CHOP, 오픈소스 NVIDIA AI 도구를 사용해 어린이 심장을 모델링

필라델피아 어린이 병원(CHOP)은 NVIDIA가 공동 설립한 오픈소스 의료 영상 프레임워크인 MONAI 위에 구축된 심장 모델링 서비스를 운영하고 있으며, 이 서비스는 어린이 치료 팀이 이미 보유하고 있는 CT 스캔, MRI 및 3D 초음파 영상을 해부학적으로 정밀한 심장 모델로 변환합니다. NVIDIA는 2026년 9월 15일에 이를 보고했습니다. NVIDIA에 따르면 이 서비스는 모델을 몇 초 안에 생성해, 한 숙련된 연구자가 약 4시간 걸리던 작업 흐름을 대체하며, 모델을 일상적인 임상 사용에 충분히 빠르게 만들었다.

NVIDIA에 따르면, 신생아의 약 1%가 선천성 심장 결함을 가지고 태어나며, 결함은 모두 서로 다릅니다. 심장의 하부 방 사이에 구멍이 있거나, 생명을 유지하는 단일 펌프 방에 누출이 있는 아이는 정확히 그 해부학적 구조에 맞는 치료가 필요합니다. 반면 외과 의사들이 사용하는 장치는 역사적으로 그 특정 아이를 위해 설계된 경우가 거의 없었습니다.

“당신에게는 독특한 아이와 기성품 장치가 있습니다,” 라고 필라델피아 어린이 병원의 심장학자이자 연구원인 매튜 졸리 박사가 NVIDIA의 블로그 게시물에서 말했습니다. “우리의 일은 맞는 것을 찾는 것이며, 모델링을 통해 누구도 카테터실이나 수술실에 들어가기 전에 이를 할 수 있습니다.”

NVIDIA가 보고하는 바에 따르면 접근 방식이 확산되고 있습니다. 심장 모델링 프로그램은 현재 미국 전역의 20개가 넘는 소아 병원에서 운영되고 있습니다. 보스턴 소아 병원에서는 모델링이 모든 심장 수술의 절반 이상을 지원하며, 연간 약 500건의 사례를 다루고 있으며, CHOP는 2026년에 약 200건의 모델링 사례에 도달할 것으로 예상합니다. 심장 치료에서 시작된 작업이 이제 CHOP는 병원 모건 센터 포 리서치 앤 이노베이션의 일환인 IDEA Lab을 통해 여러 분야에 동일한 도구를 적용하려고 합니다. CHOP 연구소는 IDEA Lab(혁신, 설계, 엔지니어링, 가속화의 약자)을 모건 센터의 중심으로 묘사하며, 캠퍼스 내 바이오제조 자원을 제공하고, 엘리자베스 실베스토(PhD)가 이끌고 있다고 설명했습니다.

SlicerHeart에서 표준 치료까지

졸리는 2015년에 CHOP에 합류했으며, 그때 3D 심초음파가 막 도입되기 시작했습니다. NVIDIA에 따르면 성인 판막 모델링을 위한 도구는 있었지만, 그가 치료하던 복잡하고 작은 해부학적 구조를 위한 도구는 거의 없었습니다. 졸리 연구실과 오픈소스 커뮤니티는 3D 의료 영상을 시각화, 분할 및 분석하는 오픈소스 3D Slicer 소프트웨어의 확장인 SlicerHeart를 구축했으며, 팀은 여러 영상 모달리티를 활용해 소아 심장 및 판막을 모델링하는 워크플로우를 개발했습니다.

수년간 단일 모델을 제작하려면 숙련된 연구 보조원이 워크스테이션에서 몇 시간을 투자해야 했습니다. MONAI Label과 NVIDIA의 Auto3DSeg 구현을 사용해 졸리 팀은 이전 이미지와 모델 쌍을 대상으로 분할 네트워크를 학습했으며, NVIDIA는 그 결과물이 훈련된 인간이 만든 것과 동일한 품질 기준을 몇 초 안에 충족한다고 보고했습니다. 졸리는 머신러닝이 연구실에서 일상화되었다고 말했습니다. 팀이 10~20개의 이미지-모델 쌍을 만들면 바로 모델을 학습시켜 적용하기 시작합니다.

MONAI 자체 프로젝트 사이트는 PyTorch 기반의 커뮤니티 주도 의료 영상 AI 생태계를 설명합니다. MONAI Label은 3D Slicer와 연동되는 능동 학습 주석 기능을 제공하고, MONAI Core는 교육 및 연구 라이브러리를 제공하며, MONAI Deploy는 임상 추론 파이프라인을 위한 학습된 모델을 패키징합니다. Auto3DSeg는 그 참고 구현 중 하나입니다. 이 프레임워크는 NVIDIA, NIH, King’s College London, Mayo Clinic, MSKCC, Stanford, DKFZ 및 30개 이상의 기관의 연구원과 엔지니어가 유지 관리하며, Apache 2.0 라이선스로 배포됩니다.

NVIDIA에 따르면 임상적 효과는 빠르게 나타났습니다. 복잡한 심실 중격 결함, 즉 심장의 하부 방 사이에 구멍이 있는 경우, CHOP은 이제 수술 전에 정기적으로 모델링을 수행합니다. 초기 사례 중 하나에서, 한 아이는 이미 두 차례의 실패한 수복 시도를 겪었으며 외과 의사들은 기존 방법으로 결함을 찾지 못했습니다. 3D 모델이 해부학을 명확히 보여주어 첫 시도에서 수복이 성공했습니다. 졸리는 이러한 사례에서 심장 모델링이 연구 단계에서 표준 치료로 전환되었다고 말했습니다.

수술 전 장치 시뮬레이션

졸리 팀에게 목표는 시각화를 넘어섭니다. 그들은 어떠한 절차가 시작되기 전에 장치를 아이의 심장 안에 배치했을 때 어떤 일이 일어날지 예측하고자 합니다. 이 작업은 GPU에서 물리 시뮬레이션을 수행하는 NVIDIA Warp Python 프레임워크 위에 구축된 오픈소스 물리 엔진인 Newton에서 실행되며, 원래는 시뮬레이션 기반 AI 로봇 훈련을 위해 설계되었습니다.

CHOP은 NVIDIA 및 오픈소스 커뮤니티와 협력해 Warp를 활용한 생체역학 중심 시뮬레이션 프레임워크를 구축하고 이를 Newton에 적용하고 있습니다. 3D Slicer와 SlicerHeart에 통합되면, 이 프레임워크는 의사가 환자별 장치 배치에 영향을 미치는 조직 물성치를 이해하도록 돕습니다. NVIDIA는 GPU 가속을 통해 심장 장치 시뮬레이션에 소요되는 시간이 최대 4시간 또는 다중 구성을 위한 전체 야간 실행에서 실시간에 가까운 수준으로 단축될 수 있으며, 실제로는 의사가 아이의 해부학에 맞는 다양한 장치를 비교해 당일 결정을 내리기에 충분히 빠르다고 보고했습니다.

CHOP은 어린이 심장의 구멍을 봉합하는 폐쇄 장치에 대해 Warp와 Newton을 기반으로 한 기능 구현을 시작했으며, 유사한 방법을 경피적 판막 시뮬레이션에도 적용하고자 합니다. Warp와 Newton의 오픈소스 아키텍처는 SlicerHeart와 연결되고 있으며, 장기 목표는 실시간 시뮬레이션을 임상 워크플로에 도입하는 것입니다. SlicerHeart와 NVIDIA Omniverse 디지털 트윈을 활용하고 OpenUSD로 구동되는 커플러도 개발 중이며, 환자 영상을 기반으로 만든 시뮬레이션이 가상현실 환경으로 흐르고, 그 안에 시각‑언어 모델이 내장되어 임상의가 실제 조치를 취하기 전에 어린이의 심장 해부학을 질의하고 상호작용할 수 있게 됩니다.

오픈소스 경제와 국가 차원의 컨소시엄

미국에서는 약 240만 명이 선천성 심장 질환을 가지고 살고 있으며, NVIDIA는 이 인구가 전통적인 의료기기 기업의 투자를 끌어들이기에 너무 희귀하고 다양하다고 설명합니다. Jolley는 이 인구가 전통적인 상업 개발을 지원하기엔 규모가 작아 일반적인 경제 원칙으로는 지속하기 어렵다고 말했으며, 오픈소스는 협업과 장벽 없는 진보를 가능하게 함으로써 작고 이질적인 인구에 대한 이러한 경제적 제약을 극복한다고 강조했습니다.

SlicerHeart 도구는 누구나 비용 없이 사용하고 확장할 수 있도록 제공되며, 스탠포드와 보스턴 어린이 병원의 연구원들이 CHOP과 함께 추가 도구를 기여하고 있습니다. 현재 어린이 병원들의 국가 컨소시엄이 차세대 공유 모델링 인프라를 구축하기 위해 형성되고 있으며, 오픈소스 도구가 참여 기관 간 작업을 연결하고 있습니다. NVIDIA는 의료 영상 AI용 MONAI, 물리 시뮬레이션용 Newton, 3D 상호운용성과 가상현실을 위한 OpenUSD 등 오픈 플랫폼에 대한 투자와 협업을 통해, 어린이 병원 연구실이 별도의 대규모 엔지니어링 팀 없이도 도구에 접근할 수 있게 된다고 밝혔습니다.