Children’s Hospital of Philadelphia（CHOP）利用开源人工智能工具，为患有先天性缺陷的儿童构建精确的心脏三维模型，旨在改善手术规划，并减少对按照通用尺寸设计的器械的依赖。根据NVIDIA博客上发布的文章，该系统可在数秒内生成模型，而此前这一过程需要专业研究人员进行约四小时的手工操作。
该服务依托患者护理过程中原本就已获取的影像，例如计算机断层扫描、磁共振成像和三维超声成像。CHOP使用开源的MONAI医学影像人工智能框架，以及SlicerHeart；后者是面向三维医学影像显示、分割和分析的3D Slicer扩展。
从研究走向临床应用
由心脏病学家兼研究人员Matthew Jolley带领的团队，在他于2015年加入CHOP后，开始开发儿童心脏建模流程。团队利用MONAI Label和NVIDIA的Auto3DSeg实现，在成对的影像和既有模型基础上训练自动分割网络。团队表示，该成果达到了受过培训的专业人员所生成结果的同等质量标准，但所需时间大幅缩短。
医院目前会在部分复杂手术前常规使用这些模型，其中包括室间隔缺损病例，即心脏两个下腔之间存在孔洞的情况。文章提到，一名儿童曾接受两次失败的修复尝试，之后三维模型帮助外科医生确定缺损位置，并在第一次尝试中完成修复。该模型还可以比较两种不同人工瓣膜对患者心脏的适配性，并估计其对心脏壁的影响。
这项应用并不局限于CHOP；文章指出，美国有20多家儿童医院正在运行心脏建模项目。在Boston Children’s Hospital，这种方法支持超过一半的心脏手术，每年约500例；而CHOP预计在所述年份内完成约200例建模。
从心脏形态到器械行为
团队目前正在加入物理模拟，用于测试将器械置入特定心脏后可能发生的情况。该流程依托Newton——一个基于NVIDIA Warp框架、使用Python编写并利用图形处理器的开源物理引擎。团队正在将这些工具与SlicerHeart连接，以估算组织特性，以及封堵器械在患者心脏内的展开方式。
文章称，原本可能需要最多四小时、在测试多种设置时甚至需要一整夜的模拟，借助GPU加速后可以接近实时运行。实际目标是让医生能够在当天做出决定所需的时间内比较不同器械，而不是只能查看静态的解剖形态。
为什么这条新闻值得关注？
这项发展的重要性在于，它将患者影像数据与可扩展的开源工具结合起来，尤其是在一个包含大量罕见且多样病例的领域，而这些病例并不总能吸引传统商业投资。CHOP表示，Stanford和Boston Children’s的研究人员参与了合作，并且正在组建一个由儿童医院组成的全国性联盟，以建设共享的建模基础设施。
不过，所宣称的速度并不意味着模拟已经成为独立于医疗决策的替代方案；文章将这些工具描述为正在融入临床工作流程的工具，而一些应用，例如经导管瓣膜模拟和虚拟环境，仍处于开发阶段。此外，所述结果来自NVIDIA发布的文章，因此，在将其视为统一的护理标准之前，还需要继续评估其可推广性并进行独立的临床验证。