CHOP modelleert kinderharten met opensource-AI-hulpmiddelen van NVIDIA

Children’s Hospital of Philadelphia (CHOP) gebruikt een dienst voor hartmodellering die is gebouwd op MONAI, een door NVIDIA mede opgericht opensourceframework voor medische beeldvorming. De dienst zet de CT-scans, MRI-scans en 3D-echobeelden waarover het behandelteam van een kind al beschikt om in anatomisch nauwkeurige hartmodellen, meldde NVIDIA op 15 september 2026. Volgens NVIDIA maakt de dienst ieder model in enkele seconden en vervangt daarmee een proces waarvoor een deskundige onderzoeker vroeger ongeveer vier uur nodig had. Hierdoor zijn de modellen snel genoeg voor routinematig klinisch gebruik.

Volgens het verslag van NVIDIA komt bij ongeveer 1% van de levendgeborenen een aangeboren hartafwijking voor, en geen twee gevallen zijn hetzelfde. Een kind dat wordt geboren met een gat tussen de onderste hartkamers, of met een lekkende klep in de enige pompkamer die het in leven houdt, heeft zorg nodig die precies op die anatomie is afgestemd. De apparaten die chirurgen gebruiken, zijn in het verleden echter bijna nooit met dat specifieke kind voor ogen ontworpen.

“Je hebt een uniek kind en een standaardapparaat”, zei dr. Matthew Jolley, cardioloog en onderzoeker bij Children’s Hospital of Philadelphia, in de blogpost van NVIDIA. “Het is onze taak te bepalen wat past, en met modellering kunnen we dat doen voordat iemand het katheterisatielaboratorium of de operatiekamer binnengaat.”

De aanpak verspreidt zich, meldt NVIDIA. Inmiddels zijn er programma’s voor hartmodellering actief in meer dan 20 kinderziekenhuizen in de Verenigde Staten. In Boston Children’s Hospital ondersteunt modellering meer dan de helft van alle hartoperaties, ongeveer 500 gevallen per jaar, en CHOP verwacht in 2026 ongeveer 200 gemodelleerde gevallen te bereiken. Het werk begon binnen de hartzorg, maar CHOP wil dezelfde hulpmiddelen nu via het IDEA Lab, onderdeel van het Morgan Center for Research and Innovation van het ziekenhuis, in meerdere vakgebieden toepassen. Het Research Institute van CHOP beschrijft het IDEA Lab, een afkorting van Innovate, Design, Engineer, and Accelerate, als een centraal onderdeel van het Morgan Center dat onder leiding van Elizabeth Silvestro, PhD, op de campus middelen voor biofabricage aanbiedt.

Van SlicerHeart naar de zorgstandaard

Jolley kwam in 2015 bij CHOP, toen 3D-echocardiografie net beschikbaar kwam. Er waren hulpmiddelen om kleppen van volwassenen te modelleren, maar voor de complexe, kleine anatomieën die hij behandelde, was volgens NVIDIA bijna niets ontwikkeld. Het laboratorium van Jolley en de opensourcegemeenschap bouwden SlicerHeart, een uitbreiding van de opensourcesoftware 3D Slicer die wordt gebruikt om medische 3D-beelden te visualiseren, segmenteren en analyseren. Het team ontwikkelde ook werkprocessen om kinderharten en kleppen op basis van meerdere beeldvormingstechnieken te modelleren.

Jarenlang moest een deskundige onderzoeksassistent meerdere uren achter een werkstation doorbrengen om één model te produceren. Met MONAI Label en de Auto3DSeg-implementatie van NVIDIA trainde het team van Jolley segmentatienetwerken met paren van eerdere beelden en modellen. NVIDIA meldt dat het resultaat in seconden in plaats van uren dezelfde kwaliteitsnorm haalt als het werk van een getraind persoon. Machine learning is volgens Jolley routine geworden in het laboratorium: zodra het team 10 of 20 beeld-modelparen heeft gemaakt, traint het een model en begint het dit toe te passen.

De projectsite van MONAI beschrijft een op PyTorch gebaseerd en door de gemeenschap geleid ecosysteem voor AI in medische beeldvorming: MONAI Label levert annotatie met actief leren die op 3D Slicer kan worden aangesloten, MONAI Core biedt de bibliotheek voor training en onderzoek, en MONAI Deploy verpakt getrainde modellen voor klinische inferentietrajecten, met Auto3DSeg als een van de referentie-implementaties. Het framework wordt onderhouden door onderzoekers en ingenieurs van NVIDIA, NIH, King’s College London, Mayo Clinic, MSKCC, Stanford, DKFZ en meer dan 30 andere instellingen en wordt verspreid onder de Apache 2.0-licentie.

Volgens NVIDIA werd de klinische invloed al snel zichtbaar. Bij complexe ventrikelseptumdefecten, gaten tussen de onderste hartkamers, voert CHOP nu standaard vóór de operatie modellering uit. In een vroeg geval had een kind al twee mislukte herstelpogingen ondergaan, waarbij chirurgen de afwijking met traditionele methoden niet konden lokaliseren. Het 3D-model verduidelijkte de anatomie, waarna het herstel bij de eerste poging slaagde. Voor zulke gevallen is hartmodellering volgens Jolley van onderzoek naar de zorgstandaard gegaan.

Apparaten simuleren vóór de operatie

Voor het team van Jolley gaat het doel verder dan visualisatie: het wil voorspellen wat er gebeurt wanneer een apparaat in het hart van een kind wordt geplaatst voordat een ingreep begint. Dit werk draait op Newton, een open source fysica-engine die is gebouwd op het Python-framework NVIDIA Warp, fysische simulaties op GPU’s uitvoert en oorspronkelijk bedoeld was voor op simulatie gebaseerde training van AI-robots.

CHOP werkt samen met NVIDIA en de opensourcegemeenschap aan op biomechanica gerichte simulatieframeworks met Warp die in Newton kunnen worden opgenomen. Na integratie met 3D Slicer en SlicerHeart moeten de frameworks artsen helpen de materiaaleigenschappen van weefsel te begrijpen die bepalen hoe een apparaat zich bij een bepaalde patiënt ontvouwt. NVIDIA meldt dat GPU-versnelling de benodigde tijd voor de simulatie van een hartapparaat kan verkorten van maximaal vier uur, of een hele nacht voor meerdere configuraties, tot bijna realtime. In de praktijk is dat snel genoeg voor een arts om te vergelijken hoe verschillende apparaten bij de anatomie van een kind passen en nog dezelfde dag een beslissing te nemen.

CHOP is begonnen met de implementatie van functies op basis van Warp en Newton voor de afsluitapparaten die worden gebruikt om gaten in kinderharten te dichten, en hoopt vergelijkbare methoden toe te passen op simulaties van transkatheterkleppen. De opensourcearchitectuur van Warp en Newton wordt verbonden met SlicerHeart, met als langetermijndoel realtime simulaties in klinische werkprocessen te brengen. Ook wordt gewerkt aan een koppeling met SlicerHeart en digitale tweelingen van NVIDIA Omniverse, aangedreven door OpenUSD: simulaties die op patiëntbeelden zijn gebouwd, zouden worden overgebracht naar virtuele omgevingen met ingebouwde beeld-taalmodellen, zodat artsen de hartanatomie van een kind kunnen bevragen en ermee kunnen werken voordat ze ingrijpen.

Opensource-economie en een nationaal consortium

In de Verenigde Staten leven ongeveer 2,4 miljoen mensen met een aangeboren hartafwijking. NVIDIA beschrijft deze bevolkingsgroep als van oudsher te zeldzaam en te divers om traditionele investeringen van fabrikanten van medische apparaten aan te trekken op de schaal die gezinnen nodig hebben. Jolley zegt dat de groep volgens de gebruikelijke economische regels te klein is om traditionele commerciële ontwikkeling te dragen en dat open source die regels voor kleine en heterogene groepen doorbreekt door samenwerking en vooruitgang zonder barrières mogelijk te maken.

De SlicerHeart-hulpmiddelen zijn kosteloos beschikbaar voor anderen om te gebruiken en uit te breiden, en onderzoekers van Stanford en Boston Children’s Hospital dragen naast CHOP aanvullende hulpmiddelen bij. Er wordt nu een nationaal consortium van kinderziekenhuizen gevormd om een gedeelde modelinfrastructuur van de volgende generatie te bouwen, waarbij opensourcehulpmiddelen het werk van de deelnemende instellingen met elkaar verbinden. Volgens NVIDIA geven de investering en samenwerking rond open platforms, waaronder MONAI voor AI in medische beeldvorming, Newton voor fysische simulaties en OpenUSD voor 3D-interoperabiliteit en virtuele werkelijkheid, een laboratorium in een kinderziekenhuis toegang tot hulpmiddelen waarvoor anders een technisch team van bedrijfsomvang nodig zou zijn om ze te bouwen en te onderhouden.