud Infrastructure。即日起，开发者可使用Oracle CloudMarketplace上的NVIDIA容器，通过MONAI Deploy来构建MAP。

正如David Niewolny所述，当前，大部分AI模型都处于研发阶段，主要是由于缺乏一个专有标准。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。​

文中关于NVIDIA,MONAI的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《NVIDIA MONAI助于推动研发成果落地，赋能医疗行业AI创新应用》文章吧，也可关注golang学习网公众号了解相关技术文章。