CHOP modelliert Kinderherzen mit quelloffenen KI-Werkzeugen von NVIDIA

Das Children’s Hospital of Philadelphia (CHOP) betreibt einen Dienst zur Herzmodellierung auf Grundlage von MONAI, einem von NVIDIA mitbegründeten Open-Source-Framework für medizinische Bildgebung. Der Dienst wandelt die bereits vorhandenen CT-, MRT- und 3D-Ultraschallaufnahmen des Behandlungsteams eines Kindes in anatomisch genaue Herzmodelle um, berichtete NVIDIA am 15. September 2026. Laut NVIDIA entsteht jedes Modell in wenigen Sekunden. Damit ersetzt der Dienst einen Ablauf, für den ein qualifizierter Forscher früher etwa vier Stunden benötigte, und macht die Modelle schnell genug für den klinischen Routineeinsatz.

Nach Angaben von NVIDIA weisen etwa 1 % der Lebendgeburten einen angeborenen Herzfehler auf, und keiner gleicht dem anderen. Ein Kind, das mit einem Loch zwischen den unteren Herzkammern oder mit einer undichten Klappe in der einzigen pumpenden Kammer geboren wird, die es am Leben hält, benötigt eine auf genau diese Anatomie abgestimmte Behandlung. Die Geräte, die Chirurgen dafür verwenden, wurden in der Vergangenheit jedoch fast nie mit Blick auf dieses eine Kind entwickelt.

„Man hat ein einzigartiges Kind und ein Gerät von der Stange“, sagte Dr. Matthew Jolley, Kardiologe und Forscher am Children’s Hospital of Philadelphia, in NVIDIAs Blogbeitrag. „Unsere Aufgabe ist es, herauszufinden, was passt – und die Modellierung erlaubt uns das, bevor jemand das Katheterlabor oder den Operationssaal betritt.“

Der Ansatz verbreitet sich laut NVIDIA. Programme zur Herzmodellierung gibt es inzwischen an mehr als 20 Kinderkrankenhäusern in den USA. Am Boston Children’s Hospital unterstützt die Modellierung mehr als die Hälfte aller Herzoperationen, etwa 500 Fälle pro Jahr, und das CHOP erwartet für 2026 rund 200 modellierte Fälle. Nachdem die Arbeit in der Herzversorgung begann, will das CHOP dieselben Werkzeuge nun über das IDEA Lab, einen Teil des Morgan Center for Research and Innovation des Krankenhauses, in mehreren Fachbereichen einsetzen. Das Research Institute des CHOP bezeichnet das IDEA Lab, kurz für Innovate, Design, Engineer, and Accelerate, als Herzstück des Morgan Center. Unter der Leitung von Elizabeth Silvestro, PhD, stellt es auf dem Campus Ressourcen für die Biofabrikation bereit.

Von SlicerHeart zum Behandlungsstandard

Jolley kam 2015 zum CHOP, als die 3D-Echokardiografie gerade eingeführt wurde. Werkzeuge zur Modellierung von Herzklappen bei Erwachsenen waren vorhanden, doch für die komplexen und kleinen Anatomien, die er behandelte, war laut NVIDIA fast nichts entwickelt worden. Jolleys Labor und die Open-Source-Gemeinschaft schufen SlicerHeart, eine Erweiterung der quelloffenen Software 3D Slicer zur Visualisierung, Segmentierung und Analyse medizinischer 3D-Bilder. Das Team entwickelte außerdem Arbeitsabläufe zur Modellierung kindlicher Herzen und Klappen aus mehreren Bildgebungsverfahren.

Jahrelang musste ein qualifizierter Forschungsassistent mehrere Stunden an einem Arbeitsplatz verbringen, um ein einzelnes Modell zu erstellen. Mithilfe von MONAI Label und NVIDIAs Auto3DSeg-Implementierung trainierte Jolleys Team Segmentierungsnetze mit Paaren aus früheren Bildern und Modellen. NVIDIA zufolge erreicht das Ergebnis in Sekunden statt Stunden denselben Qualitätsstandard wie die Arbeit eines geschulten Menschen. Maschinelles Lernen ist laut Jolley für das Labor zur Routine geworden: Sobald das Team 10 oder 20 Bild-Modell-Paare erstellt hat, trainiert es ein Modell und beginnt mit dessen Einsatz.

Die MONAI-Projektseite beschreibt ein auf PyTorch beruhendes und von der Gemeinschaft getragenes Ökosystem für KI in der medizinischen Bildgebung: MONAI Label stellt Annotationen mit aktivem Lernen bereit, die sich in 3D Slicer integrieren lassen, MONAI Core bietet die Trainings- und Forschungsbibliothek, und MONAI Deploy verpackt trainierte Modelle für klinische Inferenzabläufe, wobei Auto3DSeg zu den Referenzimplementierungen zählt. Das Framework wird von Forschern und Ingenieuren bei NVIDIA, den NIH, dem King’s College London, der Mayo Clinic, dem MSKCC, Stanford, dem DKFZ und mehr als 30 weiteren Einrichtungen gepflegt und unter der Apache-2.0-Lizenz verbreitet.

Die klinische Wirkung zeigte sich laut NVIDIA schnell. Bei komplexen Ventrikelseptumdefekten, also Löchern zwischen den unteren Herzkammern, führt das CHOP heute routinemäßig vor der Operation eine Modellierung durch. In einem frühen Fall hatte ein Kind bereits zwei erfolglose Reparaturversuche hinter sich, weil Chirurgen den Defekt mit herkömmlichen Methoden nicht lokalisieren konnten. Das 3D-Modell verdeutlichte die Anatomie, und die Reparatur gelang beim ersten Versuch. In solchen Fällen, so Jolley, ist die Herzmodellierung von der Forschung zum Behandlungsstandard geworden.

Simulation von Geräten vor der Operation

Für Jolleys Team geht das Ziel über die Visualisierung hinaus: Es will vor Beginn eines Eingriffs vorhersagen, was geschieht, wenn ein Gerät im Herzen eines Kindes eingesetzt wird. Diese Arbeit läuft auf Newton, einer Open-Source-Physik-Engine auf Grundlage des Python-Frameworks NVIDIA Warp. Newton führt physikalische Simulationen auf GPUs aus und war ursprünglich für das simulationsgestützte Training von KI-Robotern vorgesehen.

Das CHOP arbeitet mit NVIDIA und der Open-Source-Gemeinschaft an biomechanisch ausgerichteten Simulationsframeworks mit Warp, die in Newton eingebunden werden können. Nach der Integration mit 3D Slicer und SlicerHeart sollen die Frameworks Ärzten helfen, die Materialeigenschaften von Gewebe zu verstehen, die bestimmen, wie sich ein Gerät bei einem bestimmten Patienten entfaltet. NVIDIA berichtet, dass GPU-Beschleunigung die Dauer einer Simulation von Herzgeräten von bis zu vier Stunden oder einer ganzen Nacht bei mehreren Konfigurationen auf nahezu Echtzeit verkürzen kann. In der Praxis ist das schnell genug, damit ein Arzt vergleichen kann, wie verschiedene Geräte zur Anatomie eines Kindes passen, und noch am selben Tag eine Entscheidung treffen kann.

Das CHOP hat damit begonnen, auf Warp und Newton aufbauende Funktionen für Verschlussgeräte umzusetzen, mit denen Löcher in Kinderherzen verschlossen werden, und hofft, ähnliche Methoden auf die Simulation von Transkatheterklappen anzuwenden. Die Open-Source-Architektur von Warp und Newton wird mit SlicerHeart verbunden, mit dem langfristigen Ziel, Echtzeitsimulationen in klinische Abläufe einzubringen. Ebenfalls in Entwicklung ist eine Kopplung aus SlicerHeart und digitalen Zwillingen von NVIDIA Omniverse auf Grundlage von OpenUSD: Aus Patientenbildern erstellte Simulationen würden in Virtual-Reality-Umgebungen mit eingebetteten Bild-Sprach-Modellen übertragen, sodass Ärzte die Herzanatomie eines Kindes abfragen und mit ihr interagieren könnten, bevor sie eingreifen.

Open-Source-Ökonomie und ein nationales Konsortium

Etwa 2,4 Millionen Menschen in den USA leben mit einem angeborenen Herzfehler. NVIDIA beschreibt diese Bevölkerungsgruppe als historisch zu selten und zu vielfältig, um herkömmliche Investitionen von Geräteherstellern in dem von Familien benötigten Umfang anzuziehen. Laut Jolley ist sie zu klein, um nach den üblichen wirtschaftlichen Regeln eine traditionelle kommerzielle Entwicklung zu tragen. Open Source durchbricht diese wirtschaftlichen Grenzen für kleine und heterogene Gruppen, indem es Zusammenarbeit und Fortschritt ohne Barrieren ermöglicht.

Die SlicerHeart-Werkzeuge stehen anderen kostenlos zur Nutzung und Erweiterung zur Verfügung, und Forscher von Stanford und dem Boston Children’s Hospital steuern neben dem CHOP zusätzliche Werkzeuge bei. Derzeit bildet sich ein nationales Konsortium von Kinderkrankenhäusern, um eine gemeinsam genutzte Modellierungsinfrastruktur der nächsten Generation aufzubauen. Open-Source-Werkzeuge verknüpfen dabei die Arbeit der beteiligten Einrichtungen. NVIDIA zufolge verschaffen seine Investitionen und die Zusammenarbeit an offenen Plattformen, darunter MONAI für KI in der medizinischen Bildgebung, Newton für physikalische Simulationen und OpenUSD für 3D-Interoperabilität und virtuelle Realität, einem Labor in einem Kinderkrankenhaus Zugang zu Werkzeugen, für deren Entwicklung und dauerhafte Pflege sonst ein Ingenieurteam von Unternehmensgröße nötig wäre.