英偉達與費城兒童醫院數秒生成兒童數字心臟

費城兒童醫院用英偉達參與共建的開源醫學影像框架monai，把患兒已有的ct、核磁和三維超聲做成解剖精度的心臟模型。原需熟練研究員約四小時的流程，現可在數秒內完成，快到能進日常臨牀。醫生馬修·喬利稱，面對獨一無二的孩子和現成器械，建模是爲了在導管室或手術室之前先找到能裝進去的那一件。

團隊用monai label與auto3dseg在既往影像—模型對上訓練分割網絡，輸出被寫成達到訓練有素的人工標準。gpu把器械仿真從最多四小時或通宵多方案計算壓到近實時，便於當天比較不同瓣膜或封堵器是否擠壓組織。醫院已開始用warp與newton仿真封堵裝置，並計劃用於經導管瓣膜；同時把slicerheart接到omniverse數字孿生。

先天性心臟缺陷約佔活產百分之一，且彼此不同。該院一年約做150至200例建模，美國已有二十餘家兒童醫院開展類似項目；波士頓兒童醫院建模覆蓋半數以上心臟手術，約五百例。有患兒兩度修補失敗、缺損位置一直找不到，三維模型看清結構後下一次手術完成。

商業上這是小而散的需求：患者少、解剖各異，難有公司按常規產品邏輯長期投入。幾家兒童醫院與英偉達把工具開源，靠臨牀反饋迭代。人工智能降低單例建模成本，開源把方法交給更多醫院接着做。

市場機制上，這是算力公司用開源換進手術規劃工位。賣出的是按例賣軟件的兒科器械市場假設，買入的是醫院集羣採用與gpu仿真時長。資金不表現爲一款爆款醫療軟件訂單，而表現爲研究框架、加速卡和後續數字孿生耦合；受益方是能把仿真做進術前討論的兒童心臟中心，承壓方是仍靠術中試錯選號的流程。

開源降低的是建模時耗，不替代術者對影像質量與適應證的判斷。

來源：公開信息