專業領域優化，基於 PyTorch 的計劃可幫助研究人員開發醫療保健中的 AI 。
再也没有比為全球領先的醫學研究人員們提供功能強大的 AI 工具更重要的事了。
NVIDIA 與 倫敦國王學院 （ King’s College London ）於近期推出了 MONAI開源 AI 框架。針對醫療研究領域的該開源 AI 框架建立在現有工具的最佳應用基礎之上（包括 NVIDIA Clara， NiftyNet ， DLTK 和 DeepNeuro ）。
MONAI 易於使用，且能夠提供具有復驗性的結果。並且還針對醫療資料的獨特需求進行了專項優化，使其能夠處理醫學圖像所特有的格式、解析度和元資料訊息。目前所發布的首發公開版提供了專門用於醫療領域的資料轉換、神經網路架構和評估方法，能夠用來評估醫學影像模型的質量。
倫敦國王學院生物醫藥工程及影像科學學院院長 Seb Ourselin 說道： “通過與 NVIDIA 合作， MONAI 計劃正在依循開源領域的產業標準展開研究，並且正與學術界和產業界合作，建立全球化的社區，從而建構出能夠支持醫學影像 AI 科學發展的高質量框架。”
目前， NVIDA 和倫敦國王學院正在與來自中科院、德國癌症研究中心、 Kitware 、 MGH & BWH 臨床資料科學中心、史丹福大學和慕尼黑工業大學的專家合作，組成顧問委員會，共同領導此項計劃。
MONAI 顧問委員會主席暨開源軟體公司 Kitware 的資深總監 Stephen Aylward 表示：“MONAI 計劃具有極大的潛力，可以幫助加快醫學影像 AI 的研究步伐。它提供了專門用於醫學成像的高質量開源基礎。 MONAI 計劃歡迎大家在此基礎之上貢獻智慧，利用該平台相互交流，溝通彼此的想法。”
目前，此開源代碼已可通過GitHub 存取 。該代碼基於 Ignite 和 PyTorch 深度學習框架 ，包括了用於資料處理、 2D 分類、 3D 分割等任務的最新資料庫。研究人員可以使用客制化設計輕鬆地將 MONAI 帶入到其現有代碼中，從而將模組化組件整合到其 AI 工作流程中。
開放靈活的框架，專為醫療領域而設計
模組化的開源解決方案使研究人員可以靈活地客制化深度學習開發計劃，而無需使用端對端系統替換其現有工作流程。
例如，先進研究人員可以採用 MONAI 代碼進行資料預處理和轉換，然後切換到現有的 AI 流程進行訓練。
倫敦醫學影像與 AI 中心首席技術長 Jorge Cardoso 表示：“研究人員需要一種靈活、強大、可組合的框架，幫助他們進行具有創新性的醫學 AI 研究，同時這種框架需要提供相應的穩健性、測試和文檔，使其能夠安全地部署在醫院當中。 MONAI 的出現，使其成為可能。”
借助於詳細的教程和易於操作的 API 界面，即便是初級研究員也可以定義端對端的訓練工作流程。
MONAI 框架的一項核心目標是實現實驗的可重複性，如此一來，研究人員就可以共享結果並相互借鏡，共同發展最新技術。
MGH & BWH 臨床資料科學中心技術主任， MGH-哈佛醫學院放射學副教授 Jayashree Kalpathy-Cramer 說：“在科學研究當中，可重複性是至關重要的，尤其是當我們探討 AI 在醫學領域當中應用的時候。 MONAI 計劃所提供的框架，讓社區可以使用來自世界各地的資料、技術，驗證和改進醫學成像 AI 開發。”
未來 NVIDIA Clara 的版本也將善用 MONAI 框架。 NVIDIA 計劃將 NVIDIA Clara 醫學影像工具和 MONAI 結合在一起，持續為醫療影像研究人員提供針對醫療領域進行專業優化的強大軟體工具。
在整個社區的共同努力下，該計劃將提升研究效率，並促進學術界和行業研究人員之間的合作。