這項創(chuàng)新服務具有用于交互式 AI 標注和訓練的強大 API，可以加速醫(yī)學影像解決方案發(fā)展。

NVIDIA 推出醫(yī)學影像 AI 云服務，通過全托管的云端應用程序編程接口（API），進一步簡化和加速真值數(shù)據(jù)（ground-truth data）的創(chuàng)建以及專用 AI 模型的訓練。

NVIDIA MONAI 云 API 于日前在芝加哥舉行的北美放射學會年會（RSNA）上正式公布，它為開發(fā)者和平臺提供商提供了一條快速通道，使用預訓練的基礎(chǔ)模型和企業(yè) AI 工作流，將 AI 集成至其醫(yī)學影像產(chǎn)品中。這些 API 基于 NVIDIA 和倫敦國王學院創(chuàng)建的開源 MONAI 項目。

醫(yī)學影像在整個醫(yī)療領(lǐng)域至關(guān)重要，約占醫(yī)療數(shù)據(jù)總量的 90%。借助醫(yī)學影像，放射科醫(yī)生和臨床醫(yī)生得以進行篩查、診斷和干預，生物制藥研究人員能夠評估臨床試驗患者對新藥的反應，醫(yī)療設(shè)備制造商則可以獲得實時決策支持。

上述每項工作的規(guī)模都極其龐大，因此需要一個特別針對醫(yī)學影像的 AI 工廠，即一個企業(yè)級平臺來提供大規(guī)模數(shù)據(jù)管理、創(chuàng)建基準真相標注、加速模型開發(fā)并建立無縫的 AI 應用部署。

借助 NVIDIA MONAI 云 API，解決方案提供商可以更容易地將 AI 集成至其醫(yī)學影像平臺中，從而為放射科醫(yī)生、研究人員和臨床試驗團隊提供強大的工具，以建立針對具體領(lǐng)域的 AI 工廠。這些 API 可以通過 NVIDIA DGX 云 AI 超級計算服務進行早期訪問。

NVIDIA MONAI 云 API 現(xiàn)已集成至領(lǐng)先的醫(yī)學影像數(shù)據(jù)和 AI 平臺 Flywheel 中，該平臺支持端到端的 AI 開發(fā)工作流。RedBrick AI 等醫(yī)學影像標注公司和 Dataiku 等機器學習運營（MLOps）平臺提供商的開發(fā)人員都會將 NVIDIA MONAI 云 API 集成到他們的產(chǎn)品中。

即時可用的醫(yī)學影像標注和訓練

構(gòu)建高效且具成本效益的 AI 解決方案，需要針對具體領(lǐng)域的強大開發(fā)基礎(chǔ)，其中包括軟件的全棧優(yōu)化、可擴展的多節(jié)點系統(tǒng)和前沿研究。此外，它還需要高質(zhì)量的真值數(shù)據(jù)，而收集這些數(shù)據(jù)可能既耗時又費力，特別是 3D 醫(yī)學影像，這項工作需要較高水平專業(yè)知識才能進行標注。

NVIDIA MONAI 云 API 擁有基于 VISTA-3D（視覺影像分割和標注）基礎(chǔ)模型的交互式標注功能。它專為持續(xù)學習而構(gòu)建，可以根據(jù)用戶反饋和新數(shù)據(jù)來提高 AI 模型的性能。

VISTA-3D 使用了來自 4,000 多名患者的 3D CT 掃描圖像注釋數(shù)據(jù)集進行訓練，涵蓋各種疾病和身體部位，可以加速創(chuàng)建用于醫(yī)學圖像分析的 3D 分割掩模。通過持續(xù)學習，AI 模型的注釋質(zhì)量會隨著時間的推移而不斷提高。

為了進一步加速 AI 訓練，本版本包括的 API 支持基于 MONAI 預訓練模型無縫構(gòu)建自定義模型。NVIDIA MONAI 云 API 還包括 Auto3DSeg，它通過為特定的 3D 分割任務自動調(diào)整超參數(shù)和 AI 模型選擇來簡化 3D 分割過程。

NVIDIA 的研究人員最近在 MICCAI 醫(yī)學影像會議上使用 Auto3DSeg 在四項挑戰(zhàn)中獲得了勝利。其中包括分析腎臟和心臟 3D CT 掃描、大腦核磁共振成像和心臟 3D 超聲的 AI 模型。

解決方案提供商、平臺開發(fā)商

加速采用 NVIDIA MONAI 云 API

醫(yī)學影像解決方案提供商和機器學習平臺正在使用 NVIDIA MONAI 云 API 來提供至關(guān)重要的 AI 洞察，以加快其客戶工作。

Flywheel 已通過 NVIDIA AI Enterprise 集成了 MONAI，目前正在提供 NVIDIA MONAI 云 API，以加速醫(yī)學影像管理、標簽分析和訓練。這家總部位于明尼阿波利斯的公司提供集中式云平臺，支持生物制藥公司、生命科學機構(gòu)、醫(yī)療機構(gòu)和學術(shù)醫(yī)療中心能夠識別、管理和訓練醫(yī)學影像數(shù)據(jù)，進而開發(fā)值得信賴的 AI。

Flywheel 公司首席科學官 Dan Marcus 表示：“NVIDIA MONAI 云 API 降低了為放射學、疾病研究和臨床試驗數(shù)據(jù)評估構(gòu)建高質(zhì)量 AI 模型的成本。通過添加用于交互式標注和自動分割的云 API，我們醫(yī)學影像 AI 平臺的客戶可以加快開發(fā) AI 模型，從而更快地提供創(chuàng)新解決方案。”

Redbrick AI、Radical Imaging、V7 Labs 和 Centaur Labs 等標注和查看器解決方案提供商也將使用 NVIDIA MONAI 云 API，以更快地將 AI 輔助標注和訓練功能推向市場，并且無需自行托管和管理 AI 基礎(chǔ)架構(gòu)。

RedBrick AI 正在集成通過 NVIDIA MONAI 云 API 提供的 VISTA-3D 模型，為其支持分布式臨床醫(yī)生團隊的醫(yī)療設(shè)備客戶提供交互式云標注。

RedBrick AI 公司首席執(zhí)行官 Shivam Sharma 表示：“VISTA-3D 支持我們的客戶能夠在不同的模式和條件下快速構(gòu)建模型?；A(chǔ)模型是通用的，可以輕松地針對各種臨床應用進行微調(diào)，從而獲得準確可靠的分割結(jié)果。”

為了簡化企業(yè) AI 模型的開發(fā)，Dataiku、ClearML 和 Weight&Biases 等機器學習運營平臺開發(fā)商也在研究使用 NVIDIA MONAI 云 API。

Dataiku 計劃集成 NVIDIA MONAI 云 API，以進一步為醫(yī)學影像應用簡化 AI 模型的創(chuàng)建。

Dataiku 公司的 AI 健康與生命科學解決方案全球主管 Kelci Miclaus 表示：“借助 NVIDIA MONAI 云 API，Dataiku 用戶能夠通過連接到 NVIDIA 托管的 GPU 加速服務的 Dataiku 網(wǎng)絡(luò)接口，輕松使用 Auto3DSeg。Auto3DSeg 是一種低代碼選項，用于加速最先進的分割模型的開發(fā)。這使得數(shù)據(jù)和領(lǐng)域?qū)＜乙材軌騽?chuàng)建和使用 AI 驅(qū)動的工作流，有助于在生物醫(yī)學影像領(lǐng)域加速普及 AI?！?/p>

歡迎點擊“閱讀原文”注冊參加早期訪問計劃，加入醫(yī)學影像創(chuàng)新者的行列，通過 NVIDIA MONAI 云 API 加速 AI 開發(fā)。

GTC 2024 將于 2024 年 3 月 18 至 21 日在美國加州圣何塞會議中心舉行，線上大會也將同期開放。掃描下方海報二維碼，立即注冊 GTC 大會。