Un hospital infantil de Filadelfia usa IA de código abierto para modelar corazones de niños en segundos
El hospital CHOP aprovecha MONAI, un marco de trabajo de código abierto cofundado por NVIDIA, para crear modelos cardíacos precisos que ayudan a planificar cirugías en niños con cardiopatías congénitas, un proceso que antes tardaba cuatro horas y ahora se completa en segundos.
El Children's Hospital of Philadelphia usa MONAI (un marco de trabajo de código abierto para imágenes médicas cofundado por NVIDIA) para crear modelos 3D precisos de corazones de niños con cardiopatías congénitas en segundos, reduciendo de cuatro horas el proceso anterior. Esto permite planificar cirugías con mayor precisión antes de entrar al quirófano.
El Children's Hospital of Philadelphia (CHOP) está usando herramientas de inteligencia artificial de código abierto para modelar corazones de niños en cuestión de segundos, con el objetivo de hacer más segura y precisa la atención a pacientes con cardiopatías congénitas (malformaciones del corazón presentes desde el nacimiento). Aproximadamente el 1% de todos los nacimientos vivos implican algún defecto cardíaco congénito, y no hay dos iguales. Históricamente, los cirujanos debían elegir dispositivos médicos estándar sin saber exactamente cómo encajarían en la anatomía única de cada niño.
El servicio de modelado cardíaco del CHOP se construyó sobre MONAI (un marco de trabajo de código abierto para imágenes médicas cofundado por NVIDIA) y toma las imágenes que el equipo médico ya tiene —escáneres CT, resonancias magnéticas y ecografías 3D— para producir modelos anatómicamente precisos del corazón en segundos. Un proceso que antes requería cuatro horas de trabajo de un investigador especializado ahora se completa lo suficientemente rápido como para usarse en la práctica clínica diaria. Más de veinte hospitales infantiles en Estados Unidos ya ejecutan programas de modelado cardíaco similares, y en el Boston Children's Hospital este tipo de modelado apoya más de la mitad de todas las cirugías cardíacas, unas 500 al año.
El doctor Matthew Jolley, cardiólogo e investigador del CHOP, explica que el aprendizaje automático (machine learning, el proceso por el cual un algoritmo aprende patrones a partir de ejemplos) cambió todo. Usando MONAI Label y la implementación Auto3DSeg de NVIDIA, su equipo entrenó redes de segmentación (algoritmos que identifican y delimitan estructuras específicas en imágenes médicas) con pares de imágenes y modelos previos. El resultado cumple los mismos estándares de calidad que produciría un humano entrenado, pero en segundos en lugar de horas. En casos complejos, como defectos del tabique ventricular (agujeros entre las cámaras inferiores del corazón), el CHOP ahora modela rutinariamente antes de la cirugía. Un caso temprano demostró el valor: un niño había pasado por dos intentos fallidos de reparación porque los cirujanos no podían localizar el defecto con métodos tradicionales. El modelo 3D aclaró la anatomía y la reparación tuvo éxito al primer intento.
Más allá de la visualización, el equipo de Jolley quiere saber qué pasará cuando se despliegue un dispositivo dentro del corazón de un niño, antes de cualquier procedimiento. Para ello están trabajando con Newton (un motor de física de código abierto construido sobre el marco de trabajo NVIDIA Warp) que ejecuta simulaciones físicas en GPUs (unidades de procesamiento gráfico, chips especializados que aceleran cálculos complejos). Estas simulaciones pueden reducir el tiempo necesario para modelar cómo un dispositivo interactuará con el tejido cardíaco de hasta cuatro horas a casi tiempo real. En la práctica, un clínico podría comparar cómo diferentes dispositivos encajan en la anatomía específica de un niño y obtener resultados lo suficientemente rápido como para tomar una decisión el mismo día.
El CHOP también está desarrollando un acoplador que usa SlicerHeart (una extensión de código abierto para visualizar y analizar imágenes médicas 3D) y gemelos digitales de NVIDIA Omniverse, impulsados por OpenUSD (un estándar de código abierto que permite que diferentes datos y programas se integren en una misma simulación 3D). Esto permitirá a los médicos consultar e interactuar con la anatomía cardíaca de un niño en entornos de realidad virtual antes de actuar sobre ella. Jolley señala que el código abierto desafía la economía tradicional: unas 2,4 millones de personas en Estados Unidos viven con cardiopatías congénitas, una población demasiado pequeña y diversa para atraer inversión tradicional de empresas de dispositivos médicos a la escala que las familias necesitan. Ninguna empresa ha construido todas las herramientas que el equipo requiere, y ninguna institución podría construirlas sola. El código abierto es la solución: las herramientas de SlicerHeart son gratuitas y se pueden mejorar colaborativamente, y un consorcio nacional de hospitales infantiles se está formando ahora para construir la próxima generación de infraestructura de modelado compartida.
