MONAI这个面向医疗领域的开源AI成像框架，近期在医疗健康行业中引发了广泛关注。德国癌症研究中心、伦敦国王学院、麻省总医院、NVIDIA、斯坦福大学、范德堡大学等知名机构，均已加入其用户阵营。它到底有多受欢迎？让我们一探究竟。

MONAI的全称为 Medical Open Network for AI，是一个专为医疗健康领域量身打造的开源框架。而即将发布的NVIDIA Clara应用框架已正式投入生产，专注于医疗健康和生命科学领域的AI应用。两者强强联合，潜力巨大。

今年4月才推出的MONAI，目前已被全球顶尖研究机构争相采用。它基于PyTorch构建，通过行业特定的数据处理、高性能训练工作流以及先进的可复现参考实现，真正推动了AI在医疗成像开发中的落地。作为Clara产品更新的一部分，MONAI将提供20多种预训练模型，包括近期专门针对COVID-19研发的模型。配合NVIDIA DGX A100 GPU的最新训练优化，训练速度可提升六倍——这意味着原本需要一天完成的任务，如今几小时即可搞定。

麻省总医院Athinoula A. Martinos生物医学成像中心QTIM实验室主任Jayashree Kalpathy-Cramer博士评价道：“MONAI正在成为医疗健康领域的PyTorch，为数据科学家与临床医生之间更紧密的合作铺平了道路。借助联邦学习，MONAI在全球范围内的采用促进了国际合作。”此言非虚。从德国癌症研究中心到伦敦国王学院，从麻省总医院到斯坦福和范德堡，众多机构都在使用该框架。今年9月举办的MONAI新手训练营，吸引了来自40个国家的550多人报名，甚至包括大学本科生。行业领先的成像竞赛也在广泛应用MONAI。

范德堡大学的Bennett Landman博士也高度认可：“MONAI已迅速成为医疗健康领域首选的深度学习框架。从研究走向生产这一步，对AI在临床护理中的实际应用至关重要。NVIDIA致力于社区驱动的科学研究，让学术界能够为可用于生产的框架贡献力量，这将进一步推动创新，构建企业就绪型特性。”

新特性

NVIDIA Clara为MONAI社区带来了AI辅助注释、联邦学习和生产部署方面的最新突破。最新版本在AI辅助注释上实现了重大升级：放射科医生现在可以使用名为DeepGrow 3D的新模型，标记复杂的3D CT数据时，点击次数直接降至原来的十分之一。传统方法按图像或切片分割器官或病变非常耗时，例如肝脏这类大型器官，有时需要250次点击。如今，仅需几下即可完成。

NVIDIA Clara的AI辅助注释工具和全新的DeepGrow 3D功能，还能与Fovia Ai的F.A.S.T. AI注释软件结合使用，既用于标记训练数据，也协助放射科医生读片。Fovia提供XStream HDVR SDK套件，可通过业界领先的PACS查看器查看DICOM图像。换言之，整个流程变得更加顺畅高效。

AI辅助注释是解锁丰富放射学数据集的关键。近期，该技术被用于标记美国国立卫生研究院癌症影像档案馆发布的公共COVID-19 CT数据集。标记后的数据集随后被用于MICCAI认证的COVID-19肺部CT病变分割挑战赛。这一举措既推动了研究进展，也加速了临床应用的落地。

联邦学习方面同样取得了重要进展。Clara联邦学习让全球20家医院近期合作研究，为COVID-19患者开发通用AI模型。这个名为EXAM的模型能够预测COVID-19患者的需氧量，现已通过NGC软件注册表获取，并正在纽约西奈山卫生系统、巴西Diagnósticos da America SA、英国国立卫生研究院剑桥生物医学研究中心以及美国国立卫生研究院进行临床验证评估。

斯坦福大学生物医学数据科学、放射学和医学教授Daniel Rubin博士表示：“MONAI软件框架提供了训练和评估基于图像的深度学习模型所需的关键组件，其开源方式有助于培育不断壮大的社区，为联邦学习等令人振奋的进步贡献力量。”

此外，NVIDIA还将Clara扩展至数字病理学应用。该领域长期面临一个难题：现有开源工具根本无法应对巨大的图像尺寸。用于病理学早期访问的Clara包含了针对AI应用训练和部署的参考管线，相当于为病理学AI铺平了道路。

伦敦医学成像和AI价值医疗中心首席技术官Jorge Cardoso总结道：“医疗健康数据的互操作性、模型部署和临床路径集成是一个日益复杂且相互交织的话题，涉及特定领域的专业知识。MONAI项目与NVIDIA Clara生态系统其他部分的结合，有助于改善患者护理，加速临床路径的集成。”