费城儿童医院用 NVIDIA MONAI 构建儿童心脏数字模型：建模从数小时缩短到数秒

方案背景：先天性心脏病患儿的下腔静脉之间可能存在孔洞，或单一泵血心腔内存在瓣膜渗漏，治疗器械必须贴合患儿的确切解剖结构。但过去外科医生使用的设备几乎从未针对某个患儿单独设计，每个孩子解剖结构独一无二，现成器械往往难以完全匹配。要在术前获得精准模型，传统方式需要一名经验丰富的研究助理在工作站前花费数小时手工分割影像。

解决方案与架构：费城儿童医院采用由 NVIDIA 联合创建的开源医学影像框架 MONAI，并配合 NVIDIA Auto3DSeg 与开源工具 SlicerHeart，构建从影像到三维模型的自动化流程。系统直接读取患儿已有的 CT、MRI 和 3D 超声数据，自动完成分割与重建，在几秒内生成符合解剖结构的心脏模型，供心脏团队在术前评估、方案设计和器械选择中使用。

核心技术组件：MONAI 提供医学影像的深度学习训练与推理基础；MONAI Label 支持交互式标注与模型迭代；Auto3DSeg 负责三维医学影像的自动分割；SlicerHeart 则基于 3D Slicer 提供可视化、分割和分析能力。团队用既往图像和模型训练分割网络，新病例到来时由模型自动生成结果，输出质量可达到受训人工标注的同等水平。

实施成果：引入机器学习后，单个心脏模型的制作时间从数小时缩短到数秒，建模成为日常临床工作的一部分。目前美国有 20 多家儿童医院开展心脏建模项目；波士顿儿童医院的建模技术已应用于一半以上的心脏手术，每年约 500 例；费城儿童医院预计今年覆盖约 200 个建模案例。Jolley 博士表示，建模技术让团队可以在任何患者进入手术室前完成充分规划。

未来展望：随着更多医院加入并持续积累影像与模型，儿童心脏建模有望从术前规划扩展到更广泛的先天性心脏病诊疗、器械定制和手术培训。开源工具链降低了部署门槛，使规模较小的儿童医院也能建立自己的建模能力，推动精准儿科医疗从少数中心走向常规实践。