诺兰模型（加速医学影像AI的临床部署）

近日，在RSNA（北美放射学年会）上，英伟达发布了旗下开源医学影像 AI 框架 MONAI 的最新应用进展。

英伟达将提供 MONAI 应用包（MAP），打包AI模型，以供医学影像企业、机构轻松部署。目前，MAP 已被亚马逊云、谷歌云、微软 Azure、Oracle 云基础设施等主流云平台采用。

MONAI（Medical Open Network for Artificial Intelligence）的正式亮相是2020年4月，当时英伟达与伦敦国王学院共同宣布了 ProjeCT MONAI 的开源 alpha 版本。MONAI 针对医疗保健研究人员的需求进行了优化，并且可以与 PyTorch 和 Ignite 等深度学习框架一起运行。

近年来，医学影像 AI 快速发展，涌现了各类 AI 工具，但受限于复杂的工作流程、不统一的开发和部署标准，快速、大规模的临床应用尚未实现，这也是 MONAI 和 MAP 瞄准的痛点。

目前，MONAI 的下载量已超65万次，被盖伊和圣托马斯医院、英国国王学院医院等知名医疗机构采用。

英伟达表示，英国国家医疗服务体系（NHS）信托基金将使用 MONAI，提供面向脑卒中、失智症、心力衰竭、癌症等疾病的临床 AI 应用。

MAP “一包打尽”，已进入亚马逊云等主流云平台

MAP 由 MONAI Deploy 提供，作为一种 AI 模型的打包方式，旨在破解以往医疗机构部署AI模型的难题。

美国辛辛那提儿童医院正在创建MAP，以部署一个能够在CT影像中自动分割整体心脏容积的AI模型，为小儿心脏移植患者提供援助。

该医院的 Ryan Moore 博士表示，“如果想要在影像部门部署几个AI模型来帮助专家识别十几种不同的病症或实现医学影像报告的半自动化创建，需要耗费大量时间和资源来为每个模型寻求合适的硬件和软件基础设施。这在过去虽然‘可能’，但并不‘可行’。”

通过规范开发人员如何构建 AI 模型，并将其打包为可部署的临床应用程序，MAP 能够简化这一流程。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。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。

据了解，MONAI Deploy 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。

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。

目前，整合MONAI Deploy和MAP的云平台包括亚马逊云、谷歌云、微软 Azure、Oracle 云基础设施等。

亚马逊云将MAP接口整合进 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。

最近，英伟达也分别与微软 Azure驱动的Nuance精准成像网络、Oracle 云基础设施宣布开展合作。Nuance 精准成像网络是一个为12000多家医疗机构提供 AI 工具和洞察的云平台，接下来将与 MONAI 相结合。

Oracle 将包括 MONAI Deploy 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 Cloud Marketplace上的NVIDIA容器，通过MONAI Deploy来构建MAP。

此外，正在采用 MONAI Deploy 还有英国国家医疗服务体系（NHS）、Qure.ai、SimBioSys 与加州大学旧金山分校。

其中，英伟达初创加速计划成员企业 Qure.ai 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，其正在使用 MAP 来打包需要部署的解决方案，推动这些解决方案更快速地在临床发挥影响力。

SimBioSys 是一家位于芝加哥的NVIDIA初创加速计划成员企业，建立了患者肿瘤的3D虚拟表征，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。

MONAI 加速医学影像AI的大规模临床部署

在RSNA上，英伟达宣布与英国国家医疗服务体系（NHS）达成合作，NHS将使用基于 MONAI 构建的 AIDE 平台，为专业医务人员提供 AI 疾病检测工具。

英国公共医疗体系由 10 个NHS信托基金组成，预计 AIDE 平台将于明年推广到 11 家 NHS 医院，届时将为1800万名患者提供服务。

AIDE 的全称是 AI Deployment Engine，即 “AI 部署引擎” ，由英伟达和 AI Centre for Value Based Healthcare 联合构建，后者是一个由多家大学、医院和行业合作伙伴组成，并由伦敦国王学院与盖伊和圣托马斯医院 NHS 信托基金领导的联盟。

英伟达表示，AIDE 将于 12 月 7 日开源，并在 GitHub 上发布。

据介绍，MONAI 和 AIDE 的结合，能对医学影像 AI 模型进行安全且有效的验证、部署与评估。这些模型将被 NHS 用于诊断和治疗癌症、脑卒中、失智症等疾病。

目前，AIDE 平台目前正在四家医院部署，包括盖伊和圣托马斯医院、国王学院医院、东肯特医院大学和伦敦大学学院医院 NHS 信托基金等机构。这四家机构的专业医务人员每年服务于 500 万名患者。

国王学院医院 NHS 神经病学和数据科学教授 James Teo 认为，这项工作令人期待，“通过部署这一临床 AI 工具基础设施，我们可以将 AI 整合到医疗服务中。通过这些平台，临床医生能够扩展医疗 AI 工具的部署，进而有助于其制定能够提高患者护理速度与精度的决定。”

目前，AI Centre 已经开发出了能够提高 COVID-19、乳腺癌、脑肿瘤、脑卒中和失智症风险等疾病诊断准确率的算法。

AI Centre 人工智能转型业务负责人 Haris Shuaib 表示， 整体医疗卫生生态系统中的研究者、医院和初创企业已经开始意识到在工作中引入简化的 AI 流程能够带来的益处。MONAI 能够将数百种 AI 算法标准化，实现互操作性和影响的最大化，同时将原本三到六个月的部署时间缩短到仅有几周。

借助 AIDE， AI Centre 能够实现获批 AI 算法与患者病例的无缝安全连接，使数据无需离开医院信托基金。临床数据的分析结果将被送回电子病例，以助力制定临床决策，这为临床多学科团队的病情会诊又提供了颇具价值的数据来源，医院希望 AIDE 能够帮助加快这一流程，使患者受益。

“目前，大多数AI模型一直处于研发阶段，很少能够真正用于患者护理。”伦敦医学影像与AI中心Value-Based Healthcare项目首席技术官 Jorge Cardoso 认为，这正是 MONAI Deploy 发挥作用之处，帮助推动研发成果落地，实现更具影响力的临床AI。雷峰网 雷峰网