如今，为全球领先的医学研究人员们提供功能强大的AI工具，已经成为了一项至关重要的任务。

NVIDIA与伦敦国王学院（King’s College London）于近期推出了MONAI开源AI框架。该开源AI框架建立在现有工具的最佳应用实践基础之上（包括NVIDIA Clara，NiftyNet，DLTK和DeepNeuro），面向医疗研究领域。

NONAI易于使用，且能够提供具有复验性的结果。并且其还针对医疗数据的独特需求进行了专项优化，使其能够处理医学图像所特有的格式、分辨率和元信息。目前所发布的首个公开版提供了专门用于医疗领域的数据转换、神经网络架构和评估方法，能够用来评估医学影像模型的质量。

“通过与NVIDIA合作，MONAI项目正在依循开源领域的行业标准开展研究，并且正在与学术界和产业界合作，建立全球化的社区，从而创建出能够支持医学影像AI科学发展的高质量框架。” 伦敦国王学院生物医药工程及影像科学学院院长Seb Ourselin说到。

目前，NVIDA和伦敦国王学院正在与来自中科院、德国癌症研究中心、Kitware、MGH & BWH临床数据科学中心、斯坦福大学和慕尼黑工业大学的专家合作，组成顾问委员会，共同领导此项计划。

MONAI顾问委员会主席兼开源软件公司Kitware的高级主管Stephen Aylward表示：“MONAI项目具有极大的潜力，可以帮助加快医学影像AI的研究步伐。它提供了专门用于医学成像的高质量开源基础。MONAI项目欢迎大家在此基础之上贡献智慧，利用该平台相互交流，沟通彼此的想法。”

目前，次开源代码已可通过GitHub获取。该代码基于Ignite和PyTorch深度学习框架，包括了用于数据处理、2D分类、3D分割等任务的最新数据库。研究人员可以使用定制化设计轻松地将MONAI带入到其现有代码中，从而将模块化组件集成到其AI工作流程中。

开放灵活的框架，专为医疗领域而设计

模块化的开源解决方案使研究人员可以灵活地定制深度学习开发项目，而无需使用端对端系统替换其现有工作流程。

例如，高级研究人员可以采用MONAI代码进行数据预处理和转换，然后切换到现有的AI管线进行训练。

伦敦医学影像与AI中心首席技术官Jorge Cardoso表示：“研究人员需要一种灵活、强大、可组合的框架，帮助他们进行具有创新性的医学AI研究，同时这种框架需要提供相应的稳健性、测试和文档，使其能够安全地部署在医院当中。MONAI的出现，使其成为可能。”

借助于详细的教程和易于操作的API界面，即便是初级研究员也可以定义端对端的训练工作流程。

MONAI框架的一项核心目标是实现实验的可重复性，如此一来，研究人员就可以共享结果并相互借鉴，共同发展最新技术。

MGH & BWH临床数据科学中心技术主任，MGH-哈佛医学院放射学副教授Jayashree Kalpathy-Cramer说：“在科学研究当中，可重复性是至关重要的，尤其是当我们探讨AI在医学领域当中应用的时候。MONAI项目所提供框架，让社区可以使用来自世界各地的数据、技术，验证和改进医学成像AI开发。”

将来，MONAI框架还将被应用于NVIDIA Clara的未来版本当中。NVIDIA计划将NVIDIA Clara医学影像工具和MONAI结合在一起，持续为医疗影像研究人员提供针对医疗领域进行专业优化的强大软件工具。

在整个社区的共同努力下，该项目将提升研究效率，并促进学术界和行业研究人员之间的合作。