Children’s Hospital of Philadelphia(CHOP)는 선천성 심장 결함이 있는 소아의 정확한 3차원 심장 모델을 구축하기 위해 오픈 소스 인공지능 도구를 사용하고 있다. 이는 시술 계획을 개선하고 일반적인 크기에 맞춰 설계된 기기에 대한 의존을 줄이는 것을 목표로 한다. NVIDIA 블로그에 게재된 자료에 따르면, 이 시스템은 수초 만에 모델을 생성할 수 있으며, 이전에는 전문 연구원이 수작업으로 약 4시간을 작업해야 했다.
이 서비스는 컴퓨터단층촬영, 자기공명영상, 3차원 초음파 영상 등 환자 진료 과정에서 이미 확보된 영상을 활용한다. CHOP는 의료 영상 인공지능을 위한 오픈 소스 프레임워크인 MONAI와 함께, 3차원 의료 영상의 시각화·분할·분석을 위해 설계된 3D Slicer용 확장 기능인 SlicerHeart를 사용한다.
연구에서 임상 사용으로
Matthew Jolley 심장 전문의 겸 연구원이 이끄는 팀은 2015년 CHOP에 합류한 뒤 소아 심장 모델링 파이프라인을 개발하기 시작했다. NVIDIA의 MONAI Label과 Auto3DSeg 구현을 사용해 기존 영상과 모델의 쌍을 기반으로 자동 분할 네트워크를 훈련했다. 팀은 그 결과물이 숙련된 전문가가 생성하는 것과 동일한 품질 기준을 충족하면서도 훨씬 짧은 시간에 산출된다고 말한다.
병원은 심실중격결손 등 일부 복잡한 수술에 앞서 이러한 모델을 정기적으로 사용한다. 심실중격결손은 심장 아래쪽 두 방 사이에 구멍이 생기는 질환이다. 자료는 한 소아 환자가 두 차례의 결손 복구 시술에 실패한 뒤, 3차원 모델이 외과의들이 결손의 위치를 파악하고 첫 번째 시도에서 복구를 완료하도록 도운 사례를 소개한다. 또한 이 모델을 통해 서로 다른 두 개의 인공 판막이 환자의 심장에 얼마나 잘 맞는지 비교하고 심장벽에 미치는 영향을 추정할 수 있다.
이 기술은 CHOP에만 국한되지 않는다. 자료에 따르면 미국 내 20곳이 넘는 소아병원이 심장 모델링 프로그램을 운영하고 있다. Boston Children’s Hospital에서는 이 접근법이 심장 수술의 절반 이상, 연간 약 500건을 지원하며, CHOP는 해당 연도에 약 200건의 모델링 사례에 도달할 것으로 예상한다.
심장의 형태에서 기기의 동작으로
팀은 현재 특정 심장에 기기를 삽입했을 때 어떤 일이 일어날 수 있는지 시험하기 위한 물리 시뮬레이션을 추가하고 있다. 이 과정은 Python으로 구현되고 그래픽처리장치를 사용하는 NVIDIA Warp 프레임워크 기반의 오픈 소스 물리 엔진인 Newton에 의존한다. 이러한 도구를 SlicerHeart와 연결해 조직의 특성과 환자의 심장 내부에서 결손 폐쇄 기기가 전개되는 방식을 추정하고 있다.
자료에 따르면 최대 4시간, 여러 설정을 시험할 경우 하룻밤이 걸릴 수도 있는 시뮬레이션이 GPU 가속을 통해 실시간에 가까운 속도로 실행될 수 있다. 실질적인 목표는 단순히 고정된 해부학적 형태를 보여주는 데 그치지 않고, 의사가 당일 결정을 내리는 데 필요한 시간 안에 여러 기기를 비교할 수 있도록 하는 것이다.
이 소식이 중요한 이유
이 발전의 중요성은 환자 영상 데이터와 확장 가능한 오픈 소스 도구를 결합한다는 데 있다. 특히 희귀하고 다양한 사례가 많은 분야에서는 전통적인 상업적 투자가 항상 유입되는 것은 아니다. CHOP는 Stanford와 Boston Children’s의 연구자들과 협력하고 있으며, 모델링을 위한 공동 인프라를 구축하기 위해 소아병원 전국 연합을 결성하고 있다고 밝혔다.
그러나 발표된 속도가 시뮬레이션이 독립적으로 의료 결정을 대체하게 되었다는 뜻은 아니다. 자료는 이러한 도구가 임상 업무 흐름에 통합되는 단계에 있다고 설명하며, 카테터를 통한 판막 시뮬레이션과 가상 환경 등 일부 응용 분야는 여전히 개발 중이다. 또한 언급된 결과는 NVIDIA가 게재한 자료에 제시된 것이므로, 이를 표준화된 진료 기준으로 간주하기 전에 일반화 가능성과 독립적인 임상 검증을 추가로 확인해야 한다.