Il futuro dell’intelligenza artificiale e dell’imaging medico, da Nvidia ad Harvard
Sono passati sei anni da quando Geoffrey Hinton ha dichiarato: “Dobbiamo smettere di formare i radiologi ora”, insistendo sul fatto che “è del tutto ovvio che entro cinque anni, il deep learning farà meglio dei radiologi”. Invece, il futuro dell’imaging medico, a quanto pare, rimane saldamente nelle mani dei radiologi, che hanno adottato l’intelligenza artificiale (AI) come strumento collaborativo per potenziare l’imaging medico, una delle aree più essenziali dell’assistenza sanitaria che viene utilizzata in tutto il paziente viaggio.
Ciò che si sta evolvendo, tuttavia, sono significativi sforzi open source per portare i modelli di intelligenza artificiale relativi all’imaging medico in contesti clinici su larga scala, oltre a garantire che i dati di imaging medico che addestrano quei modelli di intelligenza artificiale siano robusti, diversificati e disponibili per tutti.
Integrare i modelli di intelligenza artificiale nei flussi di lavoro clinici
Per affrontare il primo obiettivo, Nvidia ha annunciato oggi alla riunione annuale della Radiology Society of North America (RSNA) che MONAI, un framework di intelligenza artificiale per immagini mediche open source accelerato da Nvidia, sta semplificando l’integrazione dei modelli di intelligenza artificiale nei flussi di lavoro clinici. con MONAI Application Packages (MAP), forniti tramite MONAI Deploy.
Nvidia e King’s College London hanno introdotto MONAI nell’aprile 2020 per semplificare i flussi di lavoro di imaging medico AI. Questo aiuta a trasformare i dati di imaging grezzi in gemelli digitali interattivi per migliorare l’analisi o la diagnostica o guidare gli strumenti chirurgici. Lo sviluppo e l’adozione della piattaforma conta oggi oltre 600.000 download, la metà dei quali negli ultimi sei mesi.
I leader dell’imaging medico, tra cui UCSF, Cincinnati Children’s Hospital e la startup Qure AI, stanno adottando MONAI Deploy per trasformare le scoperte della ricerca in impatto clinico, ha affermato Nvidia in un comunicato stampa. Inoltre, tutti i principali fornitori di servizi cloud, tra cui Amazon, Google, Microsoft e Oracle, supportano MAP, consentendo a ricercatori e aziende che utilizzano MONAI Deploy di eseguire applicazioni AI sulla loro piattaforma, utilizzando container o con l’integrazione di app native.
“MONAI si è davvero affermato nella comunità di ricerca e sviluppo come PyTorch dell’assistenza sanitaria”, ha affermato David Niewolny, direttore dello sviluppo del business sanitario di Nvidia, in una conferenza stampa prima degli annunci. “È stato creato appositamente per la radiologia, ma ora si sta espandendo in patologia e chirurgia digitale e affronta davvero l’intero ciclo di vita dell’IA, colmando il divario tra questa comunità di ricerca e l’implementazione”.
Ad esempio, il Cincinnati Children’s Hospital sta creando una MAP per un modello AI che automatizza la segmentazione del volume cardiaco totale dalle immagini CT, aiutando i pazienti pediatrici sottoposti a trapianto di cuore in un progetto finanziato dal National Institutes of Health . “Sta accelerando i tempi decisionali per i pazienti pediatrici trapiantati”, ha affermato. “Ha davvero il potenziale per salvare la vita di un certo numero di bambini”.
Scalare l’intelligenza artificiale e l’imaging medico a un pubblico più ampio
L’integrazione di MONAI da parte di tutti gli hyperscaler cloud consente a questa ricerca di estendersi oltre un ospedale a un pubblico molto più ampio, ha aggiunto Niewolny. Ad esempio, il connettore MAP è stato integrato con Amazon HealthLake Imaging , che consente ai medici di visualizzare, elaborare e segmentare le immagini mediche in tempo reale. E la Medical Imaging Suite di Google Cloud ha integrato MONAI nella sua piattaforma per consentire ai medici di implementare strumenti di annotazione assistita dall’intelligenza artificiale che aiutano ad automatizzare l’attività altamente manuale e ripetitiva di etichettare le immagini mediche.
Inoltre, “l’infrastruttura Oracle Cloud ha pianificato alcune cose piuttosto grandi”, ha aggiunto, in particolare alla luce della recente acquisizione da parte di Oracle di Cerner , una delle più grandi società di cartelle cliniche del mondo.
“È fantastico vedere colmato questo divario tra gli sviluppatori del modello e le persone che si occupano effettivamente della distribuzione clinica”, ha affermato. “Questo sta davvero potenziando l’innovazione dell’intelligenza artificiale in tutto l’ecosistema dell’imaging medico”.
Sviluppo di diversi set di dati di immagini mediche
Naturalmente, anche con hardware e infrastrutture migliori, i progressi nell’imaging medico, nell’intelligenza artificiale e nella scienza dei dati richiedono i giusti set di dati di imaging medico per garantire che gli algoritmi non siano distorti. A tal fine, un laboratorio di ricerca sull’intelligenza artificiale della Harvard Medical School ha appena annunciato una nuova iniziativa, chiamata MAIDA , per sviluppare e condividere diversi set di dati di immagini mediche da tutto il mondo.
Secondo il leader del laboratorio Pranav Rajpurkar, assistente professore presso la Harvard Medical School, il problema che hanno deciso di risolvere è che i dati di imaging medico sono raramente condivisi tra le istituzioni a causa di problemi di sicurezza dei dati, lock-in del fornitore e costi dell’infrastruttura dei dati.
Inoltre, i dati esistenti mancano di una rappresentazione diversificata. Gli algoritmi per le applicazioni cliniche sono addestrati in modo sproporzionato in pochi ospedali, con poca o nessuna rappresentanza a livello nazionale o globale. Le popolazioni non adeguatamente rappresentate nella coorte di formazione probabilmente riceveranno risultati distorti. Ad esempio, la pelle più scura è sottorappresentata nei set di dati dermatologici ampiamente utilizzati.
“C’è un urgente bisogno di democratizzare i set di dati di immagini mediche e garantire la diversità dei dati che vengono utilizzati per la scienza dei dati e lo sviluppo dell’IA”, ha detto Rajpurkar a VentureBeat. “I dati attuali che sono di pubblico dominio sono, oltre ad essere un piccolo frammento, è un frammento molto selettivo e non è diversificato e privo di rappresentanza internazionale”.
Circa 40 ospedali sono già coinvolti nella cura del set di dati di MAIDA, ha affermato Rajpurkar, che sta iniziando con set di dati di radiografie del torace, che sono l’esame di imaging più comune in tutto il mondo. Il laboratorio sta anche lavorando allo sviluppo di modelli di intelligenza artificiale per altri compiti comuni dei radiologi, tra cui il posizionamento del tubo endotracheale e il rilevamento della polmonite al pronto soccorso.
“Prevediamo che MAIDA sarà un ingrediente chiave per l’intelligenza artificiale medica e la scienza dei dati, consentendo agli strumenti di lavorare su popolazioni più diverse di quanto non siano attualmente”, ha affermato.
