MONAI presenta framework para apps con IA de imágenes médicas

eHealth

Los líderes de imágenes médicas, incluidos UCSF, el Cincinnati Children’s Hospital y la startup Qure.ai, están adoptando MONAI Deploy para convertir los avances de investigación en resultados clínicos.

Dioné Pérez

Ofrecer atención de la salud acelerada por inteligencia artificial (IA) a escala requerirá miles de redes neuronales que trabajen juntas para cubrir la amplitud de la fisiología humana, las enfermedades y hasta las operaciones hospitalarias, un desafío significativo en el entorno de los hospitales inteligentes de la actualidad.

MONAI, un framework de IA de generación de imágenes médicas de código abierto, que se descargó más de 650 mil veces, está acelerado por NVIDIA y facilita la integración de estos modelos a los workflows clínicos con los paquetes de aplicaciones de MONAI, o MAP.

Un MAP es una forma de empaquetar un modelo de IA que facilita la implementación en un ecosistema de atención de la salud existente. Se entrega mediante el kit de desarrollo de software (SDK) MONAI Deploy Application. 

Amigable con el usuario

«Si alguien quisiera implementar varios modelos de IA en un departamento de imágenes para ayudar a los expertos a identificar una docena de condiciones diferentes o a automatizar parcialmente la creación de informes de imágenes médicas, tardaría una cantidad insostenible de tiempo y recursos para obtener la infraestructura de hardware y software adecuada para cada uno de ellos», expresó el doctor Ryan Moore, del Cincinnati Children’s Hospital.

Los MAP simplifican el proceso. Cuando un desarrollador empaqueta una aplicación con el SDK MONAI Deploy App, los hospitales pueden ejecutarla fácilmente en las instalaciones o en el cloud. La especificación de los MAP también se integra con los estándares de TI de atención de la salud, como DICOM para la interoperabilidad de imágenes médicas.

«Hasta ahora, la mayoría de los modelos de IA quedaban en un ciclo de I&D, que rara vez llegaba a la atención al paciente», resaltó Jorge Cardoso, director de tecnología del Centro de IA e Imágenes Médicas de Londres para la Atención de la Salud Basada en el Valor. «MONAI Deploy ayudará a romper ese bucle, lo que hará que la IA clínica impactante sea una realidad más frecuente».

Implementar la IA de imágenes médicas en el MAP

La especificación de MAP fue desarrollada por el grupo de trabajo MONAI Deploy, un equipo de expertos de más de una docena de instituciones de imágenes médicas, para beneficiar a los desarrolladores de aplicaciones de IA, así como las plataformas clínicas y de infraestructura que ejecutan aplicaciones de IA.

Los desarrolladores, los MAP pueden ayudar a acelerar la evolución del modelo de IA, ya que ayudan a los investigadores a empaquetar y probar fácilmente sus modelos en un entorno clínico. Esto les permite recopilar comentarios del mundo real que ayudan a mejorar la IA.

Para los proveedores de servicios de cloud, la compatibilidad con los MAP, que se diseñaron utilizando tecnologías nativas de cloud, permite a cualquier investigador y empresa que use MONAI Deploy ejecutar aplicaciones de IA en su plataforma, ya sea mediante contenedores o con integración nativa de aplicaciones. Las plataformas de cloud que integran MONAI Deploy y los MAP incluyen las siguientes:  

• Imágenes de Amazon HealthLake: el conector de MAP se ha integrado con el servicio AWS HealthLake, lo que permite a los médicos ver, procesar y segmentar imágenes médicas en tiempo real.
• Google Cloud: la Suite Medical Imaging de Google Cloud, diseñada para hacer que los datos de imágenes de atención de la salud sean más accesibles, interoperables y útiles, ha integrado MONAI en su plataforma para permitir a los médicos implementar herramientas de anotación asistidas por IA que ayudan a automatizar la tarea altamente manual y repetitiva de etiquetar imágenes médicas.
• Nuance Precision Imaging Network, impulsado por Microsoft Azure: Nuance y NVIDIA recientemente anunciaron una sociedad que reúne a MONAI y Nuance Precision Imaging Network, una plataforma de cloud que proporciona acceso a herramientas y conocimientos impulsados por IA para más de 12,000 instalaciones de atención médica.
• Oracle Cloud Infrastructure: Oracle y NVIDIA recientemente anunciaron una colaboración para incorporar soluciones de computación acelerada para la atención de la salud, incluida MONAI Deploy, en Oracle Cloud Infrastructure.

RECUADRO

Sector Salud Adopta MONAI Deploy

Estas son algunas de las instituciones de salud, los centros médicos académicos y los desarrolladores de software de IA de todo el mundo que están adoptando MONAI Deploy:

• Cincinnati Children’s Hospital: el centro médico académico está creando un MAP para un modelo de IA que automatiza la segmentación total de volúmenes cardíacos a partir de imágenes de tomografías computadas, lo que permite ayudar a los pacientes pediátricos con trasplante de corazón en un proyecto financiado por los Institutos Nacionales de Salud.
• Servicio Nacional de Salud de Inglaterra: el NHS ha implementado su plataforma del Motor de Implementación de IA basado en MONAI, conocida como AIDE, en cinco hospitales para proporcionar herramientas de detección de enfermedades habilitadas por IA a los profesionales de la salud que brindan servicios a 5 millones de pacientes al año.
• Qure.ai: es un miembro del programa NVIDIA Inception para startups que desarrolla modelos de IA de imágenes médicas para casos de uso como cáncer de pulmón, lesiones cerebrales traumáticas y tuberculosis. La compañía está utilizando los MAP para empaquetar sus soluciones para la implementación, lo que acelera el tiempo de impacto clínico.
• SimBioSys: la startup de Chicago que es miembro de Inception construye representaciones virtuales 3D de los tumores de los pacientes y está utilizando los MAP para aplicaciones de IA de medicina de precisión que pueden ayudar a predecir cómo un paciente responderá a un tratamiento específico.
• Universidad de California, San Francisco: la UCSF está desarrollando MAP para varios modelos de IA, con aplicaciones que incluyen la detección de fracturas de cadera, la segmentación de tumores cerebrales y hepáticos, y la clasificación de cáncer de rodilla y mama.

.