MONAI（Medical Open Network for AI）是針對醫療健康領域進行優化的開源框架。即將發布的 NVIDIA Clara 應用框架現已投入生產，用于醫療健康和生命科學領域的 AI 應用。

　　MONAI 于 4 月推出，現已被領先的醫療健康研究機構采用。它是一個基于 PyTorch 的框架，可通過行業特定的數據處理、高性能訓練工作流程、先進的可復現參考實現，使 AI 能夠用于醫療成像的開發。

　　作為更新版 Clara 產品的一部分，MONAI 將提供 20 多種預訓練模型，包括最近為 COVID-19 開發的模型，以及針對 NVIDIA DGX A100 GPU 的最新訓練優化。該優化可將訓練速度提高六倍。

　　麻省總醫院 Athinoula A. Martinos 生物醫學成像中心 QTIM 實驗室主任 Jayashree Kalpathy-Cramer 博士表示：“MONAI 正在成為醫療健康領域的 PyTorch，為數據科學家和臨床醫生之間更緊密的合作鋪平了道路。借助聯邦學習，MONAI 在全球范圍內的采用促進了全球合作。”

　　MONAI 在醫療生態系統中被廣泛采用。德國癌癥研究中心、倫敦國王學院、麻省總醫院、斯坦福大學和范德堡大學都在使用這一 AI 成像框架。MONAI 被應用在從行業領先的成像競賽，到 9 月舉行的首個針對該框架的新手訓練營的各個方面。該新手訓練營吸引了來自 40 個國家的 550 多人注冊參與，其中包括大學本科生。

　　范德堡大學的 Bennett Landman 博士表示：“MONAI 已迅速成為了醫療健康領域首選的深度學習框架。從研究走向生產的這一步，對 AI 應用在臨床護理中的落地來說至關重要。NVIDIA 致力于社區驅動型科學研究，讓學術界能夠為可用于生產的框架做出貢獻。這將有助于進一步創新，以構建企業就緒型特性。”

　　新特性

　　NVIDIA Clara 為 MONAI 社區帶來了 AI 輔助注釋、聯邦學習和生產部署方面的最新突破。

　　其最新版本為 AI 輔助注釋帶來了變革，使放射科醫生可使用名為 DeepGrow 3D 的新模型。借此僅需原來十分之一的點擊量，就能標記復雜的 3D CT 數據。傳統的按圖像或切片對器官或病變進行分割的方法非常耗時，對于像肝臟這樣的大型器官，最多可能需要進行 250 次點擊。而如今，用戶可以通過更少的點擊次數進行分割。

　　NVIDIA Clara 的 AI 輔助注釋工具和全新 DeepGrow 3D 功能可與 Fovia Ai 的 F.A.S.T. AI 注釋軟件相結合，用于標記訓練數據，并協助放射科醫生讀片。Fovia 提供 XStream HDVR SDK 套件，可通過業界領先的 PACS 查看器來查看 DICOM 圖像。

　　要想解鎖豐富的放射學數據集，AI 輔助注釋是關鍵。該技術最近還被用于標記美國國立衛生研究院癌癥影像檔案館發布的公共 COVID-19 CT 數據集。隨后，這一標記數據集被用于 MICCAI 認證的 COVID-19 肺部 CT 病變分割挑戰賽中。

　　Clara 聯邦學習使全球 20 家醫院在近期得以開展合作研究，從而為 COVID-19 患者開發通用 AI 模型。EXAM 模型可預測 COVID-19 患者的需氧量，其可通過 NGC 軟件注冊表獲取，并正在紐約西奈山衛生系統、巴西 Diagnósticos da America SA、英國國立衛生研究院劍橋生物醫學研究中心和美國國立衛生研究院中進行臨床驗證評估。

　　斯坦福大學生物醫學數據科學、放射學和醫學教授 Daniel Rubin 博士表示：“MONAI 軟件框架提供了用于訓練和評估基于圖像的深度學習模型的關鍵組件，其開源的方式助力培育不斷壯大的社區，為聯邦學習等令人振奮的進步做出貢獻。”

　　NVIDIA 還將 NVIDIA Clara 擴展到數字病理學應用。在這一領域，現有開源工具無法應對巨大的圖像尺寸。用于病理學早期訪問的 Clara 包含針對 AI 應用訓練和部署的參考管線。

　　倫敦醫學成像和 AI 價值醫療中心首席技術官 Jorge Cardoso 表示：“醫療健康數據的互操作性、模型部署和臨床路徑集成是一個日益復雜并相互交織的話題，涉及特定領域的專業知識。MONAI 項目與 NVIDIA Clara 生態系統的其他部分相結合，有助于改善患者護理，優化醫院運營。”