นวัตกรรมเพื่อเด็ก: รพ.เด็กในฟิลาเดลเฟียใช้ Open Source NVIDIA AI สร้างแบบจำลองหัวใจ 3 มิติในไม่กี่วินาที

Perplexity Portable Computer Is Now Available on Windows, Powered by NVIDIA RTX

โรงพยาบาลเด็กแห่งฟิลาเดลเฟีย (Children’s Hospital of Philadelphia หรือ CHOP) กำลังนำเครื่องมือ AI แบบโอเพนซอร์สมาใช้สร้างแบบจำลองหัวใจของเด็กภายในเวลาไม่กี่วินาที ความเคลื่อนไหวนี้มีเป้าหมายสำคัญเพื่อยกระดับความปลอดภัยและความแม่นยำในการรักษาผู้ป่วยเด็กที่มีอาการโรคหัวใจพิการแต่กำเนิด

ปัจจุบันพบเด็กเกิดใหม่ประมาณ 1% ที่มีความบกพร่องของหัวใจแต่กำเนิด ซึ่งหัวใจของเด็กแต่ละคนจะมีลักษณะเฉพาะตัวที่ไม่เหมือนกันเลย สำหรับเด็กที่มีรูรั่วผนังกั้นหัวใจหรือความผิดปกติของลิ้นหัวใจ การรักษาจำเป็นต้องปรับให้เข้ากับกายวิภาคที่แม่นยำของเด็กคนนั้นๆ ซึ่งในอดีตอุปกรณ์ทางการแพทย์มักไม่ได้ถูกออกแบบมาเพื่อเด็กเฉพาะราย

"เรามีเด็กที่มีหัวใจหนึ่งเดียวในโลก แต่ต้องใช้อุปกรณ์สำเร็จรูปทั่วไป" Dr. Matthew Jolley อายุรแพทย์โรคหัวใจและนักวิจัยจาก CHOP กล่าว "หน้าที่ของเราคือการหาสิ่งที่เหมาะสมที่สุด และการสร้างแบบจำลองช่วยให้เราเตรียมตัวได้ดีขึ้นก่อนที่จะเริ่มกระบวนการในห้องสวนหัวใจหรือห้องผ่าตัด"

บริการสร้างแบบจำลองหัวใจของ CHOP พัฒนาขึ้นบน MONAI ซึ่งเป็นเฟรมเวิร์กสร้างภาพทางการแพทย์โอเพนซอร์สที่ร่วมก่อตั้งโดย NVIDIA ระบบจะดึงข้อมูลภาพสแกน CT, MRI และอัลตราซาวนด์ 3 มิติมาประมวลผลเป็นแบบจำลองหัวใจที่แม่นยำในเวลาไม่กี่วินาที จากเดิมที่นักวิจัยผู้เชี่ยวชาญต้องใช้เวลาทำงานนานถึง 4 ชั่วโมง ปัจจุบันจึงรวดเร็วพอสำหรับการใช้งานทางคลินิกตามปกติ

แนวโน้มการใช้เทคโนโลยีนี้กำลังขยายตัวไปทั่วสหรัฐอเมริกา โดยโรงพยาบาลเด็กกว่า 20 แห่งเริ่มมีโปรแกรมสร้างแบบจำลองหัวใจแล้ว เช่นที่โรงพยาบาลเด็กบอสตันมีการใช้แบบจำลองสนับสนุนการผ่าตัดหัวใจมากกว่า 500 เคสต่อปี ขณะที่ CHOP คาดว่าจะขยายการใช้งานผ่าน IDEA Lab ไปสู่สาขาวิชาอื่นๆ เพิ่มเติม

ในช่วงแรกการสร้างแบบจำลองหัวใจเด็กทำได้ยากเนื่องจากกายวิภาคที่เล็กและซับซ้อน ห้องแล็บของ Dr. Jolley จึงร่วมมือกับชุมชนโอเพนซอร์สพัฒนา SlicerHeart ซึ่งเป็นส่วนขยายของซอฟต์แวร์ 3D Slicer เพื่อใช้ในการวิเคราะห์ภาพทางการแพทย์ 3 มิติ และนำ Machine Learning มาช่วยยกระดับกระบวนการทำงาน

การใช้ MONAI Label และ Auto3DSeg ของ NVIDIA ช่วยให้ทีมฝึกฝนเครือข่ายการแบ่งส่วนภาพ (segmentation networks) จนได้ผลลัพธ์ที่มีคุณภาพมาตรฐานเดียวกับผู้เชี่ยวชาญ แต่ทำได้ในเวลาเพียงเสี้ยววินาที Dr. Jolley ระบุว่า Machine Learning ได้กลายเป็นรากฐานสำคัญที่ทำให้พวกเขาสามารถฝึกโมเดลและนำไปใช้งานจริงได้ทันทีที่มีข้อมูล

ผลกระทบทางคลินิกนั้นชัดเจนมาก โดยเฉพาะในรายที่มีความบกพร่องของผนังกั้นห้องหัวใจส่วนล่างที่ซับซ้อน (ventricular septal defects) ตัวอย่างเช่นเด็กรายหนึ่งที่เคยผ่าตัดล้มเหลวมาสองครั้งเพราะหาตำแหน่งรูรั่วไม่พบ แต่แบบจำลอง 3 มิติช่วยให้ศัลยแพทย์เห็นกายวิภาคชัดเจนและซ่อมแซมสำเร็จในการลองครั้งแรก จนปัจจุบันการสร้างแบบจำลองหัวใจได้กลายเป็นมาตรฐานการดูแลรักษา (standard of care) ของที่นี่ไปแล้ว

นอกจากความสวยงามของภาพ ทีมงานยังต้องการเข้าใจว่าเนื้อเยื่อและอุปกรณ์จะตอบสนองอย่างไรเมื่ออยู่ในร่างกายจริง จึงได้นำ Newton ซึ่งเป็นเอนจิ้นฟิสิกส์โอเพนซอร์สที่รันบนเฟรมเวิร์ก NVIDIA Warp มาใช้จำลองคุณสมบัติทางชีวกลศาสตร์ (biomechanics) แบบเรียลไทม์ผ่านพลังประมวลผลของ GPU

เทคโนโลยีเหล่านี้ช่วยให้แพทย์เปรียบเทียบอุปกรณ์ต่างๆ เพื่อหาขนาดที่พอดีกับหัวใจเด็กแต่ละคนได้รวดเร็วทันใจภายในวันเดียว นอกจากนี้ยังมีการพัฒนาตัวเชื่อมต่อผ่าน NVIDIA Omniverse และ OpenUSD เพื่อนำการจำลองไปสู่สภาพแวดล้อม Virtual Reality และใช้ vision-language models (VLMs) ช่วยให้แพทย์โต้ตอบกับกายวิภาคหัวใจผ่านคำสั่งเสียงที่เป็นธรรมชาติได้ เนื่องจากโรคหัวใจพิการแต่กำเนิดเป็นกลุ่มประชากรที่น้อยเกินกว่าจะดึงดูดการลงทุนจากบริษัทเอกชนขนาดใหญ่ โอเพนซอร์สจึงเป็นทางออกที่สำคัญ ความร่วมมือระหว่างสถาบันชั้นนำอย่าง Stanford, Boston Children’s และ CHOP ผ่านโครงสร้างพื้นฐานของ NVIDIA ช่วยให้โรงพยาบาลเด็กเข้าถึงเครื่องมือระดับโลกได้โดยไม่มีอุปสรรคทางเศรษฐกิจ เพื่อมอบอนาคตที่ดีกว่าให้กับผู้ป่วยเด็กทั่วโลก

เรียนรู้ว่า MONAI กำลังช่วยพัฒนา AI ภาพถ่ายทางการแพทย์อย่างไร