约 1% 的活产婴儿患有先天性心脏缺陷，而每个病例的解剖结构都不相同，美国约有 240 万人患病。长期以来，外科医生能用的器械几乎都是现成产品，很少针对单个患儿设计。
费城儿童医院的心脏建模服务建立在 MONAI 之上。这套由 NVIDIA 联合创建的开源医学影像框架，可以从 CT、MRI、3D 超声等护理团队已有的影像中提取数据，在几秒内生成符合解剖结构的心脏模型。此前，一名有经验的研究人员需要 4 小时才能完成同样的工作。
团队用 MONAI Label 与 NVIDIA Auto3DSeg，以既往影像和模型训练分割网络，输出质量达到经过训练的人工标准，耗时从数小时降到数秒。对于复杂的室间隔缺损，医院现在会在术前常规建模；一例此前经历过两次修复失败的患儿，靠 3D 模型清晰呈现解剖结构，首次尝试修复即获成功。
建模只是第一步。团队希望术前就能知道器械植入后的效果，于是引入 Newton——一款基于 NVIDIA Warp Python 框架构建的开源物理引擎，可在 GPU 上运行物理仿真。与 3D Slicer、SlicerHeart 集成后，医生可以了解组织材质属性，判断器械如何适配具体患者；GPU 加速把原本 4 小时、甚至需要跑一整夜的多种配置仿真，压缩到接近实时。
这套方法正在扩散。美国已有 20 多家儿童医院开展心脏建模项目，波士顿儿童医院超过一半的心脏手术（每年约 500 例）用到建模，费城儿童医院预计今年覆盖约 200 例。基于 SlicerHeart、NVIDIA Omniverse 与 OpenUSD 的数字孪生工具也在开发中，仿真结果可导入虚拟现实，并借助嵌入式视觉语言模型，让医生在仿真环境中直接查询和探索解剖结构。
项目负责人 Matthew Jolley 认为开源是唯一可行的路径：患者群体规模小且高度异质，传统商业公司难以获得足够规模的投资回报。SlicerHeart 的工具免费可用，斯坦福大学、波士顿儿童医院等与费城儿童医院共同贡献工具，一个由多家儿童医院组成的全国性联盟正在筹建共享建模基础设施。
WeChat
Profile