NVIDIA

お使いのブラウザーは対応していません。

お使いのウェブブラウザーはこのウェブサイトでは対応していません。いくつかの機能が正常に動作しない可能性がございます。アップグレートいただくか下記のブラウザーのどれかをインストールください。よろしくおねがいします。

MONAI 画像処理フレームワークが本稼働、ヘルスケアにおける AI を加速

hdr-monai-ai-imaging-framework

ドイツがん研究センター、キングス カレッジ ロンドン、マサチューセッツ総合病院、NVIDIA、スタンフォード大学、ヴァンダービルト大学が画像処理に MONAI オープンソース AI フレームワークを採用

ヘルスケア向けに最適化されたオープンソース フレームワークであるMONAI (Medical Open Network for AI=AI用の医用オープンソース ネットワーク) が、AI を活用したヘルスケアおよびライフサイエンス向け NVIDIA Clara アプリケーション フレームワークの次回リリース時から本稼働します。

4 月の発表以来、主要なヘルスケア研究機関ですでに採用されている MONAI は、PyTorch ベースのフレームワークであり、業界固有のデータ処理、高性能なトレーニング ワークフロー、最先端のアプローチの再現可能なリファレンス実装を実現する、医用画像処理向けの AI の開発を可能にします。

最新の Clara の一部として、MONAI には COVID-19 に向けて最近開発されたモデルを含む 20 以上のトレーニング済みモデルや、トレーニングのターンアラウンドにかかる時間を最大 6 倍短縮する NVIDIA DGX A100 GPU の最新トレーニングの最適化が提供されます。

マサチューセッツ総合病院 アティヌーラ A. マルティノス生物医学画像センターのQTIM ラボでディレクターを務めるジャヤシュリー カルパシー クレーマー (Jayashree Kalpathy-Cramer) 氏は次のように述べています。「MONAI はヘルスケアにおける PyTorch の主要ツールになりつつあり、データ サイエンティストと臨床医の間のより緊密なコラボレーションへの道を開いています。MONAI がグローバルに採用されることで、フェデレーテッド ラーニングによって促進されている世界中のコラボレーションがさらに進むことになります。」

MONAI はヘルスケア エコシステムに、大規模に採用されています。ドイツがん研究センター、キングス カレッジ ロンドン、マサチューセッツ総合病院、スタンフォード大学、ヴァンダービルト大学などが、画像処理に AI フレームワークを採用しています。MONAI は、業界をリードする画像処理コンペティションから、9 月に初めて開催された同フレームワークに焦点を当てたブート キャンプまで、さまざまな場所で利用されています。同ブート キャンプには、世界 40 か国から、大学生を含む 550 人以上の登録者が集まりました。

米ヴァンダービルト大学のベネット ランドマン (Bennett Landman) 博士はこう語ります。「MONAI はヘルスケアにおける主力のディープラーニング フレームワークになりつつあります。AI アプリケーションを臨床医療に統合するには、研究段階から本稼働に移行することが不可欠です。コミュニティ主導の科学を目指すという NVIDIA のコミットメントにより、現場で実装可能なフレームワークに学界が寄与できるようになったことで、さらにイノベーションが進み、エンタープライズ対応の機能を構築することが可能になります。」

新機能

NVIDIA Clara によって MONAI コミュニティに、AI 支援アノテーション、フェデレーテッド ラーニング、本番環境への実装展開における最新のブレークスルーがもたらされます。

最新バージョンでは、AI 支援アノテーションに画期的な機能が導入されました。DeepGrow3D と呼ばれる新しいモデルによって、放射線科医は従来の 10 分の 1 のクリック数で複雑な 3D CT データにラベル付けをすることができます。画像ごと (スライスごと) に臓器や病変の画像をセグメント化するのに、従来の方法では、肝臓のような大きな臓器では最大 250 回ものクリック数を必要としていましたが、最新バージョンではユーザーはこれよりはるかに少ないクリック数でセグメント化することができます。

NVIDIA Clara の AI 支援アノテーション ツールと新機能 DeepGrow3D は、 Fovia Ai の F.A.S.T. AI アノテーション ソフトウェアとの統合により、トレーニング データのラベル付けだけでなく、放射線科医の画像解読の支援にも利用できます。Fovia 社は、DICOM 画像の閲覧ツールとして、業界をリードする PACS ビューアーに統合された XStream HDVR SDK スイートを提供しています。

AI 支援アノテーションは豊富な放射線データセットを紐解くための鍵であり、最近では、アメリカ国立衛生研究所 (NIH) の Cancer Imaging Archive によって公開された COVID-19 の公開 CT データセットへのラベル付けに使用され、このラベル付けされたデータセットは、MICCAI が承認した COVID-19 による肺病変 CT のセグメンテーション チャレンジで使用されました。

Clara Federated Learningによって、世界中の 20 の病院が新たに共同研究できるようになり、COVID-19 の患者に適用できる汎用 AI モデルの開発が可能になりました。COVID-19 患者に必要な酸素量を予測する EXAM モデルは NGC ソフトウェア レジストリから入手可能で、臨床検証において、ニューヨークのマウント サイナイ ヘルス システム、ブラジルの Diagnósticos da America SA、英国の NIHR Cambridge Biomedical Research Center、および NIH から評価を受けています。

スタンフォード大学の生物医学データ サイエンス、放射線学、医学教授であるダニエル ルービン (Daniel Rubin) 氏は次のように述べています。「MONAI ソフトウェア フレームワークは、画像処理ベースのディープラーニング モデルをトレーニング、評価するために重要なコンポーネントを提供します。これはオープンソースであるため、フェデレーテッド ラーニングといった刺激的な進歩をもたらす、コミュニティの拡大に一役買っています。」

NVIDIA はさらに、画像サイズが膨大であるため既成のオープンソース AI ツールの成長が妨げられているデジタル病理学アプリケーションにまで、NVIDIA Clara を拡大してリリースしています。病理学向けの Clara のアーリーアクセスには、AI アプリケーションのトレーニングおよびデプロイの両方のためのリファレンス パイプラインが含まれています。

London Medical Imaging and AI Centre for Value-based Healthcare の CTO であるホルヘ カルドソ (Jorge Cardoso) 氏は次のように述べています。「ヘルスケア データの相互運用性、モデルのデプロイ、クリニカル パスの統合は、分野固有の専門知識を多く必要とし、ますます複雑で絡み合ったテーマになってきています。MONAI プロジェクトは、NVIDIA Clara エコシステムの他のプロジェクトと協働することで、患者の治療を向上させ、病院の運営を最適化することができるのです。」

詳細については NVIDIA Clara Train 4.0 をご覧ください。また、NVIDIA ヘルスケア ニュースレターにご登録ください。


You may also like...