新闻中心

MONAI Core v1.4、VISTA-3D 与 MAISI:医疗 AI 从研究到部署 NEWS DETAIL

当前位置:首页 > 新闻中心
资讯分类 · 新闻中心 作者 · 中科新远内容团队 审核人 · 中科新远技术内容组 发布时间 · 2025-01-13 更新时间 · 2026-07-22 来源 · 原页面资料;原厂信息待核验
MONAI Core v1.4、VISTA-3D 与 MAISI:医疗 AI 从研究到部署

MONAI 五周年公告的核心信息是:MONAI Core v1.4 扩展了开源医疗 AI 功能,VISTA-3D 与 MAISI 同时以 NVIDIA NIM 微服务形式推出。对于计划将医学影像分割或合成影像能力纳入研发、验证或业务流程的团队,这提供了从开源模型评估到容器化 GPU 推理部署的两条路径。但模型输出是否满足特定临床、科研或产品用途,仍需结合实际数据、完整部署文档和项目测试确认。

本次发布包含哪些能力

MONAI Core v1.4 包含新的算法功能,并引入 VISTA-3D、VISTA-2D 与 MAISI 三个基础模型。它们覆盖的任务并不相同:VISTA-3D 面向三维 CT 解剖结构交互式标注与分割,VISTA-2D 面向显微镜图像中的细胞分析,MAISI 则用于生成三维 CT 合成影像。

模型源文支持的能力可优先评估的场景
VISTA-3D从 3D CT 图像标注人体解剖结构;覆盖超过 126 个解剖学类;可通过交互式注释分割新结构CT 解剖结构分割、交互式标注流程
VISTA-2D基于 Transformer 架构处理多种细胞类型和成像模式细胞分割与形态分析研究
MAISI生成最高 512 × 512 × 768 体素的 3D CT 图像;支持 0.5mm 至 5.0mm 体素大小及 10 个身体习性类控制合成医学影像相关研发与数据研究

公告还提到 M3(MONAI 多模态模型)研究计划及 VILA-M3,用于探索医学影像理解与自然语言处理的结合。这部分属于研究方向介绍,不能据此推断其已适合任何生产或临床工作流。

VISTA-3D 与 MAISI 的部署路径

除可通过 MONAI Model Zoo 获取模型实现外,VISTA-3D 和 MAISI 被描述为可作为 NVIDIA NIM 微服务部署。源文称,这些微服务属于 NVIDIA AI Enterprise 的一部分,采用容器化 GPU 加速推理,可在云端、数据中心和工作站环境部署,并使用 NVIDIA TensorRT 优化推理引擎和行业标准 API。

这一路径适合已有容器运行环境、GPU 基础设施及影像工作流集成需求的团队。相较于直接围绕开源模型自行封装服务,NIM 路径的重点在于标准化推理服务与部署形式;但具体支持的 GPU、驱动、容器运行时、API 行为、许可范围、安全配置及性能表现,应以对应日期的 NVIDIA AI Enterprise、NIM 和模型官方文档为准。

如何判断是否适合项目

  1. 先明确任务与数据边界。确认项目是 CT 分割、细胞图像分析还是合成影像研究,并核对输入模态、图像质量、标注规范及输出要求是否与模型用途一致。
  2. 以代表性数据进行验证。对 VISTA-3D,应评估目标解剖结构、交互注释方式和异常病例对结果的影响;对 MAISI,应检查合成影像的用途、可控条件及其与真实数据分布的差异。
  3. 测试工作流集成。验证 API 与现有影像系统、数据存储、权限控制和审计要求之间的衔接。公告提及 Holoscan SDK 可帮助 MONAI 模型集成至放射工作流、实时手术指导和手术机器人系统,但具体集成范围和工程要求仍须查阅官方资料。
  4. 单独验证性能与风险。源文未提供特定硬件配置下的延迟、吞吐量、准确率或临床效能承诺。采购或上线前应完成针对目标硬件、负载和数据集的项目测试。

使用边界与验证重点

VISTA-3D 的“开箱即用”能力及零样本分割描述,不能替代针对本地扫描协议、患者群体和目标结构的验证。MAISI 的合成影像也不应被默认等同于真实临床影像,尤其是在训练、评估或决策支持等高风险用途上。

如项目涉及临床诊疗、医疗器械监管、患者数据或跨机构数据流转,团队应依据适用法规、内部治理流程和官方产品资料确认用途、数据处理方式与验证责任。公告本身没有给出监管状态、临床验证结论、授权范围或服务条款。

常见问题

VISTA-3D 能否直接用于所有 CT 分割任务?

不能据此直接下结论。源文说明其面向 3D CT 解剖结构标注与分割,并覆盖超过 126 个解剖学类,也支持通过交互式注释处理新结构。实际是否适合某一器官、病灶、扫描协议或临床流程,应使用项目数据验证,并查阅模型论文、Model Zoo 资料及对应版本文档。

选择开源模型还是 NVIDIA NIM 微服务?

若团队主要处于研究、模型复现或定制开发阶段,可先根据 MONAI Model Zoo 中的实现评估模型。若目标是将 VISTA-3D 或 MAISI 接入具备 GPU 容器运行条件的现有工作流,可进一步评估 NIM 微服务。两种方式的基础设施、运维方式、许可条件和集成责任不同,应通过完整 SKU/BOM、官方部署指南及试点测试确认。

结论

MONAI Core v1.4 将医学影像分割、细胞分析和合成影像能力扩展到同一开源框架中,而 VISTA-3D 与 MAISI 的 NIM 微服务为容器化 GPU 推理提供了部署选项。最稳妥的决策路径是先按任务类型选择模型,再以真实项目数据验证效果、集成条件和治理要求,而不是仅依据公告中的功能描述决定上线范围。

围绕“MONAI Core v1.4、VISTA-3D 与 MAISI:医疗 AI 从研究到部署”继续了解 采购与选型问答