CHOP modellerer børns hjerter med open source-AI-værktøjer fra NVIDIA

Children’s Hospital of Philadelphia (CHOP) driver en tjeneste til hjertemodellering, der bygger på MONAI, et open source-framework til medicinsk billeddannelse, som NVIDIA var med til at stifte. Tjenesten omdanner de CT-scanninger, MR-scanninger og 3D-ultralydsbilleder, som barnets behandlingsteam allerede har, til anatomisk præcise hjertemodeller, oplyste NVIDIA den 15. september 2026. Ifølge NVIDIA fremstiller tjenesten hver model på få sekunder og erstatter dermed en arbejdsgang, der tidligere tog en kvalificeret forsker omkring fire timer. Det gør modellerne hurtige nok til almindelig klinisk brug.

Omkring 1 % af levendefødte børn har en medfødt hjertefejl, og ingen tilfælde er ens, ifølge NVIDIAs redegørelse. Et barn, der fødes med et hul mellem hjertets nederste kamre eller en utæt klap i det eneste pumpekammer, der holder barnet i live, har brug for behandling, som passer til netop den anatomi. De enheder, som kirurgerne bruger, er historisk set næsten aldrig blevet udviklet med det pågældende barn for øje.

»Man har et helt unikt barn og en standardenhed,« sagde dr. Matthew Jolley, kardiolog og forsker på Children’s Hospital of Philadelphia, i NVIDIAs blogindlæg. »Vores opgave er at finde ud af, hvad der passer, og modellering gør det muligt, før nogen går ind i kateterlaboratoriet eller operationsstuen.«

Tilgangen breder sig, oplyser NVIDIA. Der findes nu programmer til hjertemodellering på mere end 20 børnehospitaler i USA. På Boston Children’s Hospital understøtter modellering mere end halvdelen af alle hjerteoperationer, cirka 500 tilfælde om året, og CHOP forventer at nå omkring 200 modellerede tilfælde i 2026. Arbejdet begyndte inden for hjertebehandling, men CHOP vil nu bruge de samme værktøjer på tværs af flere fagområder gennem IDEA Lab, som er en del af hospitalets Morgan Center for Research and Innovation. CHOPs Research Institute har beskrevet IDEA Lab, en forkortelse for Innovate, Design, Engineer, and Accelerate, som et centralt element i Morgan Center, der tilbyder biofabrikationsressourcer på hospitalets område under ledelse af Elizabeth Silvestro, PhD.

Fra SlicerHeart til standardbehandling

Jolley kom til CHOP i 2015, da 3D-ekkokardiografi netop var ved at blive taget i brug. Der fandtes værktøjer til modellering af klapper hos voksne, men næsten intet var blevet udviklet til de komplekse og små anatomier, han behandlede, ifølge NVIDIA. Jolleys laboratorium og open source-fællesskabet byggede SlicerHeart, en udvidelse til open source-softwaren 3D Slicer, der bruges til at visualisere, segmentere og analysere medicinske 3D-billeder. Holdet udviklede desuden arbejdsgange til at modellere børnehjerter og klapper fra flere billeddannelsesmetoder.

I årevis krævede fremstillingen af en enkelt model, at en kvalificeret forskningsassistent brugte flere timer ved en arbejdsstation. Ved hjælp af MONAI Label og NVIDIAs Auto3DSeg-implementering trænede Jolleys hold segmenteringsnetværk på par af tidligere billeder og modeller. NVIDIA oplyser, at resultatet på sekunder i stedet for timer opfylder samme kvalitetsstandard som en uddannet fagperson. Jolley siger, at maskinlæring er blevet en rutine i laboratoriet: Så snart holdet har lavet 10 eller 20 billed-model-par, træner det en model og begynder at anvende den.

MONAIs eget projektsite beskriver et PyTorch-baseret og fællesskabsdrevet økosystem til AI i medicinsk billeddannelse: MONAI Label leverer annotation med aktiv læring, som kan kobles til 3D Slicer, MONAI Core leverer trænings- og forskningsbiblioteket, og MONAI Deploy pakker trænede modeller til kliniske inferensforløb med Auto3DSeg blandt referenceimplementeringerne. Frameworket vedligeholdes af forskere og ingeniører hos NVIDIA, NIH, King’s College London, Mayo Clinic, MSKCC, Stanford, DKFZ og mere end 30 andre institutioner og distribueres under Apache 2.0-licensen.

Den kliniske virkning viste sig hurtigt, ifølge NVIDIA. Ved komplekse ventrikelseptumdefekter, altså huller mellem hjertets nederste kamre, foretager CHOP nu rutinemæssigt modellering før operationen. I et tidligt tilfælde havde et barn allerede gennemgået to mislykkede reparationsforsøg, fordi kirurgerne ikke kunne finde defekten med traditionelle metoder. 3D-modellen tydeliggjorde anatomien, og reparationen lykkedes i første forsøg. I sådanne tilfælde er hjertemodellering ifølge Jolley gået fra forskning til standardbehandling.

Simulering af enheder før operationen

For Jolleys hold rækker målet ud over visualisering: Det vil forudsige, hvad der sker, når en enhed indsættes i et barns hjerte, før indgrebet begynder. Arbejdet kører på Newton, en open source-fysikmotor bygget på Python-frameworket NVIDIA Warp, som udfører fysiksimuleringer på GPU’er og oprindeligt var beregnet til simulationsbaseret træning af AI-robotter.

CHOP arbejder sammen med NVIDIA og open source-fællesskabet om at bygge biomekaniske simuleringsframeworks med Warp, som kan indarbejdes i Newton. Når de er integreret med 3D Slicer og SlicerHeart, skal de hjælpe læger med at forstå de materialeegenskaber i vævet, som afgør, hvordan en enhed udfoldes hos en bestemt patient. NVIDIA oplyser, at GPU-acceleration kan reducere tiden til simulering af en hjerteenhed fra op til fire timer, eller en hel nat ved flere konfigurationer, til næsten realtid. I praksis er det hurtigt nok til, at en kliniker kan sammenligne, hvordan forskellige enheder passer til et barns anatomi, og træffe en beslutning samme dag.

CHOP er begyndt at implementere funktioner baseret på Warp og Newton til de lukkeenheder, der bruges til at forsegle huller i børns hjerter, og håber at anvende lignende metoder til simulering af transkateterklapper. Open source-arkitekturen i Warp og Newton forbindes med SlicerHeart med det langsigtede mål at bringe realtidssimuleringer ind i kliniske arbejdsgange. En kobling, der bruger SlicerHeart og digitale tvillinger i NVIDIA Omniverse drevet af OpenUSD, er også under udvikling: Simuleringer bygget på patientbilleder skal overføres til virtual reality-miljøer med indbyggede billed-sprog-modeller, så klinikere kan stille spørgsmål til og interagere med et barns hjerteanatomi, før de griber ind.

Open source-økonomi og et nationalt konsortium

Omkring 2,4 millioner mennesker i USA lever med medfødt hjertesygdom, og NVIDIA beskriver denne befolkningsgruppe som historisk set for sjælden og for forskelligartet til at tiltrække traditionelle investeringer fra enhedsproducenter i den skala, familierne har brug for. Jolley siger, at gruppen er for lille til at understøtte traditionel kommerciel udvikling efter de normale økonomiske regler, og at open source bryder med disse regler for små og heterogene befolkningsgrupper ved at muliggøre samarbejde og fremskridt uden barrierer.

SlicerHeart-værktøjerne er gratis tilgængelige, så andre kan bruge og videreudvikle dem, og forskere fra Stanford og Boston Children’s Hospital bidrager med yderligere værktøjer sammen med CHOP. Et nationalt konsortium af børnehospitaler er nu ved at blive dannet for at bygge næste generations fælles modelleringsinfrastruktur, hvor open source-værktøjer forbinder arbejdet på tværs af de deltagende institutioner. Ifølge NVIDIA giver virksomhedens investering og samarbejde om åbne platforme, herunder MONAI til AI i medicinsk billeddannelse, Newton til fysiksimulering og OpenUSD til 3D-interoperabilitet og virtual reality, et laboratorium på et børnehospital adgang til værktøjer, som ellers ville kræve et ingeniørhold på størrelse med en virksomheds for at udvikle og vedligeholde.