助攻醫學影像AI模型臨床部 英偉達亮出打包利器

原標題：助攻醫學影像AI模型臨床部，英偉達亮出“打包”利器

智東西11月26日報道，美國AI計算巨頭英偉達（NVIDIA）在正在舉行的2022年北美放射學年會（RSNA2022）上宣布將提供MONAI應用包（MAP），以供醫療機構影像部門輕鬆部署AI模型。MAP已被AWS、谷歌雲、微軟Azure、Oracle雲基礎設施等主流雲平台採用。

MONAI是由英偉達和AI Centre共同開發的開源醫學影像AI框架，於2019年推出，被稱作“醫療健康的PyTorch”，用於對接AI應用與醫院系統。該框架下載量已超65萬次，可幫助開發者輕鬆構建和部署AI應用，創建出可用於臨床整合的模型，並更輕鬆地解讀醫學檢查結果，更深入地了解患者病情。

英國國家醫療服務體系（NHS）信託基金將使用MONAI，提供面向腦卒中、失智症、心力衰竭、癌症等疾病的臨床AI應用。

一、MAP“一包打盡”，已進入主流雲平台

MONAI應用包（MAP）為簡化AI應用開發工作而生，通過MONAI Deploy提供，其作為一種AI模型的打包方式，能夠更輕鬆地在現有醫療生態系統中進行部署。

辛辛那提兒童醫院的Ryan Moore博士談道，如果想要在影像部門部署幾個AI模型來幫助專家識別十幾種不同的病症或實現醫學影像報告的半自動化創建，需要耗費大量時間和資源來為每個模型尋求合適的硬件和軟件基礎設施。這在過去雖然“可能”，但並不“可行”。

MAP則可以簡化這一流程。如果開發者使用MONAI Deploy應用軟件開發工具包來打包一個應用，醫院就能輕鬆地在本地或雲端運行這一應用。MAP規格還整合了醫療IT標準，比如醫學影像互操作性標準DICOM等。

MAP規格由MONAI Deploy工作組制定。該工作組由來自十幾家醫學影像機構的專家組成，目標是支持AI應用開發者以及運行AI應用的臨床和基礎設施平台。

對於開發者來說，MAP可幫助研究者在臨床環境中輕鬆打包和測試模型，加速AI模型的演進。這使他們能夠採集真實世界的反饋，進而對AI進行完善和改進。

對於雲服務商來說，對（使用雲原生技術設計的） MAP的支持能夠助力採用MONAI Deploy的研究者和企業通過容器或原生應用集成，在自己的平台上運行AI應用。

整合MONAI Deploy和MAP的雲平台包括：Amazon HealthLake Imaging，MAP接口已被整合進HealthLake影像服務，使臨床醫生能夠實時查看、處理和分割醫學影像；谷歌雲，其醫學影像套件已將MONAI整合到其平台中，使臨床醫生能夠部署AI輔助註釋工具，助力實現人工和重複性醫學影像標記任務的自動化；微軟Azure，將MONAI和雲平台Nuance精準成像網絡相結合；Oracle雲基礎設施，引入包括MONAI Deploy在內的醫療行業加速計算解決方案，即日起開發者可使用Oracle Cloud Marketplace上的NVIDIA容器，通過MONAI Deploy來構建MAP。

世界各地的醫療機構、學術醫療中心和AI軟件開發商正在採用MONAI Deploy。

比如辛辛那提兒童醫院正在為一個能在CT影像中自動分割整體心臟容積的AI模型創建MAP，進而通過美國國立衛生研究院資助的一個項目，為小兒心臟移植患者提供援助。

NVIDIA初創加速計劃成員Qure.ai開發了用於肺癌、腦外傷和肺結核等用例的醫學影像AI模型，正使用MAP來打包需要部署的解決方案，推動這些解決方案更快速地在臨床發揮影響力。

加州大學舊金山分校正為髖部骨折檢測、肝臟和腦腫瘤分割、膝關節和乳腺癌分類等應用的AI模型開發MAP。

二、AI部署引擎明年推廣到11家NHS醫院

英國公共醫療體系由10個英國國家醫療服務體系（NHS）信託基金組成，目前正在其下屬的4家醫院部署基於MONAI構建的AIDE平台，為專業醫務人員提供AI疾病檢測工具。這幾家機構的專業醫務人員每年為500萬名患者提供服務。

AIDE全稱是AI Deployment Engine，即 “AI部署引擎”，預計將於明年推廣到11家NHS醫院，屆時將為1800萬患者提供服務。AIDE將於12月7日開源，並在GitHub上發布。

MONAI和AIDE結合，就能對醫學影像AI模型進行安全且有效的驗證、部署與評估。NHS將這些模型用於診斷和治療癌症、腦卒中、失智症等疾病。目前，蓋伊和聖托馬斯醫院、國王學院醫院、東肯特醫院大學和倫敦大學學院醫院NHS信託基金等機構正在部署該平台。

國王學院醫院NHS神經病學和數據科學教授 James Teo認為，這項工作令人期待，“通過部署這一臨床AI工具基礎設施，我們可以將AI整合到醫療服務中。通過這些平台，臨床醫生能夠擴展醫療AI工具的部署，進而有助於其制定能夠提高患者護理速度與精度的決定。”

“整體醫療衛生生態系統中的研究者、醫院和初創企業已經開始意識到在工作中引入簡化的 AI 流程能夠帶來的益處。”AI Centre人工智能轉型業務負責人Haris Shuaib說，“開源MONAI生態系統正致力於通過將數百種AI算法標準化，實現互操作性和影響的最大化，同時將原本3~6個月的部署時間縮短到僅有幾周。”

AI Centre for Value Based Healthcare是一個由多家大學、醫院和行業合作夥伴組成的聯盟，由倫敦國王學院與蓋伊和聖托馬斯醫院NHS信託基金領導。與AI Centre for Value Based Healthcare聯合構建的AIDE能夠為臨床醫生提供各種AI功能。通過該解決方案，臨床醫生能夠掌握更多關於患者的信息，使醫療數據更易於獲取且更具互操作性，進而提高患者的護理質量。

AI Centre已開發出可提高COVID-19、乳腺癌、腦腫瘤、腦卒中和失智症風險等疾病診斷準確率的算法。AIDE能夠實現獲批AI算法與患者病例的無縫安全連接，使數據無需離開醫院信託基金。

臨床數據的分析結果將被送回電子病例，以助力制定臨床決策。這為臨床多學科團隊的病情會診又提供了頗具價值的數據來源。醫院希望AIDE能夠幫助加快這一流程，使患者受益。

結語：加速AI應用大規模臨床部署

倫敦醫學影像與AI中心Value-Based Healthcare項目首席技術官Jorge Cardoso認為：“目前，大多數AI模型一直處於研發階段，很少能夠真正用於患者護理。MONAI Deploy將有助於推動研發成果落地，實現更具影響力的臨床AI。”

醫學影像是醫療健康中最重要的工具之一，並在近年來快速而廣泛地引入AI技術。據統計，90%以上的醫療數據都是影像數據。但受臨床工作流程的複雜性、缺乏AI應用開發和部署標準等因素的限制，醫療成像領域中絕大多數AI應用並未實現大規模的臨床部署。

英偉達正着力推動更多AI進入醫療健康市場，隨着MONAI在更多主流醫療機構普及，這也將拉動其GPU及商業軟件在該市場的採用率。其中MONAI顯然是個能夠讓臨床醫生和患者獲益的工具，通過提供專為醫學影像優化的深度學習基礎設施和工作流，簡化AI模型的構建流程，降低了從研發到臨床醫療工作流的複雜性，從而提高臨床醫生的操作效率，並最終改善患者體驗。