Um ein KI-Modell leicht in ein bestehendes Klinik-Ökosystem zu integrieren, wird es über ein MAP, das über MONAI Deploy bereitgestellt wird, verpackt. Wir stellen den Open Source-Baukasten für eine übergreifende Medical-KI vor.
Tausende von neuronalen Netzen müssen zusammenarbeiten, wenn Algorithmen der Künstliche Intelligenz die Medizin und das Gesundheitswesen im großen Maßstab beschleunigen sollen. Die gesamte Bandbreite der menschlichen Physiologie, Krankheiten und Klinikabläufe abzudecken ist in momentanen »smarten« Krankenhausumgebungen eine echte Herausforderung für Personal und Infrastruktur. Hier setzt MONAI (Medical Open Network for Artificial Intelligence) an.
MONAI ist ein Open-Source-Framework für medizinische Bildgebung, welches die Integration von KI-Modellen mit sogenannten MONAI Application Packages (MAPs) in klinische Arbeitsabläufe erleichtert. Derzeit kommt das von Nvidia beschleunigte Tool auf mehr als 650.000 Downloads.
MONAI Deploy soll zum De-facto-Standard für die Entwicklung, das Testen, den Einsatz und den Betrieb medizinischer KI-Anwendungen in der klinischen Produktion werden. MONAI Deploy schafft eine Reihe von Zwischenschritten, in denen Forscher und Ärzte Vertrauen in die mit KI verwendeten Techniken und Ansätze aufbauen können. Dies ermöglicht einen iterativen Arbeitsablauf, bis die gesamte KI-Inferenzinfrastruktur für den Einsatz in klinischen Umgebungen bereit ist.
»Wenn jemand mehrere KI-Modelle in der Radiologie einsetzen wöllte, um Experten bei der Erkennung von einem Dutzend verschiedener Erkrankungen zu unterstützen oder die Erstellung medizinischer Bildgebungsberichte teilweise zu automatisieren, würde es einen unhaltbaren Zeit- und Ressourcenaufwand erfordern, für jedes einzelne Modell die richtige Hardware- und Software-Infrastruktur zu schaffen«, so Dr. Ryan Moore vom Cincinnati Children's Hospital. »Das wäre zwar möglich, aber nicht umsetzbar.«
MAPs vereinfachen diesen Prozess. Wenn ein Entwickler eine Anwendung mit dem MONAI Deploy Application Software Development Kit verpackt, können Krankenhäuser diese problemlos vor Ort oder in der Cloud ausführen. Die MAP-Spezifikation lässt sich auch in IT-Standards des Gesundheitswesens wie DICOM für die Interoperabilität der medizinischen Bildgebung integrieren.
Mt einem KI-Integrations-Workflow bietet MONAI Deploy alle Komponenten für eine klinikgerechte Bereitstellung und Pipeline. Jeder Part kann ebenso einzeln verwendet und in eigene Workflows integriert werden.
Für Entwickler können MAPs dazu beitragen, die Entwicklung von KI-Modellen zu beschleunigen, indem sie Forschern helfen, ihre Modelle einfach zu verpacken und in einer klinischen Umgebung zu testen. So können sie Feedback aus der realen Welt sammeln, das zur Verbesserung der KI beiträgt.
Für Cloud-Service-Provider ermöglicht die Unterstützung von MAPs - die unter Verwendung von Cloud-nativen Technologien entwickelt wurden - Forschern und Unternehmen, die MONAI Deploy nutzen, die Ausführung von KI-Anwendungen auf ihrer Plattform, entweder unter Verwendung von Containern oder mit nativer App-Integration. Zu den Cloud-Plattformen, die MONAI Deploy und MAPs integrieren, gehören Amazon HealthLake Imaging, Google Cloud Medical Imaging Suite, Nuance Precision Imaging Network, powered by Microsoft Azure und die Oracle Cloud Infrastructure.
»Bisher blieben die meisten KI-Modelle in einer Forschungs- und Entwicklungsschleife und erreichten nur selten die Patientenversorgung«, stellt Jorge Cardoso, CTO am London Medical Imaging & AI Centre, fest. »MONAI Deploy kann dazu beitragen, diese Schleife zu durchbrechen - und so dafür sorgen, dass wirkungsvolle klinische KI häufiger Realität wird.« (uh)