La integración de MONAI ahora está disponible en el mercado digital de Siemens Healthineers, lo que permite una fácil implementación de IA en los flujos de trabajo clínicos.
3.600 millones. Esa es la cantidad de pruebas de diagnóstico por imágenes que se realizan anualmente en todo el mundo para diagnosticar, controlar y tratar diversas enfermedades.
Acelerar el procesamiento y la evaluación de todas estas radiografías, tomografías computarizadas, resonancias magnéticas y ecografías es esencial para ayudar a los médicos a gestionar sus cargas de trabajo y mejorar los resultados de salud.
Por eso, NVIDIA presentó MONAI , que funciona como una plataforma de investigación y desarrollo de código abierto para aplicaciones de IA utilizadas en imágenes médicas y más. MONAI reúne a médicos con científicos de datos para liberar el poder de los datos médicos y crear modelos de aprendizaje profundo y aplicaciones implementables para flujos de trabajo de IA médica.
Esta semana, en la reunión anual de RSNA, la Sociedad Radiológica de Norteamérica, NVIDIA anunció que Siemens Healthineers adoptó MONAI Deploy, un módulo dentro de MONAI que cierra la brecha entre la investigación y la producción clínica, para aumentar la velocidad y la eficiencia de la integración de flujos de trabajo de IA para imágenes médicas en implementaciones clínicas.
Con más de 15.000 instalaciones en dispositivos médicos en todo el mundo, las plataformas de imágenes empresariales Syngo Carbon y syngo.via de Siemens Healthineers ayudan a los médicos a leer mejor y extraer información de las imágenes médicas de muchas fuentes.
Los desarrolladores suelen utilizar una variedad de marcos de trabajo al crear aplicaciones de IA, lo que dificulta la implementación de sus aplicaciones en entornos clínicos.
Con unas pocas líneas de código, MONAI Deploy crea aplicaciones de IA que pueden ejecutarse en cualquier lugar. Es una herramienta para desarrollar, empaquetar, probar, implementar y ejecutar aplicaciones de IA médica en la producción clínica. Su uso agiliza el proceso de desarrollo e integración de aplicaciones de IA de imágenes médicas en los flujos de trabajo clínicos.
MONAI Deploy en la plataforma Siemens Healthineers ha acelerado significativamente el proceso de integración de la IA, permitiendo a los usuarios trasladar modelos de IA entrenados a entornos clínicos del mundo real con solo unos pocos clics, en comparación con lo que solía llevar meses. Esto ayuda a los investigadores, empresarios y empresas emergentes a poner sus aplicaciones en manos de los radiólogos más rápidamente.
“Al acelerar la implementación de modelos de IA, permitimos que las instituciones de atención médica aprovechen y se beneficien de los últimos avances en imágenes médicas basadas en IA más rápido que nunca”, afirmó Axel Heitland, director de tecnologías digitales e investigación en Siemens Healthineers. “Con MONAI Deploy, los investigadores pueden adaptar rápidamente los modelos de IA y trasladar las innovaciones del laboratorio a la práctica clínica, lo que brinda a miles de investigadores clínicos de todo el mundo acceso a los avances impulsados por IA directamente en sus plataformas de imágenes syngo.via y Syngo Carbon”.
Estas plataformas, mejoradas con aplicaciones desarrolladas por MONAI, pueden optimizar significativamente la integración de la IA. Estas aplicaciones se pueden proporcionar y utilizar fácilmente en el Siemens Healthineers Digital Marketplace , donde los usuarios pueden buscarlas, seleccionarlas e integrarlas sin problemas en sus flujos de trabajo clínicos.
El ecosistema MONAI impulsa la innovación y la adopción
Ahora, al celebrar su quinto aniversario, MONAI ha tenido más de 3,5 millones de descargas, 220 colaboradores de todo el mundo, reconocimientos en más de 3000 publicaciones, 17 victorias en el desafío MICCAI y se ha utilizado en numerosos productos clínicos.
La última versión de MONAI, v1.4, incluye actualizaciones que brindan a los investigadores y médicos aún más oportunidades de aprovechar las innovaciones de MONAI y contribuir a Siemens Healthineers Syngo Carbon, syngo.via y Siemens Healthineers Digital Marketplace.
Las actualizaciones de MONAI v1.4 y los productos NVIDIA relacionados incluyen nuevos modelos básicos para imágenes médicas, que se pueden personalizar en MONAI e implementar como microservicios NIM de NVIDIA . Los siguientes modelos ahora están disponibles de forma general como microservicios NIM:
- MAISI (IA médica para imágenes sintéticas) es un modelo base de IA generativa de difusión latente que puede simular imágenes de TC 3D de formato completo y alta resolución y sus segmentaciones anatómicas.
- VISTA-3D es un modelo básico para la segmentación de imágenes de TC que ofrece un rendimiento preciso y listo para usar que abarca más de 120 clases de órganos principales. También ofrece una adaptación eficaz y capacidades de cero disparos para aprender a segmentar estructuras nuevas.
Además de las principales características de MONAI 1.4, el nuevo modelo multimodal de MONAI, o M3, ahora es accesible a través del repositorio VLM de GitHub de MONAI . M3 es un marco que extiende cualquier modelo multimodal de LLM con expertos en IA médica, como los modelos de IA entrenados del Zoológico de modelos de MONAI. El poder de este nuevo marco se demuestra con el modelo base VILA-M3 que ahora está disponible en Hugging Face, que ofrece un rendimiento de copiloto de imágenes radiológicas de última generación.
MONAI une hospitales, empresas sanitarias emergentes e instituciones de investigación
Las principales instituciones de atención médica, centros médicos académicos, empresas emergentes y proveedores de software de todo el mundo están adoptando y promoviendo MONAI, entre ellos:
- El Centro Alemán de Investigación del Cáncer dirige el grupo de trabajo sobre métricas y puntos de referencia de MONAI, que proporciona métricas para medir el rendimiento de la IA y pautas sobre cómo y cuándo utilizar esas métricas.
- Nadeem Lab del Memorial Sloan Kettering Cancer Center (MSK) fue pionero en la implementación basada en la nube de múltiples canales de anotación asistida por IA y módulos de inferencia para datos de patología utilizando MONAI.
- Los profesores de la Facultad de Medicina de la Universidad de Colorado desarrollaron herramientas oftalmológicas basadas en MONAI para detectar enfermedades de la retina mediante una variedad de modalidades de imágenes. La universidad también lidera algunos de los desarrollos originales de aprendizaje federado y demostraciones clínicas utilizando MONAI.
- MathWorks ha integrado MONAI Label con su Medical Imaging Toolbox, brindando capacidades de anotación asistida por IA y de imágenes médicas a miles de usuarios de MATLAB que participan en aplicaciones médicas y biomédicas en el ámbito académico y la industria.
- GSK está explorando modelos básicos de MONAI como VISTA-3D y VISTA-2D para la segmentación de imágenes.
- Flywheel ofrece una plataforma, que incluye MONAI para agilizar la gestión de datos de imágenes, automatizar los flujos de trabajo de investigación y permitir el desarrollo y análisis de IA, que se adapta a las necesidades de las instituciones de investigación y las organizaciones de ciencias biológicas.
- Alara Imaging publicó su trabajo sobre la integración de los modelos básicos de MONAI, como VISTA-3D, con LLM como Llama 3 en la conferencia de la Sociedad de Informática de Imágenes en Medicina de 2024.
- RadImageNet está explorando el uso del marco M3 de MONAI para desarrollar modelos de lenguaje de visión de vanguardia que utilizan modelos de inteligencia artificial de imágenes expertos de MONAI para generar informes radiológicos de alta calidad.
- Kitware ofrece servicios profesionales de desarrollo de software relacionados con MONAI y ayuda a integrar MONAI en flujos de trabajo personalizados para fabricantes de dispositivos, así como para productos aprobados por las autoridades regulatorias.
Los investigadores y las empresas también están utilizando MONAI en proveedores de servicios en la nube para ejecutar e implementar aplicaciones de IA escalables. Las plataformas en la nube que brindan acceso a MONAI incluyen AWS HealthImaging, Google Cloud, Precision Imaging Network, parte de Microsoft Cloud for Healthcare y Oracle Cloud Infrastructure. NVIDIA News. Traducido al español
Contacto