CHOP สร้างแบบจำลองหัวใจเด็กด้วยเครื่องมือ AI โอเพนซอร์สของ NVIDIA

Children’s Hospital of Philadelphia (CHOP) กำลังให้บริการสร้างแบบจำลองหัวใจที่พัฒนาบน MONAI ซึ่งเป็นเฟรมเวิร์กโอเพนซอร์สสำหรับการสร้างภาพทางการแพทย์ที่ NVIDIA ร่วมก่อตั้ง บริการนี้เปลี่ยนภาพสแกน CT ภาพ MRI และภาพอัลตราซาวนด์ 3 มิติที่ทีมดูแลเด็กมีอยู่แล้วให้เป็นแบบจำลองหัวใจที่แม่นยำตามกายวิภาค NVIDIA รายงานเมื่อวันที่ 15 กันยายน 2026 ว่าบริการดังกล่าวสร้างแบบจำลองแต่ละชิ้นได้ภายในไม่กี่วินาที แทนกระบวนการที่เคยต้องใช้เวลาของนักวิจัยผู้เชี่ยวชาญประมาณสี่ชั่วโมง ทำให้แบบจำลองรวดเร็วเพียงพอสำหรับการใช้งานทางคลินิกเป็นประจำ

ตามข้อมูลของ NVIDIA ทารกเกิดมีชีพประมาณ 1% มีความผิดปกติของหัวใจแต่กำเนิด และไม่มีสองกรณีใดเหมือนกัน เด็กที่เกิดมาพร้อมรูระหว่างห้องล่างของหัวใจ หรือมีลิ้นหัวใจรั่วในห้องสูบฉีดเพียงห้องเดียวที่ช่วยให้เด็กมีชีวิตอยู่ ต้องได้รับการดูแลที่ตรงกับกายวิภาคนั้นอย่างแม่นยำ ขณะที่อุปกรณ์ที่ศัลยแพทย์ใช้แทบไม่เคยถูกออกแบบโดยคำนึงถึงเด็กคนนั้นโดยเฉพาะ

“เรามีเด็กที่ไม่เหมือนใครกับอุปกรณ์สำเร็จรูป” Dr. Matthew Jolley แพทย์โรคหัวใจและนักวิจัยแห่ง Children’s Hospital of Philadelphia กล่าวใน บทความบล็อกของ NVIDIA “หน้าที่ของเราคือค้นหาว่าอะไรเหมาะสม และการสร้างแบบจำลองช่วยให้เราทำเช่นนั้นได้ก่อนที่จะมีใครเข้าไปในห้องตรวจสวนหัวใจหรือห้องผ่าตัด”

NVIDIA ระบุว่าแนวทางนี้กำลังขยายตัว ปัจจุบันมีโครงการสร้างแบบจำลองหัวใจในโรงพยาบาลเด็กมากกว่า 20 แห่งทั่วสหรัฐอเมริกา ที่ Boston Children’s Hospital การสร้างแบบจำลองสนับสนุนการผ่าตัดหัวใจมากกว่าครึ่งหนึ่งทั้งหมด หรือประมาณ 500 กรณีต่อปี และ CHOP คาดว่าจะมีกรณีที่สร้างแบบจำลองประมาณ 200 กรณีในปี 2026 งานนี้เริ่มจากการดูแลหัวใจ แต่ขณะนี้ CHOP มีเป้าหมายจะนำเครื่องมือเดียวกันไปใช้ในหลายสาขาผ่าน IDEA Lab ซึ่งเป็นส่วนหนึ่งของ Morgan Center for Research and Innovation ของโรงพยาบาล Research Institute ของ CHOP อธิบายว่า IDEA Lab ซึ่งย่อมาจาก Innovate, Design, Engineer, and Accelerate เป็นศูนย์กลางสำคัญของ Morgan Center ที่มีทรัพยากรด้านการผลิตทางชีวภาพภายในพื้นที่โรงพยาบาล ภายใต้การนำของ Elizabeth Silvestro, PhD

จาก SlicerHeart สู่มาตรฐานการดูแล

Jolley เข้าร่วม CHOP ในปี 2015 ซึ่งเป็นช่วงที่การตรวจหัวใจด้วยคลื่นเสียงสะท้อนแบบ 3 มิติเพิ่งเริ่มนำมาใช้งาน มีเครื่องมือสำหรับสร้างแบบจำลองลิ้นหัวใจของผู้ใหญ่ แต่แทบไม่มีสิ่งใดถูกพัฒนาขึ้นสำหรับกายวิภาคที่ซับซ้อนและมีขนาดเล็กที่เขารักษา ตามข้อมูลของ NVIDIA ห้องปฏิบัติการของ Jolley และชุมชนโอเพนซอร์สร่วมกันสร้าง SlicerHeart ซึ่งเป็นส่วนขยายของซอฟต์แวร์โอเพนซอร์ส 3D Slicer ที่ใช้แสดงภาพ แบ่งส่วน และวิเคราะห์ภาพทางการแพทย์ 3 มิติ ทีมยังพัฒนาขั้นตอนการทำงานเพื่อสร้างแบบจำลองหัวใจและลิ้นหัวใจของเด็กจากวิธีการสร้างภาพหลายประเภท

เป็นเวลาหลายปีที่การสร้างแบบจำลองเพียงชิ้นเดียวต้องให้นักวิจัยผู้ช่วยที่มีทักษะใช้เวลาหลายชั่วโมงกับเวิร์กสเตชัน ทีมของ Jolley ใช้ MONAI Label และการใช้งาน Auto3DSeg ของ NVIDIA เพื่อฝึกเครือข่ายแบ่งส่วนด้วยคู่ภาพและแบบจำลองที่มีอยู่ก่อน NVIDIA รายงานว่าผลลัพธ์ที่ได้ภายในไม่กี่วินาทีแทนที่จะเป็นหลายชั่วโมงมีมาตรฐานคุณภาพเทียบเท่ากับผลงานของบุคลากรที่ผ่านการฝึกอบรม Jolley กล่าวว่าแมชชีนเลิร์นนิงกลายเป็นงานประจำของห้องปฏิบัติการแล้ว ทันทีที่ทีมสร้างคู่ภาพและแบบจำลองได้ 10 หรือ 20 คู่ ทีมก็จะฝึกโมเดลและเริ่มนำไปใช้

เว็บไซต์โครงการของ MONAI อธิบายระบบนิเวศสำหรับ AI ด้านภาพทางการแพทย์ที่พัฒนาบน PyTorch และขับเคลื่อนโดยชุมชนไว้ดังนี้ MONAI Label มีระบบใส่คำอธิบายกำกับด้วยการเรียนรู้เชิงรุกที่เชื่อมต่อกับ 3D Slicer ได้ MONAI Core มีไลบรารีสำหรับการฝึกและการวิจัย และ MONAI Deploy บรรจุโมเดลที่ฝึกแล้วสำหรับกระบวนการอนุมานทางคลินิก โดยมี Auto3DSeg เป็นหนึ่งในการใช้งานอ้างอิง เฟรมเวิร์กนี้ได้รับการดูแลโดยนักวิจัยและวิศวกรจาก NVIDIA, NIH, King’s College London, Mayo Clinic, MSKCC, Stanford, DKFZ และสถาบันอื่นมากกว่า 30 แห่ง และเผยแพร่ภายใต้สัญญาอนุญาต Apache 2.0

NVIDIA ระบุว่าผลลัพธ์ทางคลินิกปรากฏขึ้นอย่างรวดเร็ว สำหรับภาวะผนังกั้นหัวใจห้องล่างรั่วที่ซับซ้อน ซึ่งเป็นรูระหว่างห้องล่างของหัวใจ ปัจจุบัน CHOP สร้างแบบจำลองก่อนการผ่าตัดเป็นกิจวัตร ในกรณีแรก ๆ กรณีหนึ่ง เด็กเคยผ่านความพยายามซ่อมแซมที่ล้มเหลวมาแล้วสองครั้ง เนื่องจากศัลยแพทย์ไม่สามารถระบุตำแหน่งความผิดปกติด้วยวิธีดั้งเดิม แบบจำลอง 3 มิติช่วยให้เห็นกายวิภาคชัดเจนขึ้น และการซ่อมแซมสำเร็จในการลองครั้งแรก สำหรับกรณีเช่นนี้ Jolley กล่าวว่า การสร้างแบบจำลองหัวใจได้เปลี่ยนจากงานวิจัยมาเป็นมาตรฐานการดูแลแล้ว

จำลองอุปกรณ์ก่อนการผ่าตัด

สำหรับทีมของ Jolley เป้าหมายไปไกลกว่าการแสดงภาพ ทีมต้องการคาดการณ์ว่าจะเกิดอะไรขึ้นเมื่อมีการติดตั้งอุปกรณ์ภายในหัวใจของเด็กก่อนเริ่มกระบวนการใด ๆ งานนี้ทำงานบน Newton ซึ่งเป็นเอนจินฟิสิกส์โอเพนซอร์สที่พัฒนาบนเฟรมเวิร์ก Python ของ NVIDIA Warp สามารถเรียกใช้การจำลองฟิสิกส์บน GPU และเดิมออกแบบมาสำหรับการฝึกหุ่นยนต์ AI โดยใช้การจำลอง

CHOP กำลังทำงานร่วมกับ NVIDIA และชุมชนโอเพนซอร์สเพื่อสร้างเฟรมเวิร์กการจำลองที่เน้นชีวกลศาสตร์ด้วย Warp ซึ่งสามารถนำเข้าไปใช้ใน Newton ได้ เมื่อผสานรวมกับ 3D Slicer และ SlicerHeart แล้ว เฟรมเวิร์กเหล่านี้มีจุดมุ่งหมายเพื่อช่วยให้แพทย์เข้าใจคุณสมบัติทางวัสดุของเนื้อเยื่อที่กำหนดว่าอุปกรณ์จะกางออกอย่างไรในผู้ป่วยแต่ละราย NVIDIA รายงานว่าการเร่งความเร็วด้วย GPU สามารถลดเวลาจำลองอุปกรณ์หัวใจจากสูงสุดสี่ชั่วโมง หรือใช้เวลาทั้งคืนสำหรับการกำหนดค่าหลายแบบ ให้เหลือใกล้เคียงเวลาจริง ในทางปฏิบัติ ความเร็วนี้เพียงพอให้แพทย์เปรียบเทียบว่าอุปกรณ์ต่าง ๆ เหมาะกับกายวิภาคของเด็กอย่างไร และใช้ประกอบการตัดสินใจภายในวันเดียวกัน

CHOP เริ่มใช้คุณสมบัติที่พัฒนาบน Warp และ Newton สำหรับอุปกรณ์ปิดรูที่ใช้ปิดช่องโหว่ในหัวใจเด็ก และหวังว่าจะนำวิธีการคล้ายกันไปใช้กับการจำลองลิ้นหัวใจผ่านสายสวน สถาปัตยกรรมโอเพนซอร์สของ Warp และ Newton กำลังเชื่อมต่อกับ SlicerHeart โดยมีเป้าหมายระยะยาวในการนำการจำลองแบบเรียลไทม์เข้าสู่ขั้นตอนการทำงานทางคลินิก นอกจากนี้ยังอยู่ระหว่างการพัฒนาตัวเชื่อมที่ใช้ SlicerHeart กับดิจิทัลทวินของ NVIDIA Omniverse ซึ่งขับเคลื่อนด้วย OpenUSD โดยการจำลองที่สร้างจากภาพผู้ป่วยจะไหลเข้าสู่สภาพแวดล้อมความเป็นจริงเสมือนที่มีโมเดลภาพและภาษาอยู่ภายใน ทำให้แพทย์สามารถสอบถามและโต้ตอบกับกายวิภาคหัวใจของเด็กก่อนลงมือรักษา

เศรษฐศาสตร์โอเพนซอร์สและกลุ่มความร่วมมือระดับชาติ

ผู้คนประมาณ 2.4 ล้านคนในสหรัฐอเมริกาใช้ชีวิตอยู่กับโรคหัวใจแต่กำเนิด และ NVIDIA อธิบายว่ากลุ่มประชากรนี้ในอดีตมีจำนวนน้อยและมีความหลากหลายมากเกินกว่าจะดึงดูดการลงทุนแบบดั้งเดิมจากบริษัทอุปกรณ์ในระดับที่ครอบครัวต้องการ Jolley กล่าวว่ากลุ่มประชากรนี้เล็กเกินไปที่จะรองรับการพัฒนาเชิงพาณิชย์แบบดั้งเดิมตามหลักเศรษฐศาสตร์ทั่วไป และโอเพนซอร์สช่วยท้าทายข้อจำกัดเหล่านั้นสำหรับประชากรขนาดเล็กและหลากหลาย โดยเปิดให้เกิดความร่วมมือและความก้าวหน้าโดยไม่มีสิ่งกีดขวาง

เครื่องมือ SlicerHeart เปิดให้ผู้อื่นใช้และพัฒนาต่อได้โดยไม่มีค่าใช้จ่าย และนักวิจัยจาก Stanford กับ Boston Children’s Hospital ยังร่วมเพิ่มเครื่องมืออื่นเคียงข้าง CHOP ขณะนี้กำลังมีการจัดตั้งกลุ่มความร่วมมือระดับชาติของโรงพยาบาลเด็กเพื่อสร้างโครงสร้างพื้นฐานการสร้างแบบจำลองร่วมกันรุ่นถัดไป โดยใช้เครื่องมือโอเพนซอร์สเชื่อมโยงงานของสถาบันที่เข้าร่วม NVIDIA ระบุว่าการลงทุนและความร่วมมือบนแพลตฟอร์มเปิด รวมถึง MONAI สำหรับ AI ด้านภาพทางการแพทย์ Newton สำหรับการจำลองฟิสิกส์ และ OpenUSD สำหรับการทำงานร่วมกันของระบบ 3 มิติและความเป็นจริงเสมือน ทำให้ห้องปฏิบัติการของโรงพยาบาลเด็กเข้าถึงเครื่องมือที่หากไม่มีสิ่งเหล่านี้จะต้องใช้ทีมวิศวกรรมขนาดเท่าบริษัทเพื่อสร้างและดูแลรักษา