MONAI, la red abierta médica para la IA, es un framework de código abierto optimizado para el dominio de la atención médica. Ya está listo para integrarse en la etapa de producción con el próximo lanzamiento del framework de aplicaciones NVIDIA Clara para la atención médica y las ciencias naturales con tecnología de IA.
MONAI se presentó en abril y ya fue adoptado por las principales instituciones de investigación en salud. Es un framework basado en PyTorch que permite el desarrollo de IA para la generación de imágenes médicas con manejo de datos específicos de la industria, workflows de entrenamiento de alto rendimiento e implementaciones de referencia reproducibles con enfoques de vanguardia.
Como parte de la oferta actualizada de Clara, MONAI vendrá con más de 20 modelos previamente entrenados, incluidos los desarrollados recientes para luchar contra el COVID-19, así como las últimas optimizaciones de entrenamiento en las GPU NVIDIA DGX A100 que brindan una aceleración hasta seis veces mayor en el tiempo de respuesta al entrenamiento.
La adopción por parte del ecosistema de atención de la salud de MONAI ha sido tremenda. DKFZ, King’s College London, Mass General, Stanford y Vanderbilt se encuentran entre los que adoptaron el framework de IA para la generación de imágenes. MONAI se está utilizando en todo tipo de implementaciones, desde competencias de imágenes líderes en la industria hasta el primer campo de entrenamiento centrado en el framework, que se celebró en septiembre y atrajo a más de 550 participantes de 40 países, incluidos estudiantes universitarios de pregrado.
Nuevas funciones.
NVIDIA Clara trae los últimos avances en anotaciones asistidas por IA, aprendizaje federado e implementación de producción a la comunidad MONAI.
La última versión introduce un aspecto revolucionario en la anotación asistida por IA que permite a los radiólogos etiquetar datos complejos de TC en 3D en una décima parte de los clics gracias un nuevo modelo llamado DeepGrow 3D. En lugar del método tradicional que requiere mucho tiempo de segmentar una imagen de órgano o lesión por imagen o corte por corte, que puede ser de hasta 250 clics para un órgano grande como el hígado, los usuarios pueden segmentar con muchos menos clics.
Integrado con F.A.S.T. de Fovia Ai el software de anotación de IA, las herramientas de anotación asistida por IA de NVIDIA Clara y la nueva función DeepGrow 3D se pueden utilizar para etiquetar datos de entrenamiento y ayudar a los radiólogos durante la lectura. Fovia ofrece la suite XStream HDVR SDK para revisar imágenes DICOM que están integradas en visores PACS líderes en la industria.
La anotación asistida por IA es la clave para desbloquear ricos conjuntos de datos de radiología y se utilizó recientemente para etiquetar el conjunto de datos públicos de CT relacionados con el COVID-19, que publicó el Archivo de Imágenes de Cáncer en los Institutos Nacionales de Salud de EE. UU. Este conjunto de datos etiquetado se usó luego en el desafío de segmentación de lesiones causadas el COVID-19 y detectadas en tomografías pulmonares, que respaldó MICCAI.
Clara Federated Learning hizo posible la reciente colaboración de investigación de 20 hospitales de todo el mundo para desarrollar un modelo de IA generalizado para pacientes con COVID-19. El modelo EXAM predice los requisitos de oxígeno de pacientes con COVID-19 y está disponible en el registro de software de NGC. Además, está siendo evaluado para la validación clínica en Mount Sinai Health System de Nueva York, Diagnósticos da America SA en Brasil, NIHR Cambridge Biomedical Research Center en el Reino Unido y los NIH.
NVIDIA también está expandiendo su lanzamiento de NVIDIA Clara a aplicaciones de patología digital, donde los tamaños de las imágenes ahogarían las herramientas de inteligencia artificial de código abierto listas para usar. En cambio para Clara el acceso temprano a patologías contiene procesos de referencia para el entrenamiento y la implementación de aplicaciones de IA.
