NVIDIA Claraを使用して医療・創薬分野のAIモデルを実装した体験

![](https://cdn-ak.f.st-hatena.com/images/fotolife/t/ttyyuyu/20251225/20251225131447.png) こんにちは！ABEJA で ABEJA Platform 開発や AI 関連の研究開発業務を行っている坂井（@Yagami360）です。 こちらはABEJAアドベントカレンダー2025の25日目の記事です。 近年のディープラーニングの発展に伴い、マテリアル・創薬・医療分野においても AI の活用が進みつつあるかと思いますが、その市場規模はかなり大きく、どのようなモデルや技術が使用されているのか？とか将来性はどうなのか？とか個人的に興味がありました。 とはいえ自分は、マテリアル・創薬・医療系のドメイン知識に関して素人なので、できるだけさくっと動かせるモデルやフレームワークで試してみたかったのですが、LLM とかと違ってこの分野では簡単に動かせるフレームワークやプラットフォームがそんなに整備されていない印象でした。そんな中で NVIDIA が提供している「NVIDIA Clara」と呼ばれる医療系の AI プラットフォームが、比較的簡単に動かせそうだったので、軽く動かしてみました NVIDIA Clara の公式ドキュメントは、以下のリンク先にあります。 NVIDIA Clara の概要 NVIDIA Clara for Medical Imaging（AI 医療用画像診断） NVIDIA Clara for Medical Imaging の概要 MONAI Toolkit を起動する 内臓セグメンテーション用モデル（VISTA-3D）のファインチューニングを行う ファインチューニングした内臓セグメンテーション用モデル（VISTA-3D）で推論し、CT画像における特定の内臓領域をアノテーションする NVIDIA Clara for Biopharma（AI 創薬） NVIDIA Clara for Biopharma / BioNeMo の概要 BioNeMo Framework を起動する BioNeMo Framework を使用してタンパク質言語モデル（ESM-2）の学習を行う BioNeMo Framework を使用してタンパク質言語モデル（ESM-2）の推論を行う NVIDIA Clara の概要 NVIDIA Clara は、NVIDIA が提供している医療系の AI プラットフォームで、 現時点で以下の分野のための機能群を提供しているようです。 NVIDIA Clara for Biopharma（AI 創薬） AI 創薬のためのプラットフォームである BioNeMo フレームワークを提供。BioNeMo フレームワークには、AI創薬のための事前学習済みモデル群も含まれます NVIDIA Clara for Medical Devices / NVIDIA Holoscan 医療機器データ（内視鏡動画、超音波などの医療センサーデータなど）のストリーミングに対してAIモデル推論によるリアルタイム解析を行うためのハイブリッド環境用（エッジ AI デバイス・オンプレ環境・クラウド環境）プラットフォームで、NVIDIA Holoscan として提供されています。 docs.nvidia.com NVIDIA Clara for Medical Imaging（AI 医療用画像診断）/ NVIDIA MONAI Toolkit NVIDIA Clara for Medical Imaging は、医療用画像（レントゲン画像、CT画像など）x AI（AIモデルによる画像セグメンテーションや画像生成など）にターゲットを絞った NVIDIA Clara の機能で、NVIDIA MONAI Toolkit として提供されています。 docs.nvidia.com NVIDIA Clara for Genomics（AI ゲノム解析）/ NVIDIA Parabricks 次世代シーケンシング（NGS）による膨大なゲノムデータの解析を、GPU を使って劇的に高速化するためのプラットフォーム ゲノム解析における二次解析と呼ばれる工程では、細かく断片化された数億個のデータ（リード）をパズルのように正しい位置に並べ直す作業（アライメント）が発生するそうですが、これは行列とベクトル演算といった並列処理になるので、GPU で劇的な高速化ができるようです。 （余談ですが、GPUは、元々３Dゲームにおける行列とベクトル演算の高速化で使用されていましたが、AIモデルでも同じくDNN 内で行列とベクトル演算してるだけなので GPU で高速化できるんじゃんてなったのと同じ流れですね） 今回の記事では、最も簡単に動かせそうだった「NVIDIA Clara for Medical Imaging」と、個人的にAI 創薬の雰囲気だけでも知っておきたかったので 「NVIDIA Clara for Biopharma」も動かしてみます NVIDIA Clara for Medical Imaging（AI 医療用画像診断） NVIDIA Clara for Medical Imaging の概要 ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223144028.png) NVIDIA Clara for Medical Imaging は、医療用画像（レントゲン画像、CT画像など）x AI にターゲットを絞った NVIDIA Clara の機能で、以下の主要コンポーネントで構成されるようです NVIDIA MONAI [Medical Open Network for AI] Toolkit 医療用画像（レントゲン画像、CT画像など）の AI プロダクト開発・モデル学習・デプロイのためのフレームワークです catalog.ngc.nvidia.com サポートしているモデル例 VISTA-3D CT画像における内臓領域のセグメンテーション用モデル ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223144731.png) MAISI [Medical AI for Synthetic Imaging] 3D CT 画像の生成モデルで、拡散モデルをベースとしている。用途しては、学習用データセットのデータ拡張での利用（合成データ）など ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223144839.png) NVIDIA FLARE との連携 developer.nvidia.com NVIDIA FLARE は、連合学習 [Federated Learning] のためのフレームワークです。 連合学習というのは分散学習の１種なのですが、複数の組織に属する開発者が学習用データセットなどを共有せずに協力してAIモデルを分散学習する方法のことです。 プライバシー保護などのセキュリティ上の理由から、異なる組織に学習用データセットなどのデータ共有ができないケースに有用になります。 NVIDIA FLARE 自体は、NVIDIA Clara の医療用とは別のフレームワークになるのですが、MONAI Toolkit と連携することで、医療機関におけるデータ保護などのセキュリティ上の問題をクリアしつつモデルの学習を行うことができます。 blueprint でのデモサイトが公開されているので、以下のサイトから試してみるとイメージしやすいかと思います VISTA-3D（CT画像における内臓領域のセグメンテーション用モデル）のデモ build.nvidia.com MAISI（CT画像の生成モデル）のデモ build.nvidia.com MONAI Toolkit を起動する それでは実際に、NVIDIA Clara for Medical Imaging での AI モデルを動かしていきます。まずは、MONAI Toolkit を起動することから始めていきます。 MONAI Toolkit は、NVIDIA が NGC 上に公開している MONAI Toolkit 用 docker image のコンテナで動かす形になります。 GPU インスタンスを構築する 今回は少し動かしてみるだけだったので GCP の VMインスタンス（T4：１台）で環境構築しました。 本格的な学習を行う場合は、クラウドで動かすとインフラコストが膨大になるので、オンプレ環境で動かすことを推奨します。 公式のシステム要件は、以下に記載されています。 記載されているスペックは A100, H100 とかの高価な GPU ですが、今回動かしてみるモデル（VISTA-3D）は、生成 AI モデルのような大規模モデルではなくただの画像セグメンテーションモデルなので、T4 でも動かせました。 docs.nvidia.com NVIDIA の NGC にログインして SetUp 画面から API キーを作成する NVIDIA NGC Container Register にログインする docker login nvcr.io ユーザー名: $oauthtoken パスワード: 上記作成した API トークン MONAI Toolkit の Docker image を pull する 以下のコマンドで NVIDIA NGC Container Register から MONAI Toolkit の Docker image を pull してください docker pull nvcr.io/nvidia/clara/monai-toolkit:3.0 MONAI Toolkit の Docker コンテナを起動する JupyterLab で起動する場合 今回は、JupyterLab 上のコードを使用するので、以下のコマンドで JupyterLab のコンテナを起動してださい docker run --gpus all -it --rm \ --ipc=host --net=host \ nvcr.io/nvidia/clara/monai-toolkit:3.0 -e JUPYTER_PORT=8900 [Option] bash で起動する場合 なお自作したスクリプト等を MONAI Toolkit 環境で動かしたい場合は、コンテナを bash 起動した上でスクリプトを実行してください docker run --gpus all -it --rm \ --ipc=host --net=host \ nvcr.io/nvidia/clara/monai-toolkit:3.0 /bin/bash ブラウザ上で JupyterLab を開く 上記コマンド実行後に以下のようなログが出力されるので、ログ中の http://localhost:8888/lab?token=dummy Welcome to MONAI Toolkit MONAI toolkit components: MONAI Core, Version: 1.4.0 MONAI Label, Version: 0.8.4 NVFlare, Version: 2.5.0 Jupyter Port is set to: 8888 checking port 8888 availability [I 2025-12-22 06:19:05.734 ServerApp] jupyter_lsp | extension was successfully linked. [I 2025-12-22 06:19:05.739 ServerApp] jupyter_server_terminals | extension was successfully linked. ... [I 2025-12-22 06:19:07.563 ServerApp] Jupyter Server 2.14.2 is running at: [I 2025-12-22 06:19:07.563 ServerApp] http://localhost:8888/lab?token=dummy [I 2025-12-22 06:19:07.563 ServerApp] http://127.0.0.1:8888/lab?token=dummy [I 2025-12-22 06:19:07.563 ServerApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation). [C 2025-12-22 06:19:07.568 ServerApp] To access the server, open this file in a browser: file:///root/.local/share/jupyter/runtime/jpserver-29-open.html Or copy and paste one of these URLs: http://localhost:8888/lab?token=dummy http://127.0.0.1:8888/lab?token=dummy JupyterLab 上で welcome.md ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223145102.png) ブラウザ接続に成功すると、上のような JupyterLab でのページが表示されるので、このチュートリアルに従って各種 AI モデルを動かしていきます 内臓セグメンテーション用モデル（VISTA-3D）のファインチューニングを行う CT画像セグメンテーション用モデル（VISTA-3D）のチュートリアルコード http://localhost:8888/lab/tree/tutorials/monai/vista_3d/vista3d_spleen_finetune.ipynb JupyterLab で動かしているので、UI 上から Run ボタン ▶️ をポチポチするだけで良いです。 ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223145150.png) ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223145209.png) ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223145230.png) VISTA-3D：CT画像セグメンテーション用モデルで、120以上の主要臓器クラスをセグメンテーション可能なモデルです ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223145253.png) 以下で公開されているデータセットで、腹部断面のCT画像と正解ラベル（黄色の領域：脾臓として正しくラベル付けされた領域）を含むデータセットになります。 このデータセットで VISTA-3D をファインチューニングします。 medicaldecathlon.com msd-for-monai.s3-us-west-2.amazonaws.com 画像解像度：239 x 239 枚数: 150枚 かなり少ないが、ファインチューニングなので問題なし（本当はもっと多いほうが良い） エポック数：5 epoch かなり少ない気がしますが、チュートリアルのまま 5 epoch とします 使用 GPU メモリ: 8 ~ 9GB 程度なので、T4でも動かせました ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223145345.png) 今回はチュートリアルと同じ設定で学習しましたが、epoch 5 ではまだ十分に loss が収束してないので、もっと Epoch 数増やしたほうが良さそうです ファインチューニングした内臓セグメンテーション用モデル（VISTA-3D）で推論し、CT画像における特定の内臓領域をアノテーションする 同じくCT画像セグメンテーション用モデル（VISTA-3D）のチュートリアルコード http://localhost:8888/lab/tree/tutorials/monai/vista_3d/vista3d_spleen_finetune.ipynb ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223145419.png) 推論結果例は、以下の通りです。 腹部断面のCT画像（テスト用データを使用）から脾臓部分をうまくアノテーション（セグメンテーション）できていることがわかるかと思います ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223145448.png) NVIDIA Clara for Biopharma（AI 創薬） NVIDIA Clara for Biopharma / BioNeMo の概要 NVIDIA Clara for Biopharma は、NVIDIA Clara における AI 創薬のための機能です。BioNeMo と呼ばれるフレームワークと AI 創薬のための事前学習済みモデル群で構成されます 以下で blueprint でのデモが公開されているので、こちらを試してみるとイメージが掴みやすいと思います。 build.nvidia.com 拡散モデルベースのモデルで、ノイズ入力から徐々にタンパク質構造を生成 ![](https://cdn-ak.f.st-hatena.com/images/fotolife/y/y034112/20251223/20251223150052

NVIDIA Claraを使用して医療・創薬分野のAIモデルを実装した体験

背景や根拠まで確認しますか？

調べる

選ぶ

サイト