Con herramientas de inteligencia artificial de Nvidia, el Hospital Infantil de Filadelfia (CHOP, por sus siglas en inglés) puede convertir imágenes médicas en modelos tridimensionales del corazón de niños en segundos. La tecnología busca ayudar a los médicos a planificar procedimientos más seguros y precisos para pacientes con cardiopatías congénitas.
El sistema de CHOP, desarrollado con herramientas de código abierto de Nvidia, procesa tomografías computarizadas, resonancias magnéticas y ecografías 3D para reproducir la anatomía cardíaca de cada paciente.
La tecnología apunta a resolver una necesidad clínica: evaluar antes de una cirugía o un procedimiento con catéter qué dispositivo se adapta mejor al corazón de cada niño.
La compañía tecnológica explica que alrededor del 1% de los nacimientos presenta una cardiopatía congénita. Estas afecciones pueden incluir orificios entre las cavidades inferiores del corazón o válvulas con pérdidas en la única cavidad de bombeo que mantiene con vida al paciente.
En los casos de defectos complejos del tabique ventricular, que son orificios entre las cavidades inferiores del corazón, CHOP ya utiliza el modelado de manera rutinaria antes de operar.
Uno de los primeros casos mostró su utilidad: un niño había pasado por dos intentos fallidos de reparación porque los cirujanos no lograban localizar el defecto con los métodos tradicionales. El modelo 3D aclaró la anatomía y la reparación tuvo éxito en el primer intento. Para Jolley, el modelado cardíaco pasó de ser un recurso de investigación a formar parte del estándar de atención en estos casos.
Cómo funciona la inteligencia artificial para modelar el corazón
El servicio de modelado cardíaco de CHOP utiliza MONAI, un marco de código abierto para imágenes médicas creado conjuntamente por Nvidia.
Antes, un investigador especializado podía tardar hasta cuatro horas en producir un modelo; ahora, el proceso puede completarse en segundos, con una velocidad que permite incorporarlo a la atención clínica habitual.
El equipo del cardiólogo e investigador Matthew Jolley desarrolló SlicerHeart, una extensión del programa de código abierto 3D Slicer para visualizar, segmentar y analizar imágenes médicas tridimensionales.
Con esa herramienta, el hospital comenzó a crear modelos de corazones y válvulas pediátricas a partir de distintas técnicas de diagnóstico por imágenes.
Mediante MONAI Label y la implementación Auto3DSeg de Nvidia, el equipo entrenó redes de segmentación con pares de imágenes y modelos previos. Según Jolley, el resultado alcanza el mismo estándar de calidad que un profesional capacitado, pero en segundos.
“El aprendizaje automático se ha convertido en algo rutinario. Apenas reunimos entre 10 y 20 pares de imágenes y modelos, entrenamos un modelo y empezamos a aplicarlo”, dijo el cardiólogo e investigador.
El siguiente objetivo es anticipar qué ocurrirá cuando se coloque un dispositivo dentro del corazón. Para ello, CHOP trabaja con NVIDIA y la comunidad de código abierto en simulaciones físicas mediante Newton y el marco Python NVIDIA Warp.
La aceleración con GPU podría reducir simulaciones que demandaban hasta cuatro horas, o una ejecución nocturna para varias configuraciones, a un proceso cercano al tiempo real. Así, los médicos podrían comparar cómo distintos dispositivos se ajustan a la anatomía de cada paciente antes de tomar una decisión el mismo día.
El consejo del CEO de Nvidia par triunfar en el futuro laboral
Jensen Huang, director ejecutivo de Nvidia, recomendó a los jóvenes aprender a usar inteligencia artificial desde el inicio de su formación.
Según el empresario, aprender IA no implica solo programar o estudiar robótica, sino saber emplear modelos para resolver problemas reales, automatizar tareas y desarrollar herramientas. Huang comparó esta habilidad con la ventaja que ofrecía dominar las computadoras al comienzo de la informática personal.
La automatización podría afectar puestos de ventas, atención al cliente, ingeniería de software y asistencia jurídica, especialmente entre jóvenes. Para Huang, formular instrucciones precisas a una IA requiere experiencia y será clave.
