針對醫療領域進行優化的開源框架MONAI(Medical Open Network for AI)現已準備投入生產,同時用於人工智慧(AI)醫療與生命科學的NVIDIA Clara應用程式框架亦即將正式發布。
|
針對醫療領域進行優化的開源框架MONAI |
MONAI是一個以PyTorch為基礎的框架,於今年4月推出,目前已有多家頂尖的醫療研究機構採用,包括德國癌症研究中心(DKFZ)、倫敦國王學院(King’s College London)、麻省總醫院(Mass General)、史丹佛大學(Stanford)與范德堡大學(Vanderbilt)。
該架構透過處理特定產業資料、高效訓練工作流程,且可複製先進方法的參考實施(reference implementation),促進醫學影像AI技術發展。
NVIDIA表示,MONAI作為最新Clara產品的一部分,將提供超過二十個預先訓練的模型,包括最近為新冠肺炎(COVID-19)開發的模型,以及在NVIDIA DGX A100 GPU上完成的最新訓練優化項目,可將訓練處理時間提升6倍。
麻省總醫院Athinoula A. Martinos生物醫學影像中心QTIM實驗室主任Jayashree Kalpathy-Cramer博士表示:「MONAI將成為醫療領域的PyTorch,為資料科學家與臨床醫生間更緊密的合作奠定基礎。全球多個領域採用MONAI,將促進由聯合學習(聯邦學習)帶動的全球性合作。」
范德堡大學的Bennett Landman博士表示:「MONAI迅速成為醫療領域首選的深度學習框架。將此框架從研究移至生產,對於將人工智慧應用整合至臨床照護而言至關重要。NVIDIA致力於推動社區內科學的發展,讓學術界能為這個已準備好投入生產的框架做出貢獻,將有助於創造更多創新項目,打造適合企業使用的功能。」
MONAI獲各領域採用,從影像賽事到九月時首次舉行以MONAI框架為主的訓練營,吸引來自40國、超過550人報名參加。
NVIDIA Clara最新版本 推進MONAI創新突破
NVIDIA Clara為MONAI開發社群帶來AI輔助標註機制(AI-assisted annotation;AIAA)、聯合學習和生產部署方面最新的突破性進展。
NVIDIA Clara的最新版本為AI輔助標註機制新增了一個能改寫遊戲規則的功能,讓放射科醫生在使用名為DeepGrow 3D的全新模型時,只要十分之一的點擊次數,就能完成標註複雜的3D電腦斷層掃描(CT)資料。
過去傳統按照每張照片或每張切片來分割器官或病灶影像,最多要點擊250次,才能完成肝臟等大型器官的分割標註—現在使用者僅需幾次點擊便能完成。
NVIDIA Clara的AI輔助標註機制工具與全新的DeepGrow 3D功能,整合至Fovia Ai的F.A.S.T. AI Annotation軟體後,可用於標註訓練資料,並協助放射科醫生閱讀資料。Fovia提供的XStream HDVR SDK套件可用於檢視DICOM影像,該套件已整合至PACS檢視器中。
AI輔助標註機制是解鎖放射學豐富資料集的關鍵,最近被用於標註美國國家衛生研究院(NIH)癌症影像檔案館公開發布的COVID-19 CT影像資料集,這些標註好的資料集隨後被用於由MICCAI支持的COVID-19肺部CT影像病灶分割挑戰賽中。
Clara聯合學習近期促成全球二十間醫院攜手進行研究,並為COVID-19患者開發一個通用的AI模型,能在NGC軟體註冊表上取得用來預測COVID-19患者氧氣需求的EXAM模型,現正於紐約Mount Sinai Health System、巴西Diagnosticos da America SA、英國國家衛生研究院(NIHR)劍橋生物醫學研究中心以及美國國家衛生研究院進行臨床驗證評估。
史丹佛大學生物醫學資料科學、放射學與醫學系教授Daniel Rubin博士表示:「MONAI軟體框架為訓練與評估影像深度學習模型提供了關鍵要素,其開源的作法也培養出一個不斷擴大的社群,提出許多像是聯合學習等令人興奮的進展。」
MONAI加乘NVIDIA Clara生態系 提升數位病理應用綜效
NVIDIA將把NVIDIA Clara框架擴大用於數位病理應用。龐大的尺寸影像會讓現成的開源AI應用程式無法運作,因此,Clara針對病理學的早期試用方案,提供用於訓練和部署AI應用程式的參考管道。
倫敦國王學院醫療影像與人工智慧中心,負責Value-Based Healthcare計畫的技術長Jorge Cardoso 表示:「醫療資料互通性、模型部署與臨床路徑整合是一個日益複雜且密不可分的話題,其中又包含針對特定領域的專業知識。MONAI加上NVIDIA Clara生態系的其他部分,將共同提升患者照護品質,並協助醫院獲得最佳經營成效。」