NVIDIA MONAI는 연구 개발 결과의 구현을 촉진하고 의료 산업에서 혁신적인 AI 애플리케이션을 지원합니다.

지속적인 기술 발전으로 인공지능은 계속해서 시나리오에 침투하여 사회 각계각층에서 널리 사용되고 있습니다. 의료 산업에서는 의사가 의료 이미지를 판독할 수 있도록 인공지능 기술을 활용하면 효율성을 크게 향상시키고 의사의 작업 강도와 환자의 대기 시간을 줄일 수 있습니다.

인공지능이 의료 산업에 더 나은 서비스를 제공할 수 있도록 NVIDIA는 MONAI와 Clara Holoscan이라는 두 가지 핵심 구성 요소를 출시했습니다. NVIDIA의 의료 비즈니스 개발 이사인 David Niewolny는 의료 영상이 의료 산업에서 가장 중요한 도구 중 하나이며 의료 데이터의 90% 이상을 차지한다고 말했습니다. 따라서 의료용 의료 영상 시스템에 인공 지능을 사용하는 것은 매우 중요한 응용 시나리오입니다. 보고서에 따르면 현재 많은 의료 산업이 인공 지능 기술을 빠르게 채택하고 있으며 NVIDIA 연구 데이터는 75%에 달합니다.

이번 미디어 커뮤니케이션 미팅에서 David Niewolny는 MONAI 기술과 주요 병원에서의 구현을 공유하는 데 중점을 두었습니다.

2019년에 공식적으로 출시된 MONAI는 인공 지능 애플리케이션에서 대규모로 모델을 개발하고 배포하기 위한 오픈 소스 의료 관련 인공 지능 프레임워크입니다. MONAI를 사용하면 개발자는 AI 애플리케이션을 쉽게 구축 및 배포하고, 임상 통합에 사용할 수 있는 모델을 만들고, 의료 테스트 결과를 더 쉽게 해석하여 환자 상태를 더 깊이 이해할 수 있습니다.

David Niewolny에 따르면 MONAI는 방사선학, 병리학 및 수술 데이터를 위해 설계되었으며 특히 의료 영상 분야에서 인공 지능의 임상적 변혁을 가속화하는 것을 목표로 합니다. 그래서 MONAI는 헬스케어의 파이토치(Pytorch)라고 불립니다. David Niewolny는 AI 수명주기에는 사전 훈련된 모델, AI 지원 라벨링 도구, 최첨단 훈련 기술(예: 연합 학습 및 자기 지도 학습)이 함께 제공된다고 말했습니다.

MONAI가 모델을 임상 워크플로우에 더 쉽게 통합할 수 있도록 NVIDIA는 12개 이상의 의료 영상 기관의 전문가로 구성된 MONAI Deploy 작업 그룹에서 사양을 개발한 MONAI 애플리케이션 패키지(MAP)도 제공합니다. 전문가들로 구성된 목표는 AI 애플리케이션 개발자는 물론 AI 애플리케이션을 실행하는 임상 및 인프라 플랫폼을 지원하는 것입니다.

개발자의 경우 MAP는 연구자가 임상 환경에서 모델을 쉽게 패키징하고 테스트하여 AI 모델의 발전을 가속화하는 데 도움이 될 수 있습니다. 이를 통해 실제 피드백을 수집하여 AI를 개선하고 개선할 수 있습니다. 또한 MAP는 배포 프로세스도 단순화할 수 있습니다. 개발자가 MONAI Deploy 애플리케이션 개발 키트를 사용하여 애플리케이션을 패키징하면 병원은 로컬이나 클라우드에서 애플리케이션을 쉽게 실행할 수 있습니다. 마지막으로 MAP 사양에는 의료 영상 상호 운용성 표준인 DICOM과 같은 의료 IT 표준도 통합되어 있습니다.

클라우드 서비스 제공업체의 경우 MAP(클라우드 네이티브 기술을 사용하여 설계됨)에 대한 지원은 MONAI Deploy를 사용하는 연구원과 기업이 컨테이너 또는 네이티브 애플리케이션 통합을 통해 자체 플랫폼에서 AI 애플리케이션을 실행하는 데 도움이 될 수 있습니다.

MONAI는 의료 IT 인프라의 애플리케이션 개발, 패키징 및 배포를 표준화하기 때문에 650,000회 이상의 다운로드, 450개 이상의 GitHub 프로젝트, 160개의 출판 논문, 11개의 Kaggle 대회에서 우승하는 등 R&D 커뮤니티에서 널리 채택되었습니다.

커뮤니케이션 미팅에서 David Niewolny는 신시내티 아동병원 의료센터와의 협력을 통해 의료계에서 MONAI를 구현한 사례도 자세히 소개했습니다. 보고에 따르면 심장이식 수술에서는 사람의 심장이 4시간 정도만 생존할 수 있기 때문에 매 순간이 매우 중요하다고 합니다. 중요한 결정 포인트는 기증자의 일치입니다. 여기서 의료 영상 데이터와 신체 분할을 사용하여 잠재적인 기증자의 심장 크기를 측정합니다. 이 프로세스는 오류가 발생하기 쉽고 시간이 많이 걸리기 때문에 완료하는 데 20분 이상 걸립니다. 이를 위해 신시내티 아동병원 연구팀은 이 중요한 단계를 자동화하는 딥러닝 모델을 개발하여 단 몇 초 만에 전체 심근 용량을 추정함으로써 잠재적 일치 가능성을 크게 높였습니다.

David Niewolny는 심장이나 폐 이식이 필요한 소아 환자는 사용하지 않은 기증자가 많음에도 불구하고 불필요하게 높은 사망률을 겪고 많은 시간을 기다리는 경우가 많다고 말했습니다. 신시내티 아동 병원 의료 센터는 MONAI를 사용하여 많은 어린이의 생명을 구하는 딥 러닝 총 심장 용적 모델을 확장합니다.

신시내티 아동병원 외에도 많은 유명 의료기관에서도 MONAI를 다양한 용도로 활용하고 있습니다. 예를 들어 영국 국립보건서비스신탁기금(British National Health Service Trust Fund)은 전문 의료진에게 AI 질병 탐지 도구를 제공하기 위해 MONAI 기반 AI 배포 엔진 플랫폼인 AIDE(AI 배포 엔진)를 4개 병원에 배포했습니다.

NVIDIA 스타트업 가속화 프로그램 회원인 Qure.ai는 MAP를 사용하여 배포용 솔루션을 패키지하고 폐암, 뇌 외상, 결핵과 같은 사용 사례를 위한 의료 영상 AI 모델을 개발했습니다. NVIDIA Chicago의 Startup Acceleration Program 회원사들은 환자의 종양에 대한 3D 가상 표현을 구축하고 환자가 특정 치료에 어떻게 반응할지 예측하는 데 도움이 되는 정밀 의학 AI 애플리케이션에 MAP를 사용합니다. UCSF는 고관절 골절 감지, 간 및 뇌종양 분할, 무릎 관절 및 유방암 분류 등 다양한 응용 분야를 포함한 여러 AI 모델을 위한 MAP를 개발하고 있습니다.

David Niewolny에 따르면 수많은 의료 산업 사례 외에도 많은 클라우드 공급업체도 MONAI Deploy 연구원 및 기업을 사용하여 컨테이너 또는 기본 애플리케이션 통합을 통해 자체 플랫폼에서 AI 애플리케이션을 실행하고 있습니다.

예를 들어 MAP 인터페이스는 HealthLake 이미징 서비스에 통합되어 임상의가 의료 이미지를 실시간으로 보고, 처리하고, 분류할 수 있습니다. Google Cloud의 의료 영상 제품군을 사용하면 의료 영상 데이터에 대한 접근성, 상호 운용성, 유용성이 향상됩니다. 이 제품군은 MONAI를 플랫폼에 통합하여 임상의가 AI 지원 주석 도구를 배포하여 수동적이고 반복적인 의료 이미지 라벨링 작업을 자동화할 수 있도록 지원합니다.

Microsoft Azure 기반 Nuance Precision Imaging Network는 MONAI와 Nuance Precision Imaging Network를 결합합니다. Oracle과 NVIDIA는 최근 MONAIDeploy를 포함하여 의료 산업을 위한 가속화된 컴퓨팅 솔루션을 Oracle Cloud Infrastructure에 제공하기 위한 협력을 발표했습니다. 오늘부터 개발자는 Oracle CloudMarketplace에서 NVIDIA 컨테이너를 사용하여 MONAI Deploy를 통해 MAP를 구축할 수 있습니다.

David Niewolny가 언급했듯이 현재 대부분의 AI 모델은 독점적인 표준이 없기 때문에 연구 개발 단계에 있습니다. MONAI Deploy는 연구 개발 결과의 구현을 촉진하고 더욱 영향력 있는 임상 AI를 달성하는 데 도움이 될 것입니다.

위 내용은 NVIDIA MONAI는 연구 개발 결과의 구현을 촉진하고 의료 산업에서 혁신적인 AI 애플리케이션을 지원합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!