西門子醫療採用 MONAI 部署醫療影像 AI
前言：
西門子醫療Digital Marketplace現已開放使用 MONAI 整合，可輕鬆將AI用於臨床工作流程
36 億，這是全球每年為診斷、監測及治療各種病症而進行的醫學影像檢測數量。
加快所有這些 X 光、CT 掃描、MRI（核磁共振）和超音波檢查的處理和評估，對於幫助醫生管理工作量和改善治療成果而言至關重要。
這正是 NVIDIA 推出 MONAI 的原因，MONAI 是一個開源的研發平台，可用於醫療影像及其他領域的人工智慧（AI）應用。MONAI 結合醫師與資料科學家，發揮醫療數據的力量，為醫療 AI 工作流程建立深度學習模型與可部署的應用。
本週在北美放射學會（RSNA）的年會上，NVIDIA 宣布西門子醫療（Siemens Healthineers）已採用 MONAI 所提供 MONAI Deploy 模組，該模組可拉近從研究到臨床生產的差距，以提升醫療影像 AI 工作流程整合至臨床部署的速度與效率。
全球各地已有超過 15,000 台醫療設備安裝西門子醫療的 Syngo Carbon 及 syngo.via 企業影像平台，可協助臨床醫師更易於讀取多種來源的醫療影像，並且從中獲得見解。
開發人員在建立 AI 應用時，通常會使用各種框架。這使得將應用部署到臨床環境裡成為挑戰。
只需幾行程式碼，MONAI Deploy 就能構建可以在任何地方運行的 AI 應用。它是一款在臨床生產過程中開發、打包、測試、部署和運行醫療 AI 應用的工具。使用 MONAI Deploy 將能簡化開發醫療影像 AI 應用，並將其整合至臨床工作流程的過程。
西門子醫療平台上的 MONAI Deploy 顯著加快了整合 AI 的流程，使用者只要點幾下滑鼠，便能把訓練好的 AI 模型移植到現實的臨床環境，而過去這件事要用到好幾個月的時間。這有助於研究人員、企業和新創公司更快把他們的應用交給放射科醫師使用。
西門子醫療數位科技與研究部門主管 Axel Heitland 表示：「藉由加快部署 AI 模型，醫療機構可以用比過去更快的速度從AI醫療影像領域的最新進展獲益。研究人員使用 MONAI Deploy可以快速自訂 AI 模型，以及將創新成果從實驗室搬到臨床實務環境裡，讓全球數千名臨床研究人員直接在其 syngo.via 和 Syngo Carbon 影像平台上獲得 AI 所驅動的進步成果。」
在由 MONAI 開發出的應用程式加持下，這些平台能夠大幅簡化 AI 整合工作。在西門子醫療旗下 Digital Marketplace 上便能輕鬆提供和使用這些應用，使用者可以瀏覽、選擇及與自己的臨床工作流程無縫整合。
MONAI 生態系促進創新和採用
已經推出五年的 MONAI，下載量超過 350 萬次，有來自世界各地的 220 位貢獻者，並在超過三千份刊物的致謝文裡被有提及，在 MICCAI 挑戰賽拿過 17 次冠軍，且在許多臨床產品中有使用。
在最新的 v1.4 版 MONAI 裡有提供多項更新內容，讓研究人員和臨床醫師有更多機會利用 MONAI 的創新成果，並且為西門子醫療 Syngo Carbon、syngo.via 和西門子醫療 Digital Marketplace 做出貢獻。
MONAI v1.4和相關NVIDIA產品的更新項目包括新的醫學影像基礎模型，可以在MONAI裡客製化及部署為 NVIDIA NIM 微服務。下列模型現已開放做為 NIM 微服務使用：
MAISI（Medical AI for Synthetic Imaging）是一種潛在擴散生成式 AI 基礎模型，可模擬高解析度、全格式 3D CT 影像及其解剖分割。
VISTA-3D 是 CT 影像分割的基礎模型，能原生提供精準執行效能，涵蓋超過 120 個主要器官類別。它還提供有效的適應性和零樣本功能，以學習分割新的結構。
除了 MONAI 1.4 版的主要功能，現在還能透過MONAI 的 VLM GitHub 儲存庫使用新的 MONAI 多模態模型（或稱為 M3）。M3 這個框架可利用醫療 AI 專家（擴充任何多模態大型語言模型，例如 MONAI 的 Model Zoo 所提供已訓練完成的 AI 模型。VILA-M3 基礎模型中展現了這個新框架的強大功能，該模型目前已在 Hugging Face 上提供最先進的放射影像copilot（副駕駛）效能。
MONAI 串連起醫院、醫療領域新創公司和研究機構
全球領先的醫療機構、學術醫療中心、新創公司和軟體供應商皆採用和推進 MONAI 的發展，包括：
德國癌症研究中心帶領 MONAI 的基準與指標工作小組，該工作小組提供衡量 AI 效能的指標，以及如何和何時使用這些指標的指引。
紀念斯隆-凱特琳癌症中心（Memorial Sloan Kettering Cancer Center，MSK）旗下 Nadeem 實驗室率先使用 MONAI，以雲端方式部署多種 AI 輔助註釋管道和病理資料推論模組。
美國科羅拉多大學醫學院的教師開發了以 MONAI 為基礎的眼科工具，利用各種影像模式檢測視網膜疾病。該校還帶領進行部分使用 MONAI 的原始聯合學習開發和臨床示範。
MathWorks 已將 MONAI Label 與該公司的 Medical Imaging Toolbox 進行整合，讓產學兩界數千名從事醫療和生物醫學應用的 MATLAB 使用者可以使用到這些先進的醫學影像 AI 和 AI 輔助註解功能。
GSK 正在探索 MONAI 基礎模型，例如用於影像分割的 VISTA-3D 和 VISTA-2D。
Flywheel 提供一個其中包括 MONAI 的平台，用於簡化影像資料管理、自動執行研究工作流程，以及支援 AI 開發與分析功能，且可視研究機構和生命科學組織的需求調整規模。
Alara Imaging 在 2024 年醫學影像資訊學會年會上發表該公司將VISTA-3D等MONAI 基礎模型與Llama 3等大型語言模型整合的成果。
RadImageNet 正在探索使用 MONAI 的 M3 框架來開發尖端視覺語言模型，利用 MONAI 的專家影像 AI 模型來產生高品質的放射檢測報告。
Kitware 提供圍繞 MONAI 的專業軟體開發服務，協助將 MONAI 整合到設備製造商的客製化工作流程，以及主管機關核准的產品中。
研究人員與企業也在雲端服務供應商上使用 MONAI 來執行和部署具擴充能力的 AI 應用。開放使用 MONAI 的雲端平台有 AWS HealthImaging、Google Cloud、Microsoft Cloud for Healthcare 旗下的 Precision Imaging Network 以及 Oracle Cloud Infrastructure。
請參閱syngo.via、Syngo Carbon和 Digital Marketplace 上產品的揭露聲明。
