CHOP modeluje dziecięce serca za pomocą otwartych narzędzi AI NVIDIA

Children’s Hospital of Philadelphia (CHOP) korzysta z usługi modelowania serca zbudowanej na platformie MONAI, czyli współtworzonym przez NVIDIA frameworku open source do obrazowania medycznego. Usługa przekształca posiadane już przez zespół opiekujący się dzieckiem obrazy z tomografii komputerowej, rezonansu magnetycznego i ultrasonografii 3D w anatomicznie precyzyjne modele serca, poinformowała NVIDIA 15 września 2026 roku. Według NVIDIA każdy model powstaje w kilka sekund, zastępując proces, który wcześniej zajmował wykwalifikowanemu badaczowi około czterech godzin, dzięki czemu modele można wykorzystywać w rutynowej praktyce klinicznej.

Według relacji NVIDIA wrodzona wada serca występuje u około 1% żywo urodzonych dzieci, a żadne dwa przypadki nie są takie same. Dziecko urodzone z otworem między dolnymi komorami serca albo z nieszczelną zastawką w jedynej komorze pompującej krew, która podtrzymuje jego życie, potrzebuje opieki dopasowanej do tej konkretnej anatomii. Tymczasem urządzenia używane przez chirurgów niemal nigdy nie były historycznie projektowane z myślą o tym jednym dziecku.

„Mamy wyjątkowe dziecko i urządzenie z półki”, powiedział dr Matthew Jolley, kardiolog i badacz z Children’s Hospital of Philadelphia, w wpisie na blogu NVIDIA. „Naszym zadaniem jest znaleźć to, co pasuje, a modelowanie pozwala nam zrobić to, zanim ktokolwiek wejdzie do pracowni cewnikowania albo na salę operacyjną.”

Według NVIDIA podejście to się upowszechnia. Programy modelowania serca działają obecnie w ponad 20 szpitalach dziecięcych w Stanach Zjednoczonych. W Boston Children’s Hospital modelowanie wspiera ponad połowę wszystkich operacji serca, czyli około 500 przypadków rocznie, a CHOP spodziewa się osiągnąć około 200 modelowanych przypadków w 2026 roku. Choć prace rozpoczęły się w kardiologii, CHOP chce teraz stosować te same narzędzia w wielu dziedzinach za pośrednictwem IDEA Lab, które jest częścią szpitalnego Morgan Center for Research and Innovation. Research Institute przy CHOP opisał IDEA Lab, skrót od Innovate, Design, Engineer, and Accelerate, jako centralny element Morgan Center, oferujący pod kierownictwem Elizabeth Silvestro, PhD, zasoby do biofabrykacji na terenie placówki.

Od SlicerHeart do standardu opieki

Jolley dołączył do CHOP w 2015 roku, gdy echokardiografia 3D dopiero zaczynała być stosowana. Istniały narzędzia do modelowania zastawek u dorosłych, ale według NVIDIA niemal niczego nie zbudowano z myślą o złożonych, niewielkich strukturach anatomicznych, które leczył. Laboratorium Jolleya i społeczność open source stworzyły SlicerHeart, rozszerzenie otwartego oprogramowania 3D Slicer używanego do wizualizacji, segmentacji i analizy trójwymiarowych obrazów medycznych. Zespół opracował też procedury modelowania dziecięcych serc i zastawek na podstawie wielu technik obrazowania.

Przez lata przygotowanie jednego modelu wymagało od wykwalifikowanego asystenta badawczego wielu godzin pracy przy komputerze. Korzystając z MONAI Label i implementacji Auto3DSeg firmy NVIDIA, zespół Jolleya trenował sieci segmentacyjne na parach wcześniejszych obrazów i modeli. NVIDIA informuje, że wynik uzyskiwany w kilka sekund zamiast kilku godzin spełnia ten sam standard jakości, co praca przeszkolonego człowieka. Jolley twierdzi, że uczenie maszynowe stało się w laboratorium rutyną: gdy tylko zespół przygotuje 10 lub 20 par obrazu i modelu, trenuje model i zaczyna go stosować.

Witryna projektu MONAI opisuje oparty na PyTorch i rozwijany przez społeczność ekosystem sztucznej inteligencji do obrazowania medycznego: MONAI Label zapewnia adnotowanie z aktywnym uczeniem, które integruje się z 3D Slicer, MONAI Core dostarcza bibliotekę do trenowania i badań, a MONAI Deploy przygotowuje wytrenowane modele do klinicznych procesów wnioskowania, przy czym Auto3DSeg jest jedną z implementacji referencyjnych. Framework jest utrzymywany przez badaczy i inżynierów z NVIDIA, NIH, King’s College London, Mayo Clinic, MSKCC, Stanford, DKFZ oraz ponad 30 innych instytucji i rozpowszechniany na licencji Apache 2.0.

Według NVIDIA efekt kliniczny pojawił się szybko. W przypadku złożonych ubytków przegrody międzykomorowej, czyli otworów między dolnymi komorami serca, CHOP rutynowo wykonuje dziś modelowanie przed operacją. W jednym z pierwszych przypadków dziecko przeszło już dwie nieudane próby naprawy, ponieważ chirurdzy nie mogli zlokalizować wady tradycyjnymi metodami. Model 3D wyjaśnił anatomię, a naprawa powiodła się za pierwszym razem. W takich przypadkach, jak mówi Jolley, modelowanie serca przeszło z obszaru badań do standardu opieki.

Symulowanie urządzeń przed operacją

Dla zespołu Jolleya cel wykracza poza wizualizację: chce on przewidzieć, co stanie się po umieszczeniu urządzenia w sercu dziecka, zanim rozpocznie się zabieg. Prace te wykorzystują Newton, silnik fizyczny open source zbudowany na pythonowym frameworku NVIDIA Warp, który uruchamia symulacje fizyczne na procesorach GPU i pierwotnie był przeznaczony do opartego na symulacjach trenowania robotów ze sztuczną inteligencją.

CHOP współpracuje z NVIDIA i społecznością open source nad opartymi na Warp frameworkami symulacyjnymi skoncentrowanymi na biomechanice, które można włączyć do Newton. Po integracji z 3D Slicer i SlicerHeart mają one pomóc lekarzom zrozumieć właściwości materiałowe tkanek, decydujące o sposobie rozłożenia urządzenia u konkretnego pacjenta. NVIDIA informuje, że akceleracja GPU może skrócić czas potrzebny na symulację urządzenia kardiologicznego z nawet czterech godzin albo całej nocy przy wielu konfiguracjach do czasu zbliżonego do rzeczywistego. W praktyce jest to wystarczająco szybko, aby lekarz mógł porównać dopasowanie różnych urządzeń do anatomii dziecka i podjąć decyzję tego samego dnia.

CHOP rozpoczął wdrażanie funkcji opartych na Warp i Newton dla urządzeń zamykających używanych do uszczelniania otworów w sercach dzieci i ma nadzieję zastosować podobne metody do symulacji zastawek przezcewnikowych. Architektura open source Warp i Newton jest łączona z SlicerHeart, a długoterminowym celem jest wprowadzenie symulacji w czasie rzeczywistym do procesów klinicznych. Powstaje również moduł łączący SlicerHeart z cyfrowymi bliźniakami NVIDIA Omniverse opartymi na OpenUSD: symulacje utworzone z obrazów pacjentów trafiałyby do środowisk wirtualnej rzeczywistości z osadzonymi modelami wizyjno-językowymi, umożliwiając lekarzom zadawanie pytań dotyczących anatomii serca dziecka i interakcję z nią przed podjęciem działania.

Ekonomia open source i krajowe konsorcjum

Około 2,4 miliona osób w Stanach Zjednoczonych żyje z wrodzoną chorobą serca. NVIDIA opisuje tę grupę jako historycznie zbyt małą i zbyt zróżnicowaną, aby przyciągnąć tradycyjne inwestycje producentów urządzeń w skali potrzebnej rodzinom. Jolley mówi, że według zwykłych zasad ekonomii populacja jest zbyt mała, aby wspierać tradycyjny rozwój komercyjny, a open source przełamuje te ograniczenia w przypadku małych i niejednorodnych grup, umożliwiając współpracę i postęp bez barier.

Narzędzia SlicerHeart są dostępne bezpłatnie, aby inni mogli z nich korzystać i je rozwijać, a badacze ze Stanford i Boston Children’s Hospital wraz z CHOP wnoszą dodatkowe narzędzia. Powstaje krajowe konsorcjum szpitali dziecięcych, które ma zbudować współdzieloną infrastrukturę modelowania następnej generacji, z narzędziami open source łączącymi pracę uczestniczących instytucji. Według NVIDIA jej inwestycje i współpraca przy otwartych platformach, takich jak MONAI do sztucznej inteligencji w obrazowaniu medycznym, Newton do symulacji fizycznych oraz OpenUSD do interoperacyjności 3D i wirtualnej rzeczywistości, dają laboratorium szpitala dziecięcego dostęp do narzędzi, których stworzenie i utrzymanie wymagałoby w innym przypadku zespołu inżynierów wielkości działu dużej firmy.