CHOP memodelkan jantung anak dengan alat AI sumber terbuka NVIDIA

Children’s Hospital of Philadelphia (CHOP) menjalankan layanan pemodelan jantung yang dibangun di atas MONAI, kerangka kerja sumber terbuka untuk pencitraan medis yang ikut didirikan oleh NVIDIA. Layanan ini mengubah pemindaian CT, MRI, dan citra ultrasonografi 3D yang sudah dimiliki tim perawatan seorang anak menjadi model jantung yang akurat secara anatomi, lapor NVIDIA pada 15 September 2026. Menurut NVIDIA, layanan tersebut menghasilkan setiap model dalam hitungan detik, menggantikan proses yang dahulu membutuhkan sekitar empat jam kerja peneliti terampil dan menjadikan model cukup cepat untuk penggunaan klinis rutin.

Menurut penjelasan NVIDIA, sekitar 1% kelahiran hidup melibatkan kelainan jantung bawaan dan tidak ada dua kasus yang sama. Anak yang lahir dengan lubang di antara bilik bawah jantung, atau dengan katup bocor pada satu-satunya bilik pemompa yang membuatnya tetap hidup, memerlukan perawatan yang disesuaikan dengan anatomi tersebut. Sementara itu, perangkat yang digunakan ahli bedah secara historis hampir tidak pernah dirancang dengan mempertimbangkan anak tertentu itu.

“Ada anak yang unik dan perangkat yang diproduksi massal,” kata Dr. Matthew Jolley, ahli jantung dan peneliti di Children’s Hospital of Philadelphia, dalam tulisan blog NVIDIA. “Tugas kami adalah menemukan apa yang cocok, dan pemodelan memungkinkan kami melakukannya sebelum siapa pun memasuki laboratorium kateterisasi atau ruang operasi.”

Menurut NVIDIA, pendekatan ini terus meluas. Program pemodelan jantung kini beroperasi di lebih dari 20 rumah sakit anak di seluruh Amerika Serikat. Di Boston Children’s Hospital, pemodelan mendukung lebih dari setengah seluruh operasi jantung, sekitar 500 kasus per tahun, dan CHOP berharap mencapai sekitar 200 kasus yang dimodelkan pada 2026. Setelah bermula dalam perawatan jantung, CHOP kini ingin menerapkan alat yang sama di berbagai disiplin melalui IDEA Lab, bagian dari Morgan Center for Research and Innovation milik rumah sakit. Research Institute CHOP menggambarkan IDEA Lab, kependekan dari Innovate, Design, Engineer, and Accelerate, sebagai bagian utama Morgan Center yang menyediakan sumber daya biofabrikasi di kampus di bawah kepemimpinan Elizabeth Silvestro, PhD.

Dari SlicerHeart menjadi standar perawatan

Jolley bergabung dengan CHOP pada 2015 ketika ekokardiografi 3D baru mulai digunakan. Alat untuk memodelkan katup orang dewasa sudah tersedia, tetapi hampir tidak ada yang dibuat untuk anatomi kecil dan rumit yang ia tangani, menurut penjelasan NVIDIA. Laboratorium Jolley dan komunitas sumber terbuka membangun SlicerHeart, ekstensi perangkat lunak sumber terbuka 3D Slicer yang digunakan untuk memvisualisasikan, menyegmentasikan, dan menganalisis citra medis 3D. Tim tersebut juga mengembangkan alur kerja untuk memodelkan jantung dan katup anak dari berbagai modalitas pencitraan.

Selama bertahun-tahun, pembuatan satu model mengharuskan asisten peneliti terampil bekerja berjam-jam di depan stasiun kerja. Dengan MONAI Label dan implementasi Auto3DSeg milik NVIDIA, tim Jolley melatih jaringan segmentasi menggunakan pasangan citra dan model sebelumnya. NVIDIA melaporkan bahwa hasilnya mencapai standar kualitas yang sama dengan keluaran tenaga terlatih dalam hitungan detik, bukan jam. Menurut Jolley, pembelajaran mesin sudah menjadi kegiatan rutin di laboratorium: begitu tim membuat 10 atau 20 pasangan citra dan model, mereka melatih sebuah model dan mulai menerapkannya.

Situs proyek MONAI sendiri menggambarkan ekosistem berbasis PyTorch yang dipimpin komunitas untuk AI pencitraan medis: MONAI Label menyediakan anotasi pembelajaran aktif yang terhubung ke 3D Slicer, MONAI Core menyediakan pustaka pelatihan dan penelitian, sedangkan MONAI Deploy mengemas model terlatih untuk alur inferensi klinis, dengan Auto3DSeg sebagai salah satu implementasi acuannya. Kerangka kerja ini dipelihara oleh peneliti dan insinyur dari NVIDIA, NIH, King’s College London, Mayo Clinic, MSKCC, Stanford, DKFZ, dan lebih dari 30 institusi lainnya, serta didistribusikan dengan lisensi Apache 2.0.

Menurut NVIDIA, dampak klinisnya terlihat dengan cepat. Untuk defek septum ventrikel yang rumit, yaitu lubang di antara bilik bawah jantung, CHOP kini secara rutin melakukan pemodelan sebelum operasi. Dalam salah satu kasus awal, seorang anak sudah menjalani dua upaya perbaikan yang gagal karena ahli bedah tidak dapat menemukan kelainan tersebut dengan metode tradisional. Model 3D memperjelas anatominya, dan perbaikan berhasil pada percobaan pertama. Untuk kasus semacam itu, kata Jolley, pemodelan jantung telah beralih dari penelitian menjadi standar perawatan.

Mensimulasikan perangkat sebelum operasi

Bagi tim Jolley, tujuannya melampaui visualisasi: mereka ingin memprediksi apa yang akan terjadi ketika sebuah perangkat dipasang di dalam jantung anak sebelum prosedur dimulai. Pekerjaan ini berjalan pada Newton, mesin fisika sumber terbuka yang dibangun di atas kerangka kerja Python NVIDIA Warp. Newton menjalankan simulasi fisika pada GPU dan semula ditujukan untuk pelatihan robot AI berbasis simulasi.

CHOP bekerja sama dengan NVIDIA dan komunitas sumber terbuka untuk membangun kerangka simulasi berfokus biomekanika dengan Warp yang dapat dimasukkan ke Newton. Setelah terintegrasi dengan 3D Slicer dan SlicerHeart, kerangka tersebut ditujukan untuk membantu dokter memahami sifat material jaringan yang menentukan cara sebuah perangkat mengembang pada pasien tertentu. NVIDIA melaporkan bahwa akselerasi GPU dapat memangkas waktu simulasi perangkat jantung dari maksimal empat jam, atau semalam penuh untuk beberapa konfigurasi, menjadi hampir seketika. Dalam praktiknya, hal itu cukup cepat bagi dokter untuk membandingkan kesesuaian berbagai perangkat dengan anatomi anak dan mendukung keputusan pada hari yang sama.

CHOP mulai menerapkan fitur berbasis Warp dan Newton untuk perangkat penutup yang digunakan guna menyegel lubang di jantung anak dan berharap dapat menerapkan metode serupa untuk simulasi katup transkateter. Arsitektur sumber terbuka Warp dan Newton sedang dihubungkan dengan SlicerHeart, dengan tujuan jangka panjang membawa simulasi waktu nyata ke dalam alur kerja klinis. Penghubung yang menggunakan SlicerHeart dan kembaran digital NVIDIA Omniverse berbasis OpenUSD juga sedang dikembangkan: simulasi yang dibuat dari citra pasien akan mengalir ke lingkungan realitas virtual dengan model penglihatan-bahasa tertanam, sehingga dokter dapat menanyakan dan berinteraksi dengan anatomi jantung anak sebelum melakukan tindakan.

Ekonomi sumber terbuka dan konsorsium nasional

Sekitar 2,4 juta orang di Amerika Serikat hidup dengan penyakit jantung bawaan, dan NVIDIA menggambarkan populasi ini secara historis terlalu kecil dan terlalu beragam untuk menarik investasi tradisional dari perusahaan perangkat dalam skala yang dibutuhkan keluarga. Jolley mengatakan populasinya terlalu kecil untuk menopang pengembangan komersial tradisional menurut perhitungan ekonomi biasa, dan sumber terbuka menentang batas ekonomi tersebut bagi populasi kecil dan heterogen dengan memungkinkan kolaborasi serta kemajuan tanpa hambatan.

Alat SlicerHeart tersedia gratis untuk digunakan dan dikembangkan lebih lanjut oleh pihak lain, sedangkan peneliti di Stanford dan Boston Children’s Hospital turut menyumbangkan alat tambahan bersama CHOP. Konsorsium nasional rumah sakit anak kini sedang dibentuk untuk membangun infrastruktur pemodelan bersama generasi berikutnya, dengan alat sumber terbuka yang menghubungkan pekerjaan di seluruh institusi peserta. Menurut NVIDIA, investasi dan kolaborasinya pada platform terbuka, termasuk MONAI untuk AI pencitraan medis, Newton untuk simulasi fisika, serta OpenUSD untuk interoperabilitas 3D dan realitas virtual, memberi laboratorium rumah sakit anak akses ke alat yang jika tidak demikian akan membutuhkan tim teknik sebesar perusahaan untuk dibangun dan dipelihara.