Se realizan aproximadamente 3.6 mil millones de pruebas de imágenes médicas al año en todo el mundo para diagnosticar, monitorear y tratar diversas condiciones. Acelerar el procesamiento y evaluación de todos estos rayos X, tomografías computarizadas, resonancias magnéticas y ultrasonidos es fundamental para ayudar a los médicos a manejar su carga de trabajo y mejorar los resultados de salud.

NVIDIA presenta MONAI

Por esta razón, NVIDIA introdujo MONAI, una plataforma de investigación y desarrollo de código abierto para aplicaciones de inteligencia artificial (IA) utilizadas en imágenes médicas y más. MONAI une a médicos con científicos de datos para desbloquear el poder de los datos médicos, con el fin de construir modelos de aprendizaje profundo y aplicaciones desplegables para flujos de trabajo de IA médica.

Durante la reunión anual de la RSNA, la Sociedad Radiológica de América del Norte, NVIDIA anunció que Siemens Healthineers adoptó MONAI Deploy, un módulo dentro de MONAI que cierra la brecha desde la investigación hasta la producción clínica, con el objetivo de aumentar la velocidad y la eficiencia de la integración de flujos de trabajo de IA para imágenes médicas en despliegues clínicos.

Con más de 15,000 instalaciones en dispositivos médicos alrededor del mundo, las plataformas de imágenes empresariales Syngo Carbon y syngo.via de Siemens Healthineers ayudan a los clínicos a leer y extraer mejor información de imágenes médicas de diversas fuentes.

Los desarrolladores generalmente utilizan una variedad de marcos al construir aplicaciones de IA, lo que dificulta el despliegue de sus aplicaciones en entornos clínicos.

MONAI Deploy, con solo unas pocas líneas de código, construye aplicaciones de IA que pueden ejecutarse en cualquier lugar. Es una herramienta para desarrollar, empaquetar, probar, desplegar y ejecutar aplicaciones de IA médica en producción clínica. Utilizarla simplifica el proceso de desarrollo e integración de aplicaciones de IA para imágenes médicas en 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 transferir modelos de IA entrenados a entornos clínicos reales con solo unos clics, en comparación con lo que antes tomaba meses. Esto ayuda a investigadores, emprendedores y startups a llevar sus aplicaciones a los radiólogos más rápidamente.

“Al acelerar la implementación de modelos de IA, capacitamos a las instituciones de salud para aprovechar y beneficiarse de los últimos avances en imágenes médicas basadas en IA más rápido que nunca”, dijo Axel Heitland, líder de tecnologías digitales e investigación en Siemens Healthineers. “Con MONAI Deploy, los investigadores pueden adaptar rápidamente modelos de IA y transitar innovaciones del laboratorio a la práctica clínica, brindando a miles de investigadores clínicos en todo el mundo acceso a avances impulsados por IA directamente en sus plataformas de imágenes syngo.via y Syngo Carbon.”

Mejoradas con aplicaciones desarrolladas por MONAI, estas plataformas pueden simplificar significativamente la integración de IA. Estas aplicaciones pueden ser fácilmente proporcionadas y utilizadas en el Digital Marketplace de Siemens Healthineers, donde los usuarios pueden navegar, seleccionar e integrarlas sin problemas en sus flujos de trabajo clínicos.

El ecosistema MONAI impulsa la innovación y adopción

Ahora celebrando su quinto aniversario, MONAI ha registrado más de 3.5 millones de descargas, 220 contribuyentes de todo el mundo, reconocimientos en más de 3,000 publicaciones, 17 victorias en los desafíos MICCAI y se utiliza en numerosos productos clínicos.

La última versión de MONAI — v1.4 — incluye actualizaciones que ofrecen a investigadores y clínicos aún más oportunidades de aprovechar las innovaciones de MONAI y contribuir a los productos Syngo Carbon, syngo.via y al Digital Marketplace de Siemens Healthineers.

Las actualizaciones en MONAI v1.4 y productos relacionados de NVIDIA incluyen nuevos modelos base para imágenes médicas, que pueden ser personalizados en MONAI y desplegados como microservicios de NVIDIA NIM. Los siguientes modelos ahora están disponibles de manera general como microservicios NIM:

• MAISI (Medical AI for Synthetic Imaging) es un modelo base generativo de IA de difusión latente que puede simular imágenes 3D de TC a alta resolución y sus segmentaciones anatómicas.
• VISTA-3D es un modelo base para segmentación de imágenes de TC que ofrece un rendimiento preciso listo para usar cubriendo más de 120 clases de órganos principales. También ofrece capacidades efectivas de adaptación y cero disparo para aprender a segmentar estructuras novedosas.

Junto con las principales características de MONAI 1.4, el nuevo modelo multimodal de MONAI, o M3, ahora está accesible a través del repositorio VLM de MONAI en GitHub. M3 es un marco que extiende cualquier LLM multimodal con expertos en IA médica, como modelos de IA entrenados del Model Zoo de MONAI. El poder de este nuevo marco se demuestra con el modelo base VILA-M3, que ahora está disponible en Hugging Face, ofreciendo un rendimiento de copiloto de imágenes radiológicas de última generación.

MONAI conecta hospitales, startups de salud e instituciones de investigación

Instituciones sanitarias líderes, centros médicos académicos, startups y proveedores de software de todo el mundo están adoptando y avanzando MONAI, incluyendo:

• Centro Alemán de Investigación del Cáncer lidera el grupo de trabajo de métricas y referencia de MONAI, que proporciona métricas para medir el rendimiento de la IA y directrices sobre cómo y cuándo usar esas métricas.
• Nadeem Lab del Memorial Sloan Kettering Cancer Center (MSK) pionero en el despliegue basado en la nube de múltiples tuberías de anotación asistidas por IA y módulos de inferencia para datos de patología utilizando MONAI.
• La facultad de la Universidad de Colorado School of Medicine desarrolló herramientas de oftalmología basadas en MONAI para detectar enfermedades retinianas utilizando una variedad de modalidades de imagen. La universidad también lideró algunos de los desarrollos originales de aprendizaje federado y demostraciones clínicas utilizando MONAI.
• MathWorks ha integrado MONAI Label con su Medical Imaging Toolbox, llevando capacidades de IA para imágenes médicas y anotaciones asistidas por IA a miles de usuarios de MATLAB involucrados en aplicaciones médicas y biomédicas en toda la academia y la industria.
• GSK está explorando modelos base de MONAI como VISTA-3D y VISTA-2D para segmentación de imágenes.
• Flywheel ofrece una plataforma que incluye MONAI para optimizar la gestión de datos de imágenes, automatizar flujos de trabajo de investigación y permitir el desarrollo y análisis de IA, escalando para las necesidades de instituciones de investigación y organizaciones de ciencias de la vida.
• Alara Imaging publicó su trabajo sobre la integración de modelos base de MONAI como VISTA-3D con LLMs como Llama 3 en la conferencia de la Society for Imaging Informatics in Medicine 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 IA de imágenes expertos de MONAI para generar informes radiológicos de alta calidad.
• Kitware está proporcionando servicios profesionales de desarrollo de software relacionados con MONAI, ayudando a integrar MONAI en flujos de trabajo personalizados para fabricantes de dispositivos y productos aprobados por entidades reguladoras.

Investigadores y empresas también están utilizando MONAI en proveedores de servicios en la nube para ejecutar y desplegar aplicaciones de IA escalables. Las plataformas en la nube que proporcionan acceso a MONAI incluyen AWS HealthImaging, Google Cloud, Precision Imaging Network, parte de Microsoft Cloud for Healthcare y Oracle Cloud Infrastructure.