Bệnh viện nhi ứng dụng AI mã nguồn mở của NVIDIA để chăm sóc tim mạch

Trình duyệt của bạn không hỗ trợ thẻ video.

Bệnh viện Nhi Philadelphia (Children’s Hospital of Philadelphia) đang sử dụng các công cụ AI mã nguồn mở để mô hình hóa trái tim trẻ em chỉ trong vài giây — với mục tiêu mang lại sự chăm sóc an toàn và chính xác hơn cho trẻ mắc bệnh tim bẩm sinh.

Khoảng 1% trẻ sơ sinh mắc dị tật tim bẩm sinh — và không có hai trường hợp nào giống hệt nhau.

Một đứa trẻ sinh ra với lỗ hổng giữa các buồng tim dưới, hoặc một van bị rò rỉ trong buồng bơm duy nhất giúp duy trì sự sống, cần sự chăm sóc phù hợp với chính xác cấu trúc giải phẫu của trẻ. Trước đây, các thiết bị mà bác sĩ phẫu thuật sử dụng hầu như không bao giờ được thiết kế dành riêng cho từng đứa trẻ cụ thể đó.

“Bạn có một đứa trẻ với cơ địa độc nhất vô nhị nhưng lại dùng một thiết bị có sẵn trên thị trường,” Tiến sĩ Matthew Jolley, bác sĩ tim mạch và nhà nghiên cứu tại Bệnh viện Nhi Philadelphia (CHOP), cho biết. “Công việc của chúng tôi là tìm ra thứ phù hợp — và việc mô hình hóa cho phép chúng tôi thực hiện điều đó trước khi bất kỳ ai bước vào phòng thông tim hoặc phòng mổ.”

Trình duyệt của bạn không hỗ trợ thẻ video.

Dịch vụ mô hình hóa tim mạch của CHOP, được xây dựng trên MONAI — một khung làm việc (framework) hình ảnh y tế mã nguồn mở do NVIDIA đồng sáng lập — sẽ lấy các hình ảnh mà đội ngũ chăm sóc của trẻ đã có, như chụp CT, MRI và siêu âm 3D, để tạo ra các mô hình tim chính xác về mặt giải phẫu chỉ trong vài giây. Một quy trình trước đây cần bốn giờ làm việc của một nhà nghiên cứu lành nghề giờ đây đã hoàn thành đủ nhanh để sử dụng trong lâm sàng thường quy.

Phương pháp này đang ngày càng phổ biến.

Hơn 20 bệnh viện nhi trên khắp Hoa Kỳ hiện đang vận hành các chương trình mô hình hóa tim mạch. Tại Bệnh viện Nhi Boston, việc mô hình hóa hỗ trợ hơn một nửa số ca phẫu thuật tim — khoảng 500 ca mỗi năm. CHOP dự kiến sẽ đạt khoảng 200 ca mô hình hóa trong năm nay. Từ khởi đầu trong lĩnh vực chăm sóc tim mạch, CHOP hiện đang hướng tới việc áp dụng các công cụ tương tự trên nhiều chuyên khoa thông qua IDEA Lab, một phần của Trung tâm Nghiên cứu và Đổi mới Morgan của bệnh viện.

Từ nghiên cứu đến Tiêu chuẩn chăm sóc — Hành trình một thập kỷ

Khi Jolley gia nhập CHOP vào năm 2015, siêu âm tim 3D mới bắt đầu xuất hiện. Đã có các công cụ để mô hình hóa van tim người lớn, nhưng hầu như không có gì được xây dựng cho các cấu trúc giải phẫu phức tạp và nhỏ bé mà ông đang điều trị.

Phòng thí nghiệm của ông đã làm việc với cộng đồng mã nguồn mở để xây dựng SlicerHeart — một phần mở rộng của phần mềm mã nguồn mở 3D Slicer dùng để trực quan hóa, phân đoạn và phân tích hình ảnh y tế 3D — và bắt đầu phát triển các quy trình để mô hình hóa tim và van tim trẻ em từ nhiều phương thức hình ảnh khác nhau.

Trong nhiều năm, việc tạo ra một mô hình duy nhất đòi hỏi một trợ lý nghiên cứu lành nghề phải dành hàng giờ tại máy trạm. Học máy (machine learning) đã thay đổi điều đó.

Sử dụng MONAI Label và triển khai Auto3DSeg của NVIDIA, nhóm của Jolley đã huấn luyện các mạng phân đoạn trên các cặp hình ảnh và mô hình trước đó. Kết quả đầu ra đạt tiêu chuẩn chất lượng tương đương với con người — chỉ trong vài giây thay vì hàng giờ.

“Học máy đã trở thành một phần không thể thiếu,” Jolley nói. “Ngay khi chúng tôi tạo được 10 hoặc 20 cặp hình ảnh-mô hình, chúng tôi sẽ huấn luyện một mô hình và bắt đầu áp dụng nó.”

Sử dụng MONAI, CHOP có thể so sánh cách hai loại van nhân tạo khác nhau sẽ khớp với trái tim của bệnh nhân như thế nào để cải thiện kế hoạch phẫu thuật. Màu sắc hiển thị áp lực lên thành tim do hai loại van khác nhau tạo ra.

Tác động lâm sàng được nhìn thấy rất nhanh chóng. Đối với các khiếm khuyết vách liên thất phức tạp — các lỗ hổng giữa các buồng dưới của tim — CHOP hiện thực hiện mô hình hóa thường quy trước khi phẫu thuật.

Một trường hợp sớm đã làm rõ giá trị này: Một đứa trẻ đã trải qua hai lần sửa chữa thất bại, các bác sĩ phẫu thuật không thể xác định vị trí khiếm khuyết bằng các phương pháp truyền thống. Mô hình 3D đã làm rõ cấu trúc giải phẫu. Ca sửa chữa đã thành công ngay lần đầu tiên.

Đối với những trường hợp như thế này, Jolley cho biết, mô hình hóa tim mạch đã chuyển từ nghiên cứu sang tiêu chuẩn chăm sóc.

Kết quả gần như thời gian thực với Newton và NVIDIA Warp

Trực quan hóa không phải là mục tiêu cuối cùng. Nhóm của Jolley muốn biết không chỉ trái tim của trẻ trông như thế nào, mà còn điều gì sẽ xảy ra khi một thiết bị được đặt vào bên trong nó — trước khi bất kỳ thủ thuật nào bắt đầu. Đó là lúc Newton phát huy tác dụng.

Newton là một công cụ vật lý mã nguồn mở được xây dựng trên khung làm việc NVIDIA Warp Python, chạy các mô phỏng vật lý trên GPU. CHOP đang hợp tác với NVIDIA và cộng đồng mã nguồn mở để xây dựng các khung mô phỏng tập trung vào cơ sinh học với Warp, có thể đưa vào Newton — vốn ban đầu dành cho việc huấn luyện robot bằng AI dựa trên mô phỏng.

Các khung làm việc này, khi được tích hợp với 3D Slicer và SlicerHeart, có thể giúp bác sĩ hiểu các đặc tính vật liệu mô quyết định cách thiết bị sẽ triển khai trong một bệnh nhân cụ thể. Với khả năng tăng tốc GPU, chúng có thể giảm thời gian cần thiết cho việc mô phỏng thiết bị tim mạch từ tối đa bốn giờ — hoặc chạy cả đêm cho nhiều cấu hình — xuống gần như thời gian thực.

CHOP đã bắt đầu triển khai các tính năng được xây dựng trên NVIDIA Warp và Newton để hiểu cách một thiết bị sẽ hoạt động trong trái tim bệnh nhân.

Trong thực tế, bác sĩ lâm sàng có thể so sánh cách các thiết bị khác nhau phù hợp với cấu trúc giải phẫu cụ thể của trẻ và nhận kết quả đủ nhanh để đưa ra quyết định trong ngày.

CHOP đã bắt đầu triển khai các tính năng được xây dựng trên Warp và Newton cho các thiết bị đóng được sử dụng để bịt các lỗ hổng trong tim trẻ em — và hy vọng sẽ áp dụng các phương pháp tương tự cho các mô phỏng van tim qua ống thông. Kiến trúc mã nguồn mở của Warp và Newton đang được kết nối với SlicerHeart, với mục tiêu dài hạn là đưa các mô phỏng thời gian thực vào quy trình lâm sàng.

Một bộ ghép nối sử dụng SlicerHeart và bản sao kỹ thuật số NVIDIA Omniverse, được hỗ trợ bởi OpenUSD, cũng đang được phát triển. Khả năng tương tác 3D mã nguồn mở của OpenUSD cho phép tích hợp dữ liệu và bộ giải đa dạng vào các mô phỏng được xây dựng từ hình ảnh bệnh nhân. Các mô phỏng này sau đó có thể chuyển vào môi trường thực tế ảo và tận dụng các mô hình ngôn ngữ thị giác (VLM) nhúng, cho phép bác sĩ lâm sàng truy vấn và tương tác trực quan với cấu trúc tim của trẻ trong mô phỏng trước khi thực hiện can thiệp.

Mã nguồn mở thách thức các quy luật kinh tế truyền thống

Khoảng 2,4 triệu người ở Hoa Kỳ đang sống chung với bệnh tim bẩm sinh. Trước đây, đây là nhóm dân số quá hiếm và quá đa dạng để thu hút sự đầu tư của các công ty thiết bị truyền thống ở quy mô mà các gia đình cần. Không một công ty đơn lẻ nào xây dựng được các công cụ mà nhóm của Jolley yêu cầu. Không một tổ chức đơn lẻ nào có thể tự mình xây dựng chúng.

Mã nguồn mở là giải pháp thay thế.

Các công cụ của SlicerHeart được sử dụng và phát triển miễn phí. Các nhà nghiên cứu tại Stanford và Bệnh viện Nhi Boston đóng góp thêm các công cụ cùng với CHOP. Một liên minh quốc gia gồm các bệnh viện nhi hiện đang hình thành để xây dựng thế hệ cơ sở hạ tầng mô hình hóa chia sẻ tiếp theo, với mã nguồn mở đóng vai trò là sợi dây liên kết giữa các tổ chức.

Một trong những hợp tác nghiên cứu của CHOP mô phỏng cách các van tim tương tác với dòng máu. Hiểu được các động lực học này là rất quan trọng để dự đoán sự tiến triển của bệnh, lập kế hoạch sửa chữa và đánh giá các thiết bị mới.

“Đây là một nhóm dân số quá nhỏ để hỗ trợ sự phát triển thương mại truyền thống theo các quy luật kinh tế thông thường,” Jolley nói. “Nhưng đây là một vấn đề quan trọng đến mức giữa cộng đồng nghiên cứu và các hoạt động từ thiện, mọi người đang ủng hộ nó. Mã nguồn mở thách thức các quy luật kinh tế truyền thống đối với các nhóm dân số nhỏ và không đồng nhất bằng cách cho phép hợp tác và tiến bộ mà không có rào cản.”

Sự đầu tư của NVIDIA và sự hợp tác tích cực với những người khác trong việc phát triển các nền tảng mở — MONAI cho AI hình ảnh y tế, Newton cho mô phỏng vật lý, OpenUSD cho khả năng tương tác 3D và thực tế ảo — mang lại cho các nhóm như của Jolley quyền truy cập vào cơ sở hạ tầng được duy trì ở quy mô công nghiệp. Một phòng thí nghiệm tại bệnh viện nhi giờ đây có thể nhanh chóng khai thác các công cụ mà nếu không sẽ cần một đội ngũ kỹ thuật quy mô công ty để xây dựng và duy trì, đồng thời được hưởng lợi từ sự đổi mới liên tục của một cộng đồng mã nguồn mở rộng lớn.

Tìm hiểu cách MONAI đang thúc đẩy AI hình ảnh y tế.

Tin tức liên quan