心脏问题的核心：一家主要儿童医院如何利用开源NVIDIA AI进行心脏护理

# 问题核心：大型儿童医院如何运用开源NVIDIA AI技术实现心脏精准医疗 来源：https://blogs.nvidia.com/blog/childrens-hospital-open-source-ai-cardiac-care/ 您的浏览器不支持视频标签 *费城儿童医院正在利用开源AI工具，在数秒内构建儿童心脏三维模型——旨在为先天性心脏病患儿提供更安全、更精准的治疗* 约1%的活产婴儿存在先天性心脏缺陷——且每个病例都独一无二。 当儿童出生时心脏下腔室间存在孔洞，或维持生命的单个泵血腔室出现瓣膜泄漏时，需要完全匹配其独特解剖结构的治疗。历史上，外科医生使用的器械几乎从未针对特定患儿设计过。 "我们面对的是独一无二的患儿，使用的是标准化器械，"费城儿童医院（CHOP）心脏病专家兼研究员Matthew Jolley医生说道，"我们的任务是找到最匹配的方案——而建模技术让我们能在任何人进入导管室或手术室之前就完成这项工作。" 您的浏览器不支持视频标签 CHOP的心脏建模服务基于MONAI（https://project-monai.github.io/）构建——这是由NVIDIA联合创立的开源医学影像框架。该系统能够利用患儿医疗团队已有的影像数据（如CT扫描、MRI和3D超声），在短短数秒内生成解剖学精准的心脏模型。过去需要熟练研究人员耗时四小时的工作流，现已实现临床常规化应用的速度。 这项技术正在迅速推广。 目前全美已有超过20家儿童医院开展心脏建模项目。在波士顿儿童医院，建模技术已支持超过半数的心脏手术——每年约500例。CHOP预计今年将完成约200例建模。最初应用于心脏医疗的这项技术，现在正通过医院摩根研究创新中心的IDEA实验室（https://www.research.chop.edu/building-breakthroughs-morgan-centers-idea-lab-invites-innovation-with-elizabeth-silvestro-phd），向多个学科领域拓展。 ## **从科研到临床标准：十年发展历程** 2015年Jolley加入CHOP时，三维超声心动图刚刚兴起。当时虽有针对成人瓣膜的建模工具，但几乎没有任何工具能应对他所治疗的复杂微小解剖结构。 他的团队与开源社区合作开发了SlicerHeart——基于开源软件3D Slicer的扩展模块，用于三维医学影像的可视化、分割与分析，并开始构建从多模态影像数据中建模儿童心脏和瓣膜的工作流程。 多年来，生成单个模型意味着熟练的研究助理需要在工作站前耗费数小时。机器学习技术改变了这一现状。 通过MONAI Label和NVIDIA的Auto3DSeg实现，Jolley的团队使用历史影像数据对与模型对训练分割网络。最终输出能达到训练有素的人类专家同等质量标准——且耗时从数小时缩短至数秒。 "机器学习已成为我们的基础工具，"Jolley说道，"只要制作10到20组影像-模型对，我们就能训练模型并立即投入使用。" 您的浏览器不支持视频标签。利用MONAI技术，CHOP可以对比两种不同人工瓣膜在患者心脏中的适配情况，以优化手术规划。色彩显示了两种瓣膜对心脏壁产生的不同应力分布。 临床效果很快显现。对于复杂的心室间隔缺损——心脏下腔室之间的孔洞，CHOP现在已将术前建模作为常规流程。 早期一个案例清晰体现了其价值：一名患儿此前经历两次修复尝试均告失败，传统方法无法定位缺损部位。三维模型清晰呈现了解剖结构，使修复手术一次成功。 Jolley表示，对于这类病例，心脏建模已从研究阶段正式进入临床标准治疗流程。 ## **借助Newton与NVIDIA Warp实现实时化结果** 可视化并非最终目标。Jolley的团队不仅想了解患儿心脏的形态，更希望在任何操作开始前就能预测器械植入后的效果——这正是Newton（https://developer.nvidia.com/newton-physics）技术的用武之地。 Newton是基于NVIDIA Warp（https://developer.nvidia.com/warp-python）Python框架构建的开源物理引擎，可在GPU上执行物理仿真。CHOP正与NVIDIA及开源社区合作，利用Warp构建面向生物力学的仿真框架，并将其整合到最初用于基于仿真的AI机器人训练的Newton系统中。 这些框架与3D Slicer和SlicerHeart集成后，能帮助医生理解决定器械在特定患者体内展开方式的组织材料特性。借助GPU加速，心脏器械仿真时间可从最多四小时——或为多种配置进行整夜运算——缩短至近实时完成。 CHOP已开始部署基于NVIDIA Warp和Newton构建的功能模块，以研究器械在患儿心脏中的工作效果。 实际应用中，临床医生可快速对比不同器械与患儿特定解剖结构的适配度，获取结果的速度足以支持当日决策。 CHOP已开始为儿童心脏封堵器械整合Warp与Newton功能——并期望将类似方法应用于经导管瓣膜仿真。Warp和Newton的开源架构正与SlicerHeart对接，长远目标是将实时仿真引入临床工作流程。 一个基于SlicerHeart和NVIDIA Omniverse（https://www.nvidia.com/en-us/omniverse/）数字孪生技术的耦合器也在开发中，该技术由OpenUSD（https://www.nvidia.com/en-us/glossary/openusd/）驱动。OpenUSD的开源3D互操作性允许将多样数据与求解器集成到基于患者影像构建的仿真中。这些仿真结果可导入虚拟现实环境，并利用嵌入式视觉语言模型（VLMs）（https://www.nvidia.com/en-us/glossary/vision-language-models/），让临床医生在操作前能直观地查询并与患儿心脏解剖结构仿真进行交互。 ## **开源模式突破传统经济逻辑** 美国约有240万先天性心脏病患者。历史上，这个群体因罕见性和高度异质性，难以吸引传统器械公司进行家庭所需的规模化投资。没有任何单一企业能开发Jolley团队所需的全部工具，也没有任何单一机构能独立完成开发。 开源技术成为破局之道。 SlicerHeart的工具可免费使用和扩展。斯坦福大学和波士顿儿童医院的研究人员正与CHOP共同贡献额外功能模块。一个由多家儿童医院组成的全国联盟正在形成，旨在构建下一代共享建模基础设施，以开源技术作为机构间的连接纽带。 您的浏览器不支持视频标签。CHOP的一项研究合作项目正在模拟心脏瓣膜与血流的相互作用。理解这些动力学特性对预测疾病进展、规划修复方案和评估新型器械至关重要。 "这个群体太小，无法支持传统商业模式下的正常经济开发，"Jolley指出，"但这是如此重要的议题，研究社区和慈善力量正汇聚支持。开源技术通过消除协作壁垒，突破了传统经济学对小众异质群体的限制。" NVIDIA对开放平台开发的投入及与各方的积极协作——包括医学影像AI平台MONAI、物理仿真引擎Newton、3D互操作与虚拟现实标准OpenUSD——使像Jolley这样的团队能够使用工业级维护的基础设施。如今，儿童医院的研究实验室可以快速调用原本需要企业级工程团队构建和维护的工具，同时受益于广泛开源社区的持续创新。 *了解**MONAI*（https://project-monai.github.io/）*如何推动医学影像AI发展*