Le CHOP modélise le cœur des enfants avec des outils d’IA NVIDIA open source

Le Children’s Hospital of Philadelphia (CHOP) exploite un service de modélisation cardiaque fondé sur MONAI, un cadre open source d’imagerie médicale cofondé par NVIDIA, qui transforme les tomodensitométries, les IRM et les échographies 3D dont dispose déjà l’équipe soignante d’un enfant en modèles cardiaques anatomiquement précis, a indiqué NVIDIA le 15 septembre 2026. Selon NVIDIA, le service produit chaque modèle en quelques secondes et remplace ainsi un processus qui demandait auparavant environ quatre heures à un chercheur qualifié, ce qui rend les modèles assez rapides pour un usage clinique courant.

Environ 1 % des naissances vivantes présentent une malformation cardiaque congénitale, et aucune n’est identique à une autre, selon le récit de NVIDIA. Un enfant né avec un trou entre les cavités inférieures du cœur, ou avec une valve qui fuit dans l’unique cavité de pompage qui le maintient en vie, a besoin de soins adaptés exactement à cette anatomie, alors que les dispositifs utilisés par les chirurgiens n’ont historiquement presque jamais été conçus pour cet enfant précis.

« Vous avez un enfant unique et un dispositif standard », a déclaré le Dr Matthew Jolley, cardiologue et chercheur au Children’s Hospital of Philadelphia, dans l’article de blog de NVIDIA. « Notre travail consiste à trouver ce qui convient, et la modélisation nous permet de le faire avant que quiconque n’entre dans le laboratoire de cathétérisme ou au bloc opératoire. »

Selon NVIDIA, l’approche se généralise. Des programmes de modélisation cardiaque fonctionnent désormais dans plus de 20 hôpitaux pour enfants aux États-Unis. Au Boston Children’s Hospital, la modélisation accompagne plus de la moitié des opérations cardiaques, soit environ 500 cas par an, et le CHOP prévoit d’atteindre près de 200 cas modélisés en 2026. Alors que ces travaux ont commencé dans les soins cardiaques, le CHOP cherche maintenant à appliquer les mêmes outils à plusieurs disciplines par l’intermédiaire de l’IDEA Lab, qui fait partie du Morgan Center for Research and Innovation de l’hôpital. Le Research Institute du CHOP décrit l’IDEA Lab, abréviation d’Innovate, Design, Engineer, and Accelerate, comme un élément central du Morgan Center offrant des ressources de biofabrication sur le campus, sous la direction d’Elizabeth Silvestro, PhD.

De SlicerHeart à la norme de soins

Jolley a rejoint le CHOP en 2015, à l’époque où l’échocardiographie 3D commençait tout juste à être utilisée. Des outils existaient pour modéliser les valves d’adultes, mais presque rien n’avait été conçu pour les anatomies petites et complexes qu’il traitait, selon NVIDIA. Le laboratoire de Jolley et la communauté open source ont créé SlicerHeart, une extension du logiciel open source 3D Slicer utilisé pour visualiser, segmenter et analyser les images médicales 3D, puis l’équipe a élaboré des processus pour modéliser les cœurs et les valves pédiatriques à partir de plusieurs modalités d’imagerie.

Pendant des années, la production d’un seul modèle obligeait un assistant de recherche qualifié à passer plusieurs heures devant un poste de travail. À l’aide de MONAI Label et de l’implémentation Auto3DSeg de NVIDIA, l’équipe de Jolley a entraîné des réseaux de segmentation sur des paires d’images et de modèles antérieurs. NVIDIA affirme que le résultat atteint en quelques secondes, au lieu de plusieurs heures, le même niveau de qualité que celui produit par une personne formée. Jolley explique que l’apprentissage automatique est devenu une pratique courante dans le laboratoire : dès que l’équipe a créé 10 ou 20 paires image-modèle, elle entraîne un modèle et commence à l’appliquer.

Le site du projet MONAI décrit un écosystème fondé sur PyTorch et animé par la communauté pour l’IA appliquée à l’imagerie médicale : MONAI Label fournit une annotation par apprentissage actif qui s’intègre à 3D Slicer, MONAI Core apporte la bibliothèque d’entraînement et de recherche, et MONAI Deploy prépare les modèles entraînés pour les chaînes d’inférence clinique, Auto3DSeg figurant parmi ses implémentations de référence. Le cadre est maintenu par des chercheurs et des ingénieurs de NVIDIA, des NIH, du King’s College London, de la Mayo Clinic, du MSKCC, de Stanford, du DKFZ et de plus de 30 autres institutions, et il est distribué sous licence Apache 2.0.

Selon NVIDIA, l’impact clinique est apparu rapidement. Pour les communications interventriculaires complexes, c’est-à-dire les trous entre les cavités inférieures du cœur, le CHOP réalise désormais systématiquement une modélisation avant l’opération. Dans un des premiers cas, un enfant avait déjà subi deux tentatives de réparation infructueuses, les chirurgiens n’ayant pas pu localiser la malformation avec les méthodes traditionnelles. Le modèle 3D a clarifié l’anatomie, et la réparation a réussi dès la première tentative. Pour de tels cas, explique Jolley, la modélisation cardiaque est passée de la recherche à la norme de soins.

Simuler les dispositifs avant l’opération

Pour l’équipe de Jolley, l’objectif dépasse la visualisation : elle veut prédire ce qui se produira lorsqu’un dispositif sera déployé dans le cœur d’un enfant, avant le début de toute intervention. Ce travail repose sur Newton, un moteur physique open source construit sur le cadre Python NVIDIA Warp qui exécute des simulations physiques sur des GPU et qui était initialement destiné à l’entraînement de robots par IA fondé sur la simulation.

Le CHOP travaille avec NVIDIA et la communauté open source à la création, avec Warp, de cadres de simulation axés sur la biomécanique qui pourront être intégrés à Newton. Une fois associés à 3D Slicer et SlicerHeart, ces cadres doivent aider les médecins à comprendre les propriétés matérielles des tissus qui déterminent le déploiement d’un dispositif chez un patient donné. NVIDIA indique que l’accélération par GPU peut réduire le temps nécessaire à la simulation d’un dispositif cardiaque, qui peut atteindre quatre heures ou une nuit entière pour plusieurs configurations, pour le ramener à une durée proche du temps réel. En pratique, cela permet à un clinicien de comparer assez vite l’adaptation de différents dispositifs à l’anatomie d’un enfant pour prendre une décision le jour même.

Le CHOP a commencé à mettre en œuvre des fonctions fondées sur Warp et Newton pour les dispositifs de fermeture utilisés afin d’obturer les trous dans le cœur des enfants, et espère appliquer des méthodes similaires aux simulations de valves transcathéter. L’architecture open source de Warp et Newton est reliée à SlicerHeart, avec pour objectif à long terme d’intégrer les simulations en temps réel aux flux cliniques. Un module de couplage utilisant SlicerHeart et les jumeaux numériques NVIDIA Omniverse, alimentés par OpenUSD, est également en cours de développement : les simulations créées à partir d’images de patients seraient transférées dans des environnements de réalité virtuelle dotés de modèles vision-langage, ce qui permettrait aux cliniciens d’interroger l’anatomie cardiaque d’un enfant et d’interagir avec elle avant d’intervenir.

Économie de l’open source et consortium national

Environ 2,4 millions de personnes aux États-Unis vivent avec une cardiopathie congénitale. NVIDIA décrit cette population comme historiquement trop rare et trop diverse pour attirer les investissements traditionnels des fabricants de dispositifs à l’échelle dont les familles ont besoin. Jolley affirme que cette population est trop petite pour soutenir le développement commercial classique selon les règles économiques habituelles et que l’open source permet de dépasser ces contraintes pour les populations réduites et hétérogènes, en autorisant la collaboration et le progrès sans obstacles.

Les outils SlicerHeart sont disponibles gratuitement pour que d’autres puissent les utiliser et les étendre, et des chercheurs de Stanford et du Boston Children’s Hospital fournissent des outils supplémentaires aux côtés du CHOP. Un consortium national d’hôpitaux pour enfants est en cours de création afin de bâtir une infrastructure partagée de modélisation de nouvelle génération, avec des outils open source reliant les travaux des établissements participants. Selon NVIDIA, son investissement et sa collaboration autour de plateformes ouvertes, notamment MONAI pour l’IA appliquée à l’imagerie médicale, Newton pour la simulation physique et OpenUSD pour l’interopérabilité 3D et la réalité virtuelle, donnent à un laboratoire d’hôpital pour enfants accès à des outils dont la création et la maintenance exigeraient autrement une équipe d’ingénierie de la taille de celle d’une entreprise.