费城儿童医院(CHOP)正在使用由NVIDIA联合开发的开源医学影像AI框架「MONAI」，为患有先天性心脏病的儿童在数秒内生成精细的心脏三维模型[1]。这项过去需要资深研究人员耗时约4小时才能完成的工作，如今已经快到可以用于日常临床，该方法目前已推广至美国20多家儿童医院[1]。
从科研项目到标准诊疗，历时十年
心脏病专家Matthew Jolley于2015年加入CHOP时，市面上虽有面向成人心脏瓣膜的建模工具，却几乎没有能够处理儿童复杂微小解剖结构的工具[1]。为此，他所在的团队与开源社区合作，基于用于三维医学影像可视化与分割的开源软件「3D Slicer」，开发出了扩展工具「SlicerHeart」[1]。
CHOP的心脏建模服务目前基于NVIDIA参与共同创建的开源医学影像AI框架「MONAI」[1][2]。该系统利用患儿护理团队已有的CT、MRI及三维超声影像数据，可在数秒内生成解剖结构精确的心脏模型[1]。通过使用「MONAI Label」与NVIDIA的「Auto3DSeg」训练分割模型，团队将原本需要4小时的工作压缩到了数秒之内[1]。
先天性心脏病约影响全部新生儿的1%，且几乎没有完全相同的病例[1]。曾有一名患儿此前经历过两次修复手术失败，三维模型最终明确了其解剖结构，使得第三次手术得以成功[1]。
Newton物理引擎实现近实时的器械适配模拟
除了可视化之外，团队的另一个目标是在实际操作前掌握器械植入体内后的行为表现[1]。为此，团队引入了基于NVIDIA「Warp」框架构建的开源物理引擎「Newton」[1][3]。借助GPU加速，原本需要长达4小时、若比较多种方案甚至要运行一整夜的器械模拟，如今已被压缩至接近实时的水平[1]。这意味着临床医生可以比较不同器械与患儿具体解剖结构的适配程度，并在当天就做出治疗决策[1]。
CHOP已开始将Warp与Newton应用于用来封堵儿童心脏孔洞的封堵器模拟，未来还计划将该方法拓展至经导管瓣膜的模拟[1]。团队同时在开发将SlicerHeart与基于OpenUSD构建的NVIDIA Omniverse数字孪生相结合的方案，目标是未来结合视觉语言模型(VLM)，让临床医生能够在虚拟现实环境中直观地操作和研究患儿的心脏解剖结构[1]。
开源模式，为小众而多样的患者群体另辟蹊径
美国约有240万人患有先天性心脏病，但由于患者群体规模小且病例多样，这一领域历来难以吸引传统医疗器械企业的投资[1]。Jolley表示：「开源模式能够让协作与进步突破常规的经济规律限制，惠及规模小且高度异质化的患者群体」[1]。
目前，SlicerHeart的相关技术已在全美20多家儿童医院投入使用[1]。在波士顿儿童医院，建模技术已支持超过一半的心脏手术，每年约500例；CHOP预计今年将完成约200例建模[1]。斯坦福大学与波士顿儿童医院的研究人员也加入了工具开发工作，一个旨在构建下一代共享建模基础设施的全美联盟正在筹建之中[1]。
总结
CHOP的实践表明，NVIDIA参与开发的MONAI、Newton与OpenUSD等开源平台，正在为规模小且高度多样化的患者群体带来任何单一企业都难以独立实现的医疗突破[1]。曾经停留在科研阶段的心脏建模技术，如今已在多家主要儿童医院成为标准诊疗流程的一部分，未来在导管介入治疗与VR辅助诊疗方面的应用同样值得期待[1]。
来源：https://blogs.nvidia.com/blog/childrens-hospital-open-source-ai-cardiac-care/
