CHOP 使用开源 NVIDIA AI 工具对儿童心脏进行建模

费城儿童医院（CHOP）正在运行一项基于 MONAI 的心脏建模服务，后者是由 NVIDIA 共同创立的开源医学影像框架，可将儿童护理团队已有的 CT 扫描、MRI 和 3D 超声图像转化为解剖精确的心脏模型，NVIDIA 于2026年9月15日报告称。NVIDIA 表示，该服务能够在几秒钟内生成每个模型，取代了过去需要熟练研究人员约四小时才能完成的工作流程，使模型速度足以用于常规临床使用。

据 NVIDIA 统计，约 1% 的活产婴儿存在先天性心脏缺陷，且每例都不相同。出生时心脏下腔室之间有孔洞，或单一泵血腔室的瓣膜泄漏的儿童，需要与其精确解剖结构相匹配的护理，而外科医生常用的器械历来几乎从未针对特定儿童进行设计。

“你面对的是独一无二的孩子，却只能使用现成的器械，”费城儿童医院的心脏病学家兼研究员 Matthew Jolley 博士在 NVIDIA 的博客文章 中说道。 “我们的任务是找到合适的方案——建模让我们在任何人进入导管实验室或手术室之前就能做到这一点。”

NVIDIA 报道，这一方法正在推广。心脏建模项目目前已在美国超过 20 家儿童医院运行。波士顿儿童医院的建模支持超过一半的心脏手术，约每年 500 例，CHOP 预计在 2026 年实现约 200 例建模案例。工作最初在心脏护理领域开展，CHOP 现计划通过 IDEA Lab 将相同工具应用于多个学科，该实验室是医院 Morgan 研究与创新中心的一部分。CHOP 研究所将 IDEA Lab（全称 Innovate、Design、Engineer、Accelerate）描述为 Morgan 中心的核心，提供校园内的生物制造资源，由 Elizabeth Silvestro 博士领导。

从 SlicerHeart 到标准护理

Jolley 于 2015 年加入 CHOP，当时 3D 超声心动图刚刚上线。根据 NVIDIA 的说法，虽然已有用于建模成人瓣膜的工具，但几乎没有针对他所治疗的复杂且体积小的解剖结构的工具。Jolley 的实验室与开源社区共同开发了 SlicerHeart，这是一款基于开源 3D Slicer 软件的扩展，用于可视化、分割和分析 3D 医学影像，团队还制定了从多种成像模式对儿科心脏和瓣膜进行建模的工作流程。

多年来，生成单个模型需要熟练的研究助理在工作站前花费数小时。通过使用 MONAI Label 和 NVIDIA 的 Auto3DSeg 实现，Jolley 的团队在先前的图像与模型对上训练分割网络，NVIDIA 报告称其输出在几秒钟内即可达到训练有素的人类所能达到的相同质量标准，而非数小时。Jolley 表示，机器学习已成为实验室的常规手段：团队只要完成 10 到 20 对图像‑模型配对，就会训练模型并开始应用。

MONAI 官方项目站点描述了一个基于 PyTorch、由社区主导的医学影像 AI 生态系统：MONAI Label 提供可接入 3D Slicer 的主动学习标注，MONAI Core 提供训练与研究库，MONAI Deploy 将训练好的模型打包用于临床推理流水线，Auto3DSeg 则是其参考实现之一。该框架由 NVIDIA、NIH、伦敦国王学院、梅奥诊所、MSKCC、斯坦福大学、DKFZ 以及其他 30 多家机构的研究人员和工程师维护，并在 Apache 2.0 许可证下发布。

据 NVIDIA 称，临床影响很快显现。对于复杂的室间隔缺损（心脏下腔室之间的孔洞），CHOP 现在在手术前常规进行建模。在一起早期案例中，一名儿童已经历两次修复失败，外科医生使用传统方法无法定位缺损；3D 模型阐明了解剖结构，修复在首次尝试即成功。Jolley 表示，对于此类病例，心脏建模已从研究阶段转向标准护理。

手术前的器械模拟

对 Jolley 的团队而言，目标不仅限于可视化：他们希望在任何手术开始前预测器械在儿童心脏内部署时的表现。该工作运行在 Newton 上，Newton 是基于 NVIDIA Warp Python 框架构建的开源物理引擎，可在 GPU 上进行物理仿真，最初旨在用于基于仿真的 AI 机器人训练。

CHOP 正在与 NVIDIA 以及开源社区合作，利用 Warp 构建面向生物力学的仿真框架，并将其引入 Newton。框架一旦与 3D Slicer 和 SlicerHeart 集成，旨在帮助医生了解决定器械在特定患者体内部署方式的组织材料属性。NVIDIA 报告称，GPU 加速可将心脏器械仿真所需时间从最长四小时，或多配置的整夜运行，缩短至接近实时，实际足以让临床医生在同一天内比较不同器械与儿童解剖结构的匹配程度，从而做出决策。

CHOP 已开始在用于封闭儿童心脏孔洞的闭合装置上实现基于 Warp 和 Newton 构建的功能，并希望将类似方法应用于经导管瓣膜的模拟。Warp 和 Newton 的开源架构正与 SlicerHeart 进行连接，长期目标是将实时模拟引入临床工作流程。一个使用 SlicerHeart 和 NVIDIA Omniverse 数字孪生、由 OpenUSD 驱动的耦合器也在开发中：从患者影像构建的模拟将流入嵌入视觉语言模型的虚拟现实环境，使临床医生能够在实际操作前查询并交互儿童的心脏解剖结构。

开源经济学与国家联盟

美国约有 240 万人患有先天性心脏病，NVIDIA 将这一人群描述为历史上过于稀少且过于多样，难以吸引传统器械公司在家庭所需规模上进行投资。Jolley 表示，这一人群规模过小，无法通过常规经济模式支持传统商业开发，而开源通过允许协作和进步而不设障碍，突破了针对小而异质人群的传统经济限制。

SlicerHeart 工具免费供他人使用和扩展，斯坦福大学和波士顿儿童医院的研究人员也在 CHOP 的协作下贡献了额外工具。一个由儿童医院组成的国家联盟正在形成，旨在构建下一代共享建模基础设施，利用开源工具将参与机构的工作链接起来。NVIDIA 表示，其在包括 MONAI（医学影像 AI）、Newton（物理模拟）和 OpenUSD（3D 互操作性与虚拟现实）在内的开放平台上的投资与合作，使儿童医院实验室能够获得本来需要公司规模工程团队才能构建和维护的工具。