NVIDIA MONAI membantu menggalakkan pelaksanaan hasil penyelidikan dan pembangunan serta memperkasakan aplikasi AI yang inovatif dalam industri perubatan

Dengan perkembangan teknologi yang berterusan, kecerdasan buatan terus menembusi ke dalam senario dan digunakan secara meluas dalam semua lapisan masyarakat. Dalam industri perubatan, penggunaan teknologi kecerdasan buatan untuk membantu doktor membaca imej perubatan boleh meningkatkan kecekapan dan mengurangkan intensiti kerja doktor dan masa menunggu pesakit.

Untuk membolehkan kecerdasan buatan memberi perkhidmatan yang lebih baik kepada industri perubatan, NVIDIA telah melancarkan dua komponen utama, MONAI dan Clara Holoscan. David Niewolny, pengarah pembangunan perniagaan perubatan di NVIDIA, berkata pengimejan perubatan adalah salah satu alat terpenting dalam industri penjagaan kesihatan, menyumbang lebih daripada 90% data penjagaan kesihatan. Oleh itu, penggunaan kecerdasan buatan dalam sistem pengimejan perubatan untuk penjagaan kesihatan adalah senario aplikasi yang sangat penting. Menurut laporan, banyak industri penjagaan kesihatan pada masa ini menggunakan teknologi kecerdasan buatan dengan pantas, dan data penyelidikan NVIDIA adalah setinggi 75%.

Pada mesyuarat komunikasi media ini, David Niewolny memberi tumpuan kepada perkongsian teknologi MONAI dan pelaksanaannya di hospital utama.

Dilancarkan secara rasmi pada 2019, MONAI ialah rangka kerja kecerdasan buatan khusus penjagaan kesihatan sumber terbuka untuk membangunkan dan menggunakan model secara berskala dalam aplikasi kecerdasan buatan. Dengan MONAI, pembangun boleh membina dan menggunakan aplikasi AI dengan mudah, mencipta model yang boleh digunakan untuk penyepaduan klinikal dan lebih mudah mentafsir keputusan ujian perubatan untuk mendapatkan pemahaman yang lebih mendalam tentang keadaan pesakit.

Menurut David Niewolny, MONAI direka untuk data radiologi, patologi dan pembedahan dan bertujuan untuk mempercepatkan terjemahan klinikal kecerdasan buatan, terutamanya dalam bidang pengimejan perubatan. Oleh itu, MONAI dipanggil Pytorch penjagaan kesihatan. David Niewolny berkata bahawa kitaran hayat AI datang dengan model pra-latihan, alat pelabelan berbantukan AI, dan teknologi latihan terkini (seperti pembelajaran bersekutu dan pembelajaran penyeliaan kendiri).

Untuk memudahkan MONAI mengintegrasikan model ke dalam aliran kerja klinikal, NVIDIA turut menyediakan Pakej Aplikasi MONAI (MAP), yang spesifikasinya dibangunkan oleh kumpulan kerja MONAI Deploy, yang terdiri daripada lebih sedozen syarikat A pasukan pakar daripada institusi pengimejan perubatan dengan matlamat untuk menyokong pembangun aplikasi AI serta platform klinikal dan infrastruktur yang menjalankan aplikasi AI.

Untuk pembangun, MAP boleh membantu penyelidik dengan mudah membungkus dan menguji model dalam persekitaran klinikal, dengan itu mempercepatkan evolusi model AI. Ini membolehkan mereka mengumpul maklum balas dunia sebenar untuk memperhalusi dan menambah baik AI. Selain itu, MAP juga boleh memudahkan proses penempatan. Jika pembangun menggunakan kit pembangunan aplikasi MONAI Deploy untuk membungkus aplikasi, hospital boleh menjalankan aplikasi secara tempatan atau dalam awan dengan mudah. Akhir sekali, spesifikasi MAP juga menyepadukan piawaian IT perubatan, seperti piawaian kebolehoperasian pengimejan perubatan DICOM.

Untuk penyedia perkhidmatan awan, sokongan untuk MAP (reka bentuk menggunakan teknologi asli awan) boleh membantu penyelidik dan perusahaan yang menggunakan MONAI Deploy menjalankan aplikasi AI pada platform mereka sendiri melalui penyepaduan aplikasi asli atau kontena.

Oleh kerana MONAI menyeragamkan pembangunan aplikasi, pembungkusan dan penggunaan dalam infrastruktur IT penjagaan kesihatan, ia diterima pakai secara meluas dalam komuniti R&D dengan lebih 650,000 muat turun, lebih 450 projek GitHub dan menerbitkan 160 artikel serta memenangi 11 pertandingan Kaggle.

Pada mesyuarat komunikasi itu, David Niewolny turut memperkenalkan secara terperinci kes pelaksanaan MONAI dalam industri perubatan melalui kerjasama dengan Pusat Perubatan Hospital Kanak-kanak Cincinnati. Menurut laporan, semasa pembedahan pemindahan jantung, kerana jantung manusia hanya boleh bertahan selama kira-kira 4 jam, setiap minit adalah sangat penting. Titik keputusan penting ialah pemadanan penderma, dengan data pengimejan perubatan dan pembahagian badan digunakan untuk mengukur saiz jantung penderma yang berpotensi. Oleh kerana proses ini terdedah kepada ralat dan memakan masa, ia mengambil masa lebih daripada 20 minit untuk diselesaikan. Untuk tujuan itu, pasukan penyelidik Hospital Kanak-kanak Cincinnati membangunkan model pembelajaran mendalam yang mengautomasikan langkah kritikal ini, menganggarkan jumlah volum miokardium dalam beberapa saat sahaja, meningkatkan peluang perlawanan yang berpotensi.

David Niewolny berkata bahawa pesakit kanak-kanak yang memerlukan pemindahan jantung atau paru-paru sering mengalami kadar kematian yang tidak semestinya tinggi dan menghabiskan banyak masa menunggu, walaupun terdapat sejumlah besar penderma yang tidak digunakan. Pusat Perubatan Hospital Kanak-kanak Cincinnati menggunakan MONAI untuk menskalakan model jumlah jantung pembelajaran mendalam yang menyelamatkan banyak nyawa kanak-kanak.

Selain Hospital Kanak-kanak Cincinnati, banyak institusi perubatan terkenal juga menggunakan MONAI untuk aplikasi yang berbeza. Sebagai contoh, Dana Amanah Perkhidmatan Kesihatan Kebangsaan British telah menggunakan platform enjin penggunaan AI berasaskan MONAI - AIDE (AI Deployment Engine) di empat hospital, komited untuk menyediakan alat pengesanan penyakit AI untuk kakitangan perubatan profesional.

Ahli Program Pecutan Permulaan NVIDIA Qure.ai menggunakan MAP untuk membungkus penyelesaian untuk penggunaan dan telah membangunkan model AI pengimejan perubatan untuk kes penggunaan seperti kanser paru-paru, trauma otak dan batuk kering. Syarikat yang menjadi ahli Program Pecutan Permulaan NVIDIA Chicago membina perwakilan maya 3D tumor pesakit dan menggunakan MAP untuk aplikasi AI perubatan ketepatan yang membantu meramalkan cara pesakit akan bertindak balas terhadap rawatan tertentu. UCSF sedang membangunkan MAP untuk beberapa model AI, termasuk pengesanan patah pinggul, pembahagian tumor hati dan otak, sendi lutut dan klasifikasi kanser payudara, antara aplikasi lain.

Menurut David Niewolny, sebagai tambahan kepada sejumlah besar kes industri perubatan, banyak vendor awan juga menggunakan penyelidik dan perusahaan MONAI Deploy untuk menjalankan aplikasi AI pada platform mereka sendiri melalui penyepaduan aplikasi kontena atau asli.

Sebagai contoh, antara muka MAP telah disepadukan ke dalam perkhidmatan pengimejan HealthLake, membolehkan doktor melihat, memproses dan membahagikan imej perubatan dalam masa nyata. Suite pengimejan perubatan Google Cloud menjadikan data pengimejan perubatan lebih mudah diakses, lebih saling dikendalikan dan lebih berguna. Suite ini telah menyepadukan MONAI ke dalam platformnya, membolehkan pakar klinik menggunakan alat anotasi berbantukan AI untuk membantu mengautomasikan tugas pelabelan imej perubatan secara manual dan berulang.

Rangkaian Pengimejan Nuance Precision yang dikuasakan oleh Microsoft Azure menggabungkan MONAI dan Rangkaian Pengimejan Nuance Precision. Oracle dan NVIDIA baru-baru ini mengumumkan kerjasama untuk membawa penyelesaian pengkomputeran dipercepatkan untuk industri penjagaan kesihatan, termasuk MONAIDeploy, kepada Oracle Cloud Infrastructure. Mulai hari ini, pembangun boleh menggunakan bekas NVIDIA di Oracle CloudMarketplace untuk membina MAP melalui MONAI Deploy.

Seperti yang David Niewolny nyatakan, pada masa ini, kebanyakan model AI berada dalam peringkat penyelidikan dan pembangunan, terutamanya disebabkan oleh kekurangan standard proprietari. MONAI Deploy akan membantu mempromosikan pelaksanaan hasil penyelidikan dan pembangunan dan mencapai AI klinikal yang lebih berpengaruh.

Atas ialah kandungan terperinci NVIDIA MONAI membantu menggalakkan pelaksanaan hasil penyelidikan dan pembangunan serta memperkasakan aplikasi AI yang inovatif dalam industri perubatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!