這些年，醫療人工智能迎來快速發展，影像AI、新藥研發AI、機器人AI、智慧醫院等細分場景不斷涌現。AI加速的醫療服務可以推動人體生理學、所有疾病，甚至醫院運營等方方面面的相關工作。

在RSNA大會上，NVIDIA分享了助力構建AI醫學影像生態系統的實踐。其中，MONAI是一個采用NVIDIA技術加速的開源醫學影像AI框架，其下載量目前已超65萬次。借助MONAI應用包（MAP），MONAI就能更輕松地將模型集成到臨床工作流中。

將醫學影像AI部署到MAP

當前，醫院如果想要在影像部門部署幾個AI模型來幫助專家識別十幾種不同的病癥或實現醫學影像報告的半自動化創建，需要耗費大量時間和資源來為每個模型尋求合適的硬件和軟件基礎設施。

MAP通過MONAI Deploy提供，其作為一種AI模型的打包方式，能夠更輕松地在現有醫療生態系統中進行部署。

MAP規格由MONAI Deploy工作組制定。該工作組由來自十幾家醫學影像機構的專家組成，目標是支持AI應用開發者以及運行AI應用的臨床和基礎設施平臺。

如果開發者使用MONAI Deploy應用軟件開發工具包來打包一個應用，醫院就可以輕松地在本地或云端運行這一應用。MAP規格還整合了醫療IT標準，比如醫學影像互操作性標準DICOM等。

對于開發者來說，MAP可以幫助研究者在臨床環境中輕松打包和測試模型，從而加速AI模型的演進。這使他們能夠采集真實世界的反饋，進而對AI進行完善和改進。

對于云服務商來說，對（使用云原生技術設計的） MAP的支持能夠助力采用MONAI Deploy的研究者和企業通過容器或原生應用集成，在自己的平臺上運行AI應用。整合MONAI Deploy和MAP的云平臺包括：

Amazon HealthLake Imaging：MAP接口已被整合進HealthLake影像服務，使臨床醫生能夠實時查看、處理和分割醫學影像。

Google Cloud：Google Cloud的醫學影像套件使醫學影像數據變得更易于獲取、更具互操作性且更加實用。該套件已將MONAI整合到其平臺中，使臨床醫生能夠部署AI輔助注釋工具，助力實現人工和重復性醫學影像標記任務的自動化。

Microsoft Azure驅動的Nuance精準成像網絡：Nuance和NVIDIA最近宣布展開合作，將MONAI和Nuance精準成像網絡相結合。Nuance精準成像網絡是一個為12000多家醫療機構提供AI工具和洞察的云平臺。

Oracle Cloud Infrastructure：Oracle和NVIDIA最近宣布展開合作，將包括MONAI Deploy在內的醫療行業加速計算解決方案引入Oracle Cloud Infrastructure。即日起，開發者可使用Oracle Cloud Marketplace上的NVIDIA容器，通過MONAI Deploy來構建MAP。

MONAI Deploy得到醫院和醫療初創企業的采用

世界各地的醫療機構、學術醫療中心和AI軟件開發商正在采用MONAI Deploy，包括：

辛辛那提兒童醫院：該學術醫療中心正在為一個能夠在CT影像中自動分割整體心臟容積的AI模型創建MAP，進而通過美國國立衛生研究院資助的一個項目，為小兒心臟移植患者提供援助。

英國國家醫療服務體系（NHS）：NHS信托基金已在四家醫院部署了基于MONAI的AI部署引擎平臺——AIDE（AI Deployment Engine），致力于為專業醫務人員提供AI疾病檢測工具。這些醫務人員每年為500萬名患者提供服務。

AIDE的全稱是 AI Deployment Engine，即 “AI部署引擎” ，預計將于明年推廣到11家NHS醫院，屆時將為1800萬患者提供服務，為臨床醫生提供AI功能。AIDE基于MONAI構建。MONAI是由NVIDIA和AI Centre共同開發的開源醫學影像AI框架，可用于對接AI應用與醫院系統。

通過MONAI和AIDE的結合，就能對醫學影像AI模型進行安全且有效的驗證、部署與評估。這些模型將被NHS用于診斷和治療癌癥、腦卒中、失智癥等疾病。目前，蓋伊和圣托馬斯醫院、國王學院醫院、東肯特醫院大學和倫敦大學學院醫院NHS信托基金等機構正在部署該平臺。

Qure.ai：NVIDIA初創加速計劃成員Qure.ai開發了用于肺癌、腦外傷和肺結核等用例的醫學影像AI模型。該公司正在使用MAP來打包需要部署的解決方案，推動這些解決方案更快速地在臨床發揮影響力。

SimBioSys：這家位于芝加哥的NVIDIA初創加速計劃成員企業建立了患者腫瘤的3D虛擬表征，并將MAP用于有助預測患者對特定治療會作何反應的精準醫療AI應用。

加州大學舊金山分校：加州大學舊金山分校正在為幾個AI模型開發MAP，包括髖部骨折檢測、肝臟和腦腫瘤分割、膝關節和乳腺癌分類等應用。

結語

2019年推出的MONAI降低了從研發到臨床醫療工作流的復雜性。借助MONAI，開發者能夠輕松構建和部署AI應用，創建出可用于臨床整合的模型，并更輕松地解讀醫學檢查結果，更深入地了解患者病情。

隨著AI技術在醫療行業的普及落地，MONAI提供專為醫學影像優化的深度學習基礎設施和工作流，能夠充分發揮醫學影像數據的作用和潛力，簡化AI模型的構建流程。