MONAI 集成現已上線西門子醫療 Digital Marketplace，加速 AI 在臨床工作流中的應用落地。

全球每年為診斷、監測和治療各種疾病而進行的醫學影像檢查達到 36 億次。

如果能夠加快對 X 射線、CT 掃描、核磁共振成像（MRI）和超聲波等醫學影像檢查的處理和評估，將大大幫助醫生管理工作量，并有助于更快改善患者的健康狀況。

出于這個原因，NVIDIA 推出了MONAI，這個開源研發平臺可用于開發醫學影像及其他領域的 AI 應用。通過 MONAI，醫生與數據科學家能夠共同解鎖醫療數據的力量，構建適用于醫療 AI 工作流的深度學習模型和可部署應用。

在上周舉行的北美放射學會（RSNA）年會上，NVIDIA 宣布西門子醫療已使用MONAI Deploy模塊。該模塊包含在 MONAI 中，彌補了從研究到臨床工作之間的差距，使醫學影像 AI 工作流能夠被更加快速、高效地集成到臨床部署中。

全球有 15000 多臺醫療設備安裝了西門子醫療的 Syngo Carbon 和 syngo.via 企業影像平臺。它們幫助臨床醫生更好地讀取多種來源的醫學影像并從中提煉洞察。

開發人員在構建 AI 應用時通常會使用各種框架，使應用難以被部署到臨床環境中。

而 MONAI Deploy 只需幾行代碼，就能構建可在任何地點運行的 AI 應用。該模塊可用于臨床工作中醫療 AI 應用的開發、封裝、測試、部署和執行，有助于簡化醫學影像 AI 應用的開發流程，并將其集成到臨床工作流中。

西門子健康平臺上的 MONAI Deploy 大大加快了 AI 集成過程。用戶只需點擊幾下，就能將訓練完畢的 AI 模型移植到現實世界的臨床環境中，而過去這項工作需要耗費數月時間。這能幫助研究人員、創業者和初創公司更快地將他們的應用交付給放射科醫生。

西門子醫療數字技術與研究部門主管 Axel Heitland 表示：“我們通過加快 AI 模型的部署，幫助醫療機構比以往更快用上基于 AI 的最新醫學影像技術，并從中受益。借助 MONAI Deploy，研究人員可以快速定制 AI 模型并將實驗室中的創新成果應用于臨床實踐，讓全球成千上萬的臨床研究人員直接在他們的 syngo.via 和 Syngo Carbon 影像平臺上使用 AI 驅動的先進技術?！?/p>

借助使用 MONAI 開發的應用，這些平臺可以大大簡化 AI 的集成。用戶可以在西門子醫療 Digital Marketplace 上輕松獲得和使用這些應用，還可以進行瀏覽、選擇以及將它們無縫集成到臨床工作流中。

MONAI 生態系統

推動創新和應用

MONAI 已推出五年，下載量超過 350 萬次，全球貢獻者達 220 人。它被 3000 多篇發表的文章所認可，贏得過 17 次 MICCAI 挑戰賽并被應用于眾多臨床產品。

最新發布的 MONAI v1.4 版本進行了多項更新，使研究人員和臨床醫生能夠更有效地利用 MONAI 的創新成果，并為西門子醫療的 Syngo Carbon 和 syngo.via 以及西門子醫療 Digital Marketplace 做出貢獻。

MONAI v1.4 和相關 NVIDIA 產品的更新內容包括加入了新的醫學影像基礎模型。這些模型可在 MONAI 中進行定制，并作為 NVIDIA NIM 微服務部署。目前作為 NIM 微服務正式提供的模型包括：

MAISI（適用于合成影像的醫療 AI）是一個潛在擴散生成式 AI 基礎模型，能夠模擬高分辨率、全格式 3D CT 影像以及這些影像的解剖結構分割。

VISTA-3D是一個用于 CT 影像分割的基礎模型，它提供了涵蓋 120 多個主要器官類別的精準開箱即用性能以及學習分割新結構所需的有效自適應和零樣本功能。

除了 MONAI 1.4 的主要功能外，現在還可以通過 MONAI 的 VLM GitHub 資源庫訪問新的 MONAI 多模態模型 M3。M3 是一個借助醫療 AI 專家模型（例如來自 MONAI Model Zoo、經過訓練的 AI 模型）擴展所有多模態 LLM 的框架。目前在 Hugging Face 上提供的 VILA-M3 基礎模型具有先進的放射影像副駕駛性能，充分展現了這一新框架的強大之處。

MONAI 為醫院、醫療初創公司

和研究機構牽線搭橋

全球頂尖的醫療機構、學術醫療中心、初創公司和軟件供應商正在積極使用MONAI并推進其發展，包括：

德國癌癥研究中心領導 MONAI 的基準和指標工作組，該工作組負責提供衡量 AI 性能的指標以及如何和何時使用這些指標的指南。

紀念斯隆-凱特琳癌癥中心（MSK）的 Nadeem Lab 率先使用 MONAI 在云端部署了多個 AI 輔助注釋流程和病理數據推理模塊。

科羅拉多大學醫學院的教師開發了基于 MONAI 的眼科工具，以便使用各種影像學方法檢測視網膜疾病。該大學還使用 MONAI 引領了一些原創的聯邦學習開發和臨床演示。

MathWorks已將 MONAI Label 與其 Medical Imaging Toolbox 集成，為學術界和產業界成千上萬從事醫學和生物醫學應用工作的 MATLAB 用戶帶來了醫學影像 AI 和 AI 輔助注釋功能。

GSK正在探索 MONAI 基礎模型，包括用于影像分割的 VISTA-3D 和 VISTA-2D。

Flywheel提供了一個包含 MONAI 的平臺。該平臺將 MONAI 用于簡化影像數據管理，實現研究工作流程的自動化和支持 AI 開發與分析，并且可以根據研究機構和生命科學組織的需求進行擴展。

Alara Imaging在 2024 年美國醫學影像信息學學會會議上發表了將 VISTA-3D 等 MONAI 基礎模型與 Llama 3 等 LLM 集成的工作。

RadImageNet正在探索使用 MONAI 的 M3 框架開發前沿視覺語言模型，以便利用 MONAI 的影像 AI 專家模型生成高質量的放射學報告。

Kitware正在提供以 MONAI 為核心的專業軟件開發服務，幫助客戶將 MONAI 集成到設備制造商的定制工作流以及監管機構批準的產品中。

研究人員和企業現在可以在云服務提供商上使用 MONAI 來運行和部署可擴展的 AI 應用。支持 MONAI 的云平臺包括AWS HealthImaging、Google Cloud、Microsoft Cloud for Healthcare 旗下的 Precision Imaging Network 以及 Oracle Cloud Infrastructure。