从机构内部开发到规模化部署
梅奥诊所佛罗里达分院，影像增强智能中心 (CAII)
通过 MONAI Deploy 和西门子数字市场实现全球研究访问
概览
- 合作伙伴
- 梅奥诊所佛罗里达分院
与西门子医疗合作 - 分发渠道
- 西门子医疗数字市场，通过 syngo.via OpenApps
- MONAI 组件
- MONAI Core MONAI Deploy
- 规模
- 10,000 多家机构可访问；约一小时内完成零代码安装
- 数据处理
- 所有处理均在本地完成；无外部数据传输
背景
引言
在梅奥诊所影像增强智能中心 (CAII)，我们开发 AI 应用程序以解决影像研究中未满足的需求。虽然内部开发和部署为验证和完善这些工具提供了机会，但将其引入外部研究环境仍然是一个关键障碍。
本案例研究概述了梅奥诊所为研究目的开发的 AI 应用程序（使用 MONAI Core 和 MONAI Deploy）如何通过西门子医疗数字市场提供给 10,000 多家机构的研究人员。通过将开源工具与可扩展的分发基础设施相结合，该方法为寻求构建和访问影像 AI 研究工具的开发人员和机构提供了一套蓝图。
挑战
从本地流水线到全球访问
在内部，我们的团队使用 MONAI 进行模型实现、数据预处理和输出标准化，从而构建并验证了该 AI 应用程序。我们依靠基于容器的编排和兼容 DICOMweb 的 CAII 查看器将其集成到我们的临床工作流中。
然而，这套技术栈虽然在内部有效，却无法保证在其他站点也能正常运行。我们面临的挑战是在保持模型可复现性的同时，消除外部用户的部署开销。我们需要一种交付机制，使其他机构能够在本地运行该工具，而无需开发经验、定制基础设施或供应商干预。
解决方案
西门子医疗数字市场
为应对这一挑战，我们与西门子医疗合作，通过其数字市场发布了该应用程序。该平台分发容器化的研究应用程序，供机构影像环境内使用。
通过将应用程序封装在市场兼容的容器中，并利用平台内置的规则配置和 DICOM 原生集成，我们实现了：
- 各站点本地执行，保留数据治理权限
- 通过图形化界面工具实现零代码安装和配置
- DICOM 原生输入/输出，支持 PACS 集成和可追溯性
- 跨研究应用的可重用性，无论模态或模型细节如何
所有应用逻辑、预处理、可视化和数据导出均已打包并进行版本控制。该应用程序明确标记为仅供研究使用。
致开发人员
开发人员工作流
为了帮助旨在将应用程序引入数字市场的开发人员，西门子医疗提供了涵盖容器化、接口集成和 DICOM 一致性的技术指南。鼓励开发人员与 MONAI Deploy App SDK 结构和兼容性标准保持一致。虽然源代码仍由机构管控，但外部化过程强调了模块化、可追溯性和平台就绪性。
更多开发人员资源和模板可在以下位置找到：
外部化的开发人员工作流遵循明确路径：
- 1. 使用 MONAI Core 进行模型开发和验证（例如：训练、评估、DICOM 输出准备）
- 2. 通过 MONAI Deploy App SDK 进行应用程序打包
- 3. 容器化并与西门子数字市场标准保持一致
- 4. 使用兼容 DICOMweb 或 Web 原生的工具集成查看器和规则逻辑
- 5. 提交并发布，包括元数据、版本控制和使用限制
一旦发布，注册机构即可发现该应用程序，并可在无需代码修改或特定站点工程的情况下进行部署。
致研究用户
用户工作流和数据流
对于研究用户，流程同样简短：
- 1. 在西门子医疗数字市场中发现应用程序
- 2. 通过 syngo.via OpenApps 界面或等效的本地平台安装
- 3. 配置规则（例如：按模态或检查类型触发）
- 4. 从查看器界面自动或手动执行应用程序
- 5. 在其机构 PACS 内查看并导出结果（例如：分割图、报告）
所有处理均在本地完成。无外部数据传输。应用程序版本控制和日志记录确保了可追溯性。
结果
成果与蓝图启示
从部署中汲取的经验包括：尽早与 DICOM IOD 标准保持一致，以及在 UI 集成期间进行密切协调的重要性。在容器化阶段，我们对查看器交互性和检查选择工作流进行了微调。这些问题通过与平台工程师的合作得到解决，以确保跨安装的一致性。
自发布以来，已有 10,000 多家机构能够访问该应用程序。大多数安装在一小时内完成，无需脚本或基础设施更改。反馈强调了配置的便捷性、与现有工作流的集成，以及大规模开展可重复研究的能力。
对于开发人员而言，本案例为使用开源 AI 框架和企业级交付平台将研究工具外部化提供了一条途径。对于研究用户而言，它提供了以极低 IT 开销访问已验证 AI 应用程序的机会。
未来
展望
当前的努力包括在多中心研究合作中评估已部署的工具。初步集成到更广泛的研究网络的工作正在进行中，如果治理条件允许，未来版本可能会支持联邦学习反馈。