費城兒童醫院(CHOP)正運用由NVIDIA共同開發的開源醫學影像AI框架「MONAI」，為患有先天性心臟病的兒童在數秒內建立精細的心臟立體模型[1]。這項過去需要資深研究人員耗費約4小時才能完成的工作，如今已快到足以應用於日常臨床，目前這套做法已推廣至全美20多家兒童醫院[1]。
從研究計畫走向標準治療，歷時十年
心臟科醫師Matthew Jolley於2015年加入CHOP時，市面上雖已有針對成人心臟瓣膜的建模工具，卻幾乎沒有能處理兒童複雜且細小解剖構造的工具[1]。為此，他所帶領的團隊與開源社群合作，以用於三維醫學影像視覺化與分割的開源軟體「3D Slicer」為基礎，開發出延伸工具「SlicerHeart」[1]。
CHOP的心臟建模服務目前以NVIDIA參與共同創立的開源醫學影像AI框架「MONAI」為基礎[1][2]。系統可運用患童照護團隊既有的CT、MRI及3D心臟超音波影像資料，在數秒內產出解剖結構精確的心臟模型[1]。團隊透過「MONAI Label」與NVIDIA的「Auto3DSeg」訓練分割模型，將原本需要4小時的作業壓縮至僅需數秒[1]。
先天性心臟病約影響全部新生兒的1%，且幾乎沒有完全相同的病例[1]。曾有一名患童先前經歷兩次修復手術失敗，經由3D模型釐清解剖結構後，第三次手術終於成功[1]。
Newton物理引擎打造近乎即時的器材適配模擬
除了視覺化呈現之外，團隊的另一項目標，是在實際手術前就掌握器材植入體內後的行為表現[1]。為此，團隊採用以NVIDIA「Warp」框架建構而成的開源物理引擎「Newton」[1][3]。借助GPU加速，原本最長需要4小時、若比較多種方案甚至得運算一整晚的器材模擬，如今已縮短至近乎即時的程度[1]。這代表臨床醫師能比較不同器材與患童特定解剖構造的適配程度，並在當天就做出治療決策[1]。
CHOP已開始將Warp與Newton應用於封堵兒童心臟孔洞的封堵裝置模擬，未來還計畫將此方法延伸至經導管瓣膜的模擬[1]。團隊同時也在開發將SlicerHeart與以OpenUSD建構的NVIDIA Omniverse數位分身相互串接的方案，目標是未來結合視覺語言模型(VLM)，讓臨床醫師能在虛擬實境環境中直覺地操作並檢視患童的心臟解剖結構[1]。
開源模式，為規模小又多樣的病患族群另闢蹊徑
美國約有240萬人罹患先天性心臟病，但由於病患族群規模小、病例又相當多樣，這個領域向來難以吸引傳統醫療器材廠商的投資[1]。Jolley表示：「開源模式讓協作與進展得以突破一般經濟規律的限制，嘉惠規模小且高度異質化的族群」[1]。
目前，SlicerHeart的相關技術已在全美20多家兒童醫院採用[1]。在波士頓兒童醫院，建模技術已支援超過一半的心臟手術，每年約500例；CHOP預計今年可完成約200例建模[1]。史丹佛大學與波士頓兒童醫院的研究人員也加入了工具開發行列，一個旨在建構下一代共享建模基礎設施的全美聯盟正在籌組當中[1]。
總結
CHOP的實踐顯示，NVIDIA參與開發的MONAI、Newton與OpenUSD等開源平台，正為規模小又高度多樣化的病患族群，帶來任何單一企業都難以獨力達成的醫療突破[1]。曾停留在研究階段的心臟建模技術，如今已在多家主要兒童醫院成為標準治療流程的一環，未來在導管介入治療與VR輔助診療上的應用同樣值得期待[1]。
來源：https://blogs.nvidia.com/blog/childrens-hospital-open-source-ai-cardiac-care/
