將強大的人工智能工具交給世界領先的醫(yī)學研究人員，這是前所未有的重要。這就是為什么 NVIDIA 投資建立了一個與 MONAI ，人工智能的醫(yī)療開放網(wǎng)絡。 MONAI 通過提供加速圖像注釋、訓練最先進的深度學習模型和創(chuàng)建有助于推動研究突破的人工智能應用程序的工具，正在推動醫(yī)學成像的開放式創(chuàng)新。

開發(fā)特定領域的人工智能可能具有挑戰(zhàn)性，因為缺乏最佳實踐和開放藍圖會造成從研發(fā)到臨床評估和部署的各種障礙。研究人員需要一個共同的基礎來加快醫(yī)學人工智能研究創(chuàng)新的步伐。

創(chuàng)建項目 MONAI 背后的核心原則是將醫(yī)生與數(shù)據(jù)科學家聯(lián)合起來，以釋放醫(yī)學數(shù)據(jù)的力量。 MONAI 是一個由學術界和業(yè)界領袖建立的協(xié)作開源倡議，旨在建立和標準化醫(yī)療成像深度學習的最佳實踐。由成像研究社區(qū)創(chuàng)建，為成像研究社區(qū)， MONAI 正在加速醫(yī)學人工智能工作流的深度學習模型和可部署應用程序的創(chuàng)新。

幫助指導 MONAI 的愿景和使命 咨詢委員會 以及九個工作組，由整個醫(yī)學研究界的思想領袖領導。這些重點工作組使這些領域的領導人能夠集中精力，為社區(qū)做出有效貢獻。這個 工作組 歡迎任何人參加。

MONAI 是一個基于 PyTorch 的開源框架，用于在醫(yī)療保健領域構建、培訓、部署和優(yōu)化人工智能工作流。它專注于提供高質量、用戶友好的軟件，以促進再現(xiàn)性和易于集成。通過這些租戶，研究人員可以分享他們的研究結果，并在彼此的工作基礎上進一步發(fā)展，促進學術和行業(yè)研究人員之間的合作。

MONAI 中的一套庫、工具和 SDK 提供了一個強大的通用基礎，涵蓋了從注釋到部署的端到端醫(yī)療 AI 生命周期。

醫(yī)學圖像注釋和分割

MONAI 標簽 是一種智能圖像標記和學習工具，使用人工智能幫助減少注釋新數(shù)據(jù)集的時間和工作量。利用用戶交互， MONAI Label 為特定任務訓練人工智能模型，當模型接收到附加注釋圖像時，不斷學習并更新模型。

MONAI Label 提供了多個示例應用程序，其中包括最先進的交互式分割方法，如 DeepGrow 和 DeepEdit 。這些示例應用程序已準備就緒，可以使用開箱即用的方式快速開始注釋。開發(fā)人員還可以使用創(chuàng)造性算法構建自己的 MONAI 標簽應用程序。

客戶端集成幫助臨床醫(yī)生、放射科醫(yī)生和病理學家在其典型的工作流程中與 MONAI 標簽應用程序交互。這些臨床交互不是休眠的，因為專家可以更正注釋并立即觸發(fā)訓練循環(huán)，以使模型適應動態(tài)輸入。

MONAI Label 集成了 3D 切片器、 OHIF （用于放射學）和 QuPath （用于病理學）以及數(shù)字幻燈片存檔。開發(fā)人員還可以通過使用服務器和客戶端 API 將 MONAI 標簽集成到他們的自定義查看器中，這些 API 經過良好的抽象和記錄，可以實現(xiàn)無縫集成。

圖 1. MONAI 標簽架構

領域特定算法和研究管道

MONAI Core 是 MONAI 項目的旗艦庫，提供特定于領域的功能，用于訓練醫(yī)療成像的人工智能模型。這些功能包括醫(yī)學特定的圖像變換、最先進的基于變換器的三維分割算法（如 UNETR ）和名為 DiNTS 的 AutoML 框架。

有了這些基礎組件，用戶可以將 MONAI 的領域專用組件集成到他們現(xiàn)有的 PyTorch 程序中。用戶還可以在工作流級別與 MONAI 交互，以便于進行穩(wěn)健的訓練和研究實驗。一組豐富的功能示例演示了與其他開源軟件包（如 PyTorch Lightning 、 PyTorch Ignite 和 NVIDIA FLARE ）的功能和集成。最后，包括用于自監(jiān)督學習、 AutoML 、 3D 視覺轉換器和 3D 分割的最先進的可再現(xiàn)研究管道。

圖 2. MONAI 核心上最先進的研究管道

將醫(yī)學人工智能部署到臨床生產中

87% 的數(shù)據(jù)科學項目 永遠不要投入生產。跨越模型和可部署應用程序之間的鴻溝需要幾個步驟。這些包括選擇正確的 DICOM 數(shù)據(jù)集、預處理輸入圖像、執(zhí)行推理、導出結果、可視化結果以及進一步應用優(yōu)化。

MONAI 部署 旨在成為臨床生產中開發(fā)包裝、測試、部署和運行醫(yī)療 AI 應用程序的事實標準。 MONAI 部署創(chuàng)建了一組中間步驟，研究人員和醫(yī)生可以在這些步驟中建立對人工智能使用的技術和方法的信心。這會產生一個迭代工作流，直到 AI 推理基礎設施為臨床環(huán)境做好準備。

MONAI 部署應用程序 SDK 使開發(fā)人員能夠采用人工智能模型并將其轉化為人工智能應用程序。在上可用 github MONAI Deploy 還正在構建推理編排引擎、信息學網(wǎng)關和工作流管理器的開放參考實現(xiàn)，以幫助推動臨床集成。

圖 3.Deploy 的模塊化開放參考部署框架

推進醫(yī)學人工智能

世界領先的研究中心，包括倫敦國王學院、 NIH 國家癌癥研究所、 NHS 蓋伊和圣托馬斯信托基金會、斯坦福大學、馬薩諸塞州布里格姆將軍和梅奧診所正在使用 MONAI 進行建設和出版。 AWS 、谷歌云和微軟等集成合作伙伴都在各自的平臺上挺身而出。迄今為止， MONAI 已獲得超過 425000 次下載，擁有 190 多名貢獻者，他們發(fā)表了 140 多篇研究論文。

MONAI 的開創(chuàng)性研究是由其開放的貢獻者社區(qū)的增長推動的。這些研究人員和創(chuàng)新者一起在一個跨越整個醫(yī)療人工智能項目生命周期的平臺上合作開發(fā)人工智能最佳實踐。從培訓到部署， MONAI 將醫(yī)療保健界聚集在一起，以釋放醫(yī)療數(shù)據(jù)的力量，并加速人工智能的臨床影響。

關于作者

Prerna Dogra 是 NVIDIA 醫(yī)療保健部門的產品經理，負責領導 Clara 應用程序框架，致力于使開發(fā)人員能夠利用實時分析、人工智能和高級可視化技術改造醫(yī)療成像行業(yè)。

Nate Bradford 是 NVIDIA 的醫(yī)療內容經理，分享 AI 框架和解決方案，以幫助開發(fā)人員、研究人員和創(chuàng)新者完成畢生的工作。從加速新療法的發(fā)現(xiàn)到實現(xiàn)醫(yī)療設備的實時傳感，人工智能正在開創(chuàng)醫(yī)療保健的新時代。

審核編輯：郭婷