智東西（公衆号：zhidxcom）
作者 | ZeR0
編輯 | 漠影
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）上宣布将提供MONAI應用包（MAP），以供醫療機構影像部門輕松部署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采用。
MONAI是由英偉達和AI Centre共同開發的開源醫學影像AI架構，于2019年推出，被稱作“醫療健康的PyTorch”，用于對接AI應用與醫院系統。該架構下載下傳量已超65萬次，可幫助開發者輕松建構和部署AI應用，建立出可用于臨床整合的模型，并更輕松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）信托基金将使用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，能夠更輕松地在現有醫療生态系統中進行部署。
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模型來幫助專家識别十幾種不同的病症或實作醫學影像報告的半自動化建立，需要耗費大量時間和資源來為每個模型尋求合适的硬體和軟體基礎設施。這在過去雖然“可能”，但并不“可行”。
MAP則可以簡化這一流程。如果開發者使用MONAI Deploy應用軟體開發工具包來打包一個應用，醫院就能輕松地在本地或雲端運作這一應用。MAP規格還整合了醫療IT标準，比如醫學影像互操作性标準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，目标是支援AI應用開發者以及運作AI應用的臨床和基礎設施平台。
對于開發者來說，MAP可幫助研究者在臨床環境中輕松打包和測試模型，加速AI模型的演進。這使他們能夠采集真實世界的回報，進而對AI進行完善和改進。
對于雲服務商來說，對（使用雲原生技術設計的） MAP的支援能夠助力采用MONAI Deploy的研究者和企業通過容器或原生應用內建，在自己的平台上運作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檢視、處理和分割醫學影像；谷歌雲，其醫學影像套件已将MONAI整合到其平台中，使臨床醫生能夠部署AI輔助注釋工具，助力實作人工和重複性醫學影像标記任務的自動化；微軟Azure，将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在内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來建構MAP。
世界各地的醫療機構、學術醫療中心和AI軟體開發商正在采用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髒容積的AI模型建立MAP，進而通過美國國立衛生研究院資助的一個項目，為小兒心髒移植患者提供援助。
NVIDIA初創加速計劃成員Qure.ai開發了用于肺癌、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髋部骨折檢測、肝髒和腦惡性良性腫瘤分割、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）信托基金組成，目前正在其下屬的4家醫院部署基于MONAI建構的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”，預計将于明年推廣到11家NHS醫院，屆時将為1800萬患者提供服務。AIDE将于12月7日開源，并在GitHub上釋出。
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将這些模型用于診斷和治療癌症、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信托基金等機構正在部署該平台。
國王學院醫院NHS神經病學和資料科學教授 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，我們可以将AI整合到醫療服務中。通過這些平台，臨床醫生能夠擴充醫療AI工具的部署，進而有助于其制定能夠提高患者護理速度與精度的決定。”
“整體醫療衛生生态系統中的研究者、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生态系統正緻力于通過将數百種AI算法标準化，實作互操作性和影響的最大化，同時将原本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信托基金上司。與AI Centre for Value Based Healthcare聯合建構的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于患者的資訊，使醫療資料更易于擷取且更具互操作性，進而提高患者的護理品質。
AI Centre已開發出可提高COVID-19、乳腺癌、腦惡性良性腫瘤、腦卒中和失智症風險等疾病診斷準确率的算法。AIDE能夠實作獲批AI算法與患者病例的無縫安全連接配接，使資料無需離開醫院信托基金。
臨床資料的分析結果将被送回電子病例，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資料來源。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模型一直處于研發階段，很少能夠真正用于患者護理。MONAI Deploy将有助于推動研發成果落地，實作更具影響力的臨床AI。”
醫學影像是醫療健康中最重要的工具之一，并在近年來快速而廣泛地引入AI技術。據統計，90%以上的醫療資料都是影像資料。但受臨床工作流程的複雜性、缺乏AI應用開發和部署标準等因素的限制，醫療成像領域中絕大多數AI應用并未實作大規模的臨床部署。
英偉達正着力推動更多AI進入醫療健康市場，随着MONAI在更多主流醫療機構普及，這也将拉動其GPU及商業軟體在該市場的采用率。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模型的建構流程，降低了從研發到臨床醫療工作流的複雜性，進而提高臨床醫生的操作效率，并最終改善患者體驗。