费城儿童医院使用NVIDIA开源AI工具生成精确3D心脏

费城儿童医院正在使用开源AI工具在几秒内对儿童的心脏进行建模，目的是为患有先天性心脏病的儿童提供更安全、更精准的护理。约1%的活产婴儿患有先天性心脏缺陷，而且每个病例都不相同。心脏下腔室之间有孔洞或维持其生命的单心室瓣膜泄漏的婴儿需要与其确切解剖结构相符的护理。从历史上看，外科医生使用的设备几乎从未是为这个特定患儿设计的。

费城儿童医院的心脏病学家兼研究员Matthew Jolley博士解释了这一挑战："你面对的是一个独一无二的患儿和一个现成的设备。我们的工作是找到适合的——建模让我们在任何人进入心导管室或手术室之前就能做到这一点。"

CHOP的心脏建模服务基于MONAI构建，MONAI是由NVIDIA共同创办的开源医学成像框架。它使用儿童护理团队已有的图像（如CT扫描、MRI和三维超声），在几秒内生成解剖精确的心脏模型。曾经需要一名熟练研究人员花费四小时的工作流程现在完成得足够快以供常规临床使用。这种方法正在传播：美国现在有二十多家儿童医院运营心脏建模项目。在波士顿儿童医院，建模支持超过一半的心脏手术，大约每年五百例。CHOP预计今年将达到约两百例建模病例。

Jolley在2015年加入CHOP时，三维超声心动图才刚刚推出。虽然有用于成人瓣膜建模的工具，但几乎没有针对他所治疗的复杂小型解剖结构而构建的工具。他的实验室与开源社区合作构建了SlicerHeart，这是三维Slicer开源软件的一个扩展，用于可视化、分割和分析三维医学图像，并开始开发从多种成像方式对儿科心脏和瓣膜进行建模的工作流程。多年来，生成单个模型意味着一名熟练的研究助手在工作站花费数小时。机器学习改变了这一切。使用MONAI Label和NVIDIA的Auto3DSeg实现，Jolley的团队在成对的先前图像和模型上训练分割网络。输出达到了训练有素的人类在几秒而非几小时内能产生的相同质量标准。

对于复杂的室间隔缺损（心脏下腔室之间的孔洞），CHOP现在在手术前常规进行建模。一个早期案例证明了其价值：一名患儿已经经历了两次失败的修复尝试，外科医生无法用传统方法定位缺陷。三维模型阐明了解剖结构，修复在第一次尝试时就成功了。对于这样的案例，心脏建模已从研究转变为标准护理。

CHOP正在与NVIDIA和开源社区合作，使用Newton构建以生物力学为重点的仿真框架。Newton是一个基于NVIDIA Warp Python框架构建的开源物理引擎，在GPU上运行物理仿真。这些框架可以帮助医生了解决定设备如何在特定患者体内部署的组织材料特性。通过GPU加速，CHOP可以将心脏设备仿真所需的时间从长达四小时或多个配置的整夜运行减少到接近实时。实际上，临床医生可以比较不同设备如何适应患儿的特定解剖结构，并获得足够快速的结果以支持同日决策。CHOP已开始实现基于Warp和Newton的功能，用于密闭儿童心脏孔洞的闭合设备，并希望对经导管瓣膜仿真应用类似方法。

美国约有240万人患有先天性心脏病。从历史上看，这一患者群体人数太少、差异太大，无法按照家庭需要的规模吸引传统设备公司的投资。没有单一公司构建了Jolley的团队所需的工具，也没有单一机构能够独自构建它们。开源是解决办法。SlicerHeart的工具可以免费使用和构建。来自Stanford和Boston Children's的研究人员在CHOP的基础上贡献了额外的工具。儿童医院的全国联盟现在正在形成，以构建下一代共享建模基础设施，开源成为跨机构的连接纽带。如Jolley所说，"这样的患者人口太小，无法按照正常经济学支持传统商业开发。但这是一个如此重要的问题，研究社区和慈善机构的人们都为之努力。开源通过允许没有障碍的协作和进步，为小型和多样化人群打破了传统经济学的限制。"