36 億件。これは世界中で毎年実施される医用画像検査の総数で、様々な症状の診断、モニタリング、治療のために用いられています。
X 線、CT スキャン、MRI、超音波など医用画像検査を迅速に処理し評価することは、医師の作業負荷を軽減し、患者の健康改善に欠かせません。
この目的のために、NVIDIA は医用画像処理に特化したAI アプリケーション向けのオープンソース研究開発プラットフォームである MONAI を導入しました。MONAI は、医師とデータサイエンティストを結び付け、医療データを活用促進し、医療AIワークフロー向けのディープラーニングモデルや実用化可能なアプリケーションを構築します。
今週、北米放射線学会 (RSNA) の年次イベントで、NVIDIA は、Siemens Healthineers が MONAI Deploy を採用したことを発表しました。MONAI Deploy は、研究から臨床生産までのギャップを埋める MONAI 内のモジュールで、医用画像処理の AI ワークフローを臨床展開に統合する速度と効率を向上させます。
Siemens Healthineers Syngo Carbon と syngo.via エンタープライズ画像処理プラットフォームは、世界中で15,000台以上に導入されており、臨床医が様々なソースの医療画像をより適切に解析し、深い洞察を得るのに役立ちます。
開発者は通常、AI アプリケーションを構築するときに様々なフレームワークを使用します。そのためアプリケーションを臨床環境への展開は容易ではありません。
MONAI Deploy を使用すれば、数行のコードでどこでも実行できる AI アプリケーションを構築できます。これは臨床現場に医療 AI アプリケーションを開発、パッケージ化、テスト、展開、および実行するためのツールで、医用画像AIアプリケーションの開発と臨床ワークフローへの統合を効率化します。
Siemens Healthineers プラットフォーム上の MONAI Deploy により、AI 統合プロセスが大幅に加速され、ユーザーは、これまで数か月かかっていたトレーニング済み AI モデルの実際の臨床環境への移植を数クリックでできるようになりました。これにより、研究者、起業家、スタートアップが放射線科医の手に迅速にアプリケーションを届けることが可能となります。
Siemens Healthineers のデジタル技術および研究責任者である Axel Heitland 氏は次のように述べています。「AI モデルの導入を加速することで、医療機関は AI ベースの医用画像処理の最新の進歩をこれまで以上に迅速に活用し、その恩恵を受けることができます。MONAI Deployの使用により、研究者は AI モデルを迅速にカスタマイズし、イノベーションを研究室から臨床や診療に移行できます。これにより、世界中の何千人もの臨床研究者が、syngo.via および Syngo Carbon 画像処理プラットフォームで AI 主導の進歩に直接アクセスできるようになります」
MONAI 上で開発されたアプリによって、これらのプラットフォームは、AI 統合を大幅に効率化できます。これらのアプリは、Siemens Healthineers Digital Marketplace で簡単に提供および利用でき、ユーザーはそこでアプリを閲覧、選択し、臨床ワークフローへのシームレスに統合することが可能になります。
MONAI エコシステムがイノベーションと採用を促進
5 周年を迎えた MONAI は、ダウンロード数が 350 万回を超え、世界中から 220 名のコントリビューターが集まり、3,000 以上の出版物で紹介され、MICCAI チャレンジで 17 回優勝し、数多くの臨床製品で使用されています。
MONAI の最新リリースである v1.4 には、研究者や臨床医が MONAI のイノベーションをさらに活用し、Siemens Healthineers Syngo Carbon、syngo.via、および Siemens Healthineers Digital Marketplace に貢献する機会をさらに増やすアップデートが含まれています。
MONAI v1.4 および関連する NVIDIA 製品の更新には、医用画像処理の新しい基盤モデルが含まれており、MONAI でカスタマイズして NVIDIA NIM マイクロサービスとして展開できます。次のモデルが NVIDIA NIM マイクロサービスとして一般提供されるようになりました。
- MAISI (Medical AI for Synthetic Imaging) は、高解像度のフルフォーマット 3D CT 画像とその解剖学的セグメンテーションをシミュレートできる潜在拡散生成 AI 基盤モデルです。
- VISTA-3D は、すぐに使用可能で、正確なパフォーマンスを提供する CT 画像セグメンテーションの基盤モデルです。120 を超える主要な臓器クラスをカバーします。また、新しい構造をセグメント化する方法を学ぶための効果的な適応機能とゼロショット機能も提供します。
MONAI 1.4 の主な機能に加え、新しい MONAI マルチモーダル モデル (M3) が MONAI の VLM GitHub リポジトリからアクセスできるようになりました。M3 は、MONAI の Model Zoo のトレーニング済み AI モデルなどの医療 AI エキスパートを使用して、あらゆるマルチモーダル LLM を拡張するフレームワークです。この新しいフレームワークの威力は、Hugging Face で現在利用可能な VILA-M3 基盤モデルによって実証されており、最先端の放射線画像コパイロット パフォーマンスを提供します。
MONAI が病院、ヘルスケア スタートアップ、研究機関の架け橋に
世界中の主要なヘルスケア機関、学術医療センター、スタートアップ、ソフトウェア プロバイダーが MONAI を採用し、進化させています。
- ドイツがん研究センターは、AI パフォーマンスを測定するための指標と、それらの指標をいつどのように使用するかのガイドラインを提供する MONAI のベンチマークおよび指標ワーキング グループを主導しています。
- メモリアル スローン ケタリングがんセンター (MSK) の Nadeem Lab は、MONAI を使用して病理データ用の複数の AI 支援注釈パイプラインと推論モジュールをクラウドベースで展開する先駆者です。
- コロラド大学医学部は、様々な画像診断法を使用して網膜疾患を検出するための MONAI ベースの眼科ツールを開発しました。同大学は、MONAI を使用した独自のフェデレーテッド ラーニング開発と臨床デモンストレーションも主導しています。
- MathWorks は、MONAI Label を Medical Imaging Toolbox に統合し、学界や産業界全体で医療および生物医学アプリケーションに携わる何千人もの MATLAB ユーザーに医療画像 AI と AI 支援アノテーション機能を提供しています。
- GSK は、画像セグメンテーション用の VISTA-3D や VISTA-2D などの MONAI 基盤モデルを研究しています。
- Flywheel は、画像データ管理の合理化、研究ワークフローの自動化、AI 開発と分析を可能にする MONAI を含む、研究機関やライフサイエンス組織のニーズに合わせて拡張可能なプラットフォームを提供しています。
- Alara Imaging は、VISTA-3D などの MONAI 基盤モデルと Llama 3 などの LLM の統合に関する取り組みを、2024 Society for Imaging Informatics in Medicine カンファレンスで発表しました。
- RadImageNet は、MONAI の M3 フレームワークを使用して、MONAI のエキスパート画像 AI モデルを利用し、高品質の放射線レポートを生成する最先端のビジョン言語モデルの開発に向けて取り組んでいます。
- Kitware は、MONAI を中心とした専門的なソフトウェア開発サービスを提供しており、デバイスメーカーや規制承認済み製品のカスタムワークフローに MONAI を統合する手伝いをしています。
研究者や企業は、クラウド サービスプロバイダーで MONAI を使用して、スケーラブルな AI アプリケーションを実行および展開しています。MONAI へのアクセスを提供するクラウド プラットフォームには、AWS HealthImaging、Google Cloud、Precision Imaging Network、Microsoft Cloud for Healthcare の一部、Oracle Cloud Infrastructure などがあります。
syngo.via、 Syngo Carbon、および Digital Marketplace の製品に関してはそれぞれのページをご覧ください。