NVIDIA MONAI fördert die Umsetzung von Forschungs- und Entwicklungsergebnissen und ermöglicht innovative KI-Anwendungen in der Medizinbranche

Mit der kontinuierlichen Weiterentwicklung der Technologie dringt künstliche Intelligenz immer weiter in Szenarien ein und wird in allen Lebensbereichen weit verbreitet eingesetzt. In der medizinischen Industrie kann der Einsatz künstlicher Intelligenz zur Unterstützung von Ärzten beim Lesen medizinischer Bilder die Effizienz erheblich verbessern und die Arbeitsintensität der Ärzte sowie die Wartezeit der Patienten verkürzen.

Damit künstliche Intelligenz die Medizinbranche besser bedienen kann, hat NVIDIA zwei Schlüsselkomponenten auf den Markt gebracht: MONAI und Clara Holoscan. David Niewolny, Direktor für medizinische Geschäftsentwicklung bei NVIDIA, sagte, dass die medizinische Bildgebung eines der wichtigsten Instrumente in der Gesundheitsbranche sei und mehr als 90 % der Gesundheitsdaten ausmache. Daher ist der Einsatz künstlicher Intelligenz in medizinischen Bildgebungssystemen für das Gesundheitswesen ein sehr wichtiges Anwendungsszenario. Berichten zufolge setzen viele Branchen im Gesundheitswesen derzeit schnell auf die Technologie der künstlichen Intelligenz, und NVIDIA-Forschungsdaten liegen bei bis zu 75 %.

Bei diesem Treffen zur Medienkommunikation konzentrierte sich David Niewolny auf den Austausch der MONAI-Technologie und deren Implementierung in großen Krankenhäusern.

MONAI wurde 2019 offiziell eingeführt und ist ein Open-Source-Framework für künstliche Intelligenz im Gesundheitswesen zur Entwicklung und Bereitstellung von Modellen im großen Maßstab in Anwendungen der künstlichen Intelligenz. Mit MONAI können Entwickler ganz einfach KI-Anwendungen erstellen und bereitstellen, Modelle erstellen, die für die klinische Integration verwendet werden können, und medizinische Testergebnisse einfacher interpretieren, um ein tieferes Verständnis des Patientenzustands zu erlangen.

Laut David Niewolny ist MONAI für Radiologie, Pathologie und chirurgische Daten konzipiert und zielt darauf ab, die klinische Transformation künstlicher Intelligenz, insbesondere im Bereich der medizinischen Bildgebung, zu beschleunigen. Daher wird MONAI als Pytorch des Gesundheitswesens bezeichnet. David Niewolny sagte, dass der KI-Lebenszyklus vorab trainierte Modelle, KI-gestützte Kennzeichnungstools und modernste Trainingstechnologien (wie föderiertes Lernen und selbstüberwachtes Lernen) umfasst.

Um MONAI die Integration von Modellen in klinische Arbeitsabläufe zu erleichtern, stellt NVIDIA außerdem das MONAI Application Package (MAP) zur Verfügung, dessen Spezifikationen von der MONAI Deploy-Arbeitsgruppe entwickelt wurden, die aus Experten von mehr als einem Dutzend Institutionen für medizinische Bildgebung besteht. Das aus Experten bestehende Ziel besteht darin, KI-Anwendungsentwickler sowie klinische und Infrastrukturplattformen zu unterstützen, auf denen KI-Anwendungen ausgeführt werden.

Für Entwickler kann MAP Forschern dabei helfen, Modelle einfach in klinischen Umgebungen zu verpacken und zu testen und so die Entwicklung von KI-Modellen zu beschleunigen. Dadurch können sie reales Feedback sammeln, um die KI zu verfeinern und zu verbessern. Darüber hinaus kann MAP auch den Bereitstellungsprozess vereinfachen. Wenn Entwickler das Anwendungsentwicklungskit MONAI Deploy zum Verpacken einer Anwendung verwenden, können Krankenhäuser die Anwendung problemlos lokal oder in der Cloud ausführen. Schließlich integriert die MAP-Spezifikation auch medizinische IT-Standards, wie beispielsweise den Interoperabilitätsstandard für medizinische Bildgebung DICOM.

Für Cloud-Dienstanbieter kann die Unterstützung von MAP (entwickelt mit Cloud-nativer Technologie) Forschern und Unternehmen, die MONAI Deploy verwenden, dabei helfen, KI-Anwendungen auf ihren eigenen Plattformen durch Container- oder native Anwendungsintegration auszuführen.

Da MONAI die Anwendungsentwicklung, Paketierung und Bereitstellung in der IT-Infrastruktur des Gesundheitswesens standardisiert, wurde es in der F&E-Community mit über 650.000 Downloads, über 450 GitHub-Projekten, 160 veröffentlichten Artikeln und dem Gewinn von 11 Kaggle-Wettbewerben weit verbreitet.

Beim Kommunikationstreffen stellte David Niewolny auch ausführlich den Implementierungsfall von MONAI in der medizinischen Industrie durch die Zusammenarbeit mit dem Cincinnati Children's Hospital Medical Center vor. Berichten zufolge ist bei Herztransplantationen jede Minute sehr wichtig, da das menschliche Herz nur etwa 4 Stunden überleben kann. Ein wichtiger Entscheidungspunkt ist das Matching von Spendern, bei dem medizinische Bildgebungsdaten und Körpersegmentierung verwendet werden, um die Größe potenzieller Spenderherzen zu messen. Da dieser Vorgang fehleranfällig und zeitaufwändig ist, dauert er mehr als 20 Minuten. Zu diesem Zweck hat ein Forschungsteam des Cincinnati Children's Hospital ein Deep-Learning-Modell entwickelt, das diesen entscheidenden Schritt automatisiert und das gesamte Myokardvolumen in nur wenigen Sekunden schätzt, was die Chancen einer möglichen Übereinstimmung erheblich erhöht.

David Niewolny sagte, dass pädiatrische Patienten, die eine Herz- oder Lungentransplantation benötigen, oft unter unnötig hohen Sterblichkeitsraten leiden und viel Zeit mit Warten verbringen, selbst wenn es eine große Anzahl ungenutzter Spender gibt. Das Cincinnati Children's Hospital Medical Center nutzt MONAI, um ein Deep-Learning-Modell des gesamten Herzvolumens zu skalieren, das vielen Kindern das Leben rettet.

Neben dem Cincinnati Children’s Hospital nutzen auch viele bekannte medizinische Einrichtungen MONAI in verschiedenen Anwendungen. Beispielsweise hat der britische National Health Service Trust Fund die MONAI-basierte KI-Bereitstellungsplattform AIDE (AI Deployment Engine) in vier Krankenhäusern eingesetzt, um professionelles medizinisches Personal mit KI-Tools zur Krankheitserkennung zu versorgen.

NVIDIA Startup Acceleration Program-Mitglied Qure.ai nutzt MAP, um Lösungen für den Einsatz zu bündeln und hat KI-Modelle für die medizinische Bildgebung für Anwendungsfälle wie Lungenkrebs, Hirntrauma und Tuberkulose entwickelt. Unternehmen, die Mitglieder des Startup Acceleration Program von NVIDIA Chicago sind, haben virtuelle 3D-Darstellungen von Tumoren von Patienten erstellt und MAP für Präzisionsmedizin-KI-Anwendungen verwendet, die dabei helfen, vorherzusagen, wie Patienten auf bestimmte Behandlungen reagieren werden. UCSF entwickelt MAP für mehrere KI-Modelle, darunter unter anderem die Erkennung von Hüftfrakturen, die Segmentierung von Leber- und Hirntumoren, die Klassifizierung von Kniegelenken und Brustkrebs.

Laut David Niewolny nutzen neben zahlreichen Fällen aus der medizinischen Industrie auch viele Cloud-Anbieter MONAI Deploy für Forscher und Unternehmen, um KI-Anwendungen auf ihren eigenen Plattformen durch Container- oder native Anwendungsintegration auszuführen.

Zum Beispiel wurde die MAP-Schnittstelle in den Bildgebungsdienst HealthLake integriert, sodass Ärzte medizinische Bilder in Echtzeit anzeigen, verarbeiten und segmentieren können. Die medizinische Bildgebungssuite von Google Cloud macht medizinische Bilddaten zugänglicher, interoperabler und nützlicher. Die Suite hat MONAI in ihre Plattform integriert und ermöglicht es Ärzten, KI-gestützte Anmerkungstools einzusetzen, um manuelle und sich wiederholende Aufgaben zur Beschriftung medizinischer Bilder zu automatisieren.

Das auf Microsoft Azure basierende Nuance Precision Imaging Network kombiniert MONAI und das Nuance Precision Imaging Network. Oracle und NVIDIA haben kürzlich eine Zusammenarbeit angekündigt, um beschleunigte Computing-Lösungen für die Gesundheitsbranche, einschließlich MONAIDeploy, in die Oracle Cloud Infrastructure zu integrieren. Ab heute können Entwickler NVIDIA-Container auf Oracle CloudMarketplace verwenden, um MAP über MONAI Deploy zu erstellen.

Wie David Niewolny erwähnte, befinden sich die meisten KI-Modelle derzeit im Forschungs- und Entwicklungsstadium, was hauptsächlich auf das Fehlen eines proprietären Standards zurückzuführen ist. MONAI Deploy wird dazu beitragen, die Umsetzung von Forschungs- und Entwicklungsergebnissen zu fördern und eine einflussreichere klinische KI zu erreichen. ​

Das obige ist der detaillierte Inhalt vonNVIDIA MONAI fördert die Umsetzung von Forschungs- und Entwicklungsergebnissen und ermöglicht innovative KI-Anwendungen in der Medizinbranche. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!