Heart of the Matter: How a Major Children’s Hospital Uses Open Source NVIDIA AI for Cardiac Care

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

필라델피아 아동병원(CHOP)은 MONAI 기반 AI로 소아 심장 모델 생성 시간을 수초로 줄여 수술 계획에 활용하고, NVIDIA Warp와 Newton을 통한 환자별 기기 시뮬레이션으로 확장하고 있다.

📌 핵심 요약

• 출생아의 약 1%가 선천성 심장 결함을 가지며 해부학적 형태도 제각각이다. CHOP은 MONAI를 기반으로 기존 CT·MRI·3D 초음파에서 정밀 심장 모델을 생성해, 숙련 연구자가 약 4시간 수행하던 작업을 수초로 단축했다.
• CHOP은 SlicerHeart를 개발하고 MONAI Label과 NVIDIA의 Auto3DSeg 구현을 이용해 기존 영상·모델 쌍으로 분할 신경망을 학습했다. 기사에 따르면 결과물은 숙련된 사람이 만든 모델과 같은 품질 기준을 충족한다.
• 미국 20곳 이상의 아동병원이 심장 모델링 프로그램을 운영한다. Boston Children’s Hospital은 전체 심장 수술의 절반 이상인 연간 약 500건에 모델링을 활용하며, CHOP은 올해 약 200건을 예상하고 복잡한 심실중격결손 수술 전 모델링을 일상적으로 시행한다.
• CHOP은 NVIDIA Warp와 Newton 기반 기능을 심장 구멍을 막는 폐쇄 기기에 구현하기 시작했다. 최대 4시간 또는 여러 구성에서 밤새 걸리던 기기 시뮬레이션을 거의 실시간으로 단축하는 것을 지향하며, 경카테터 판막으로의 확장과 실시간 임상 통합은 향후 목표다.
• 미국의 선천성 심장병 환자는 약 240만 명이지만 환자군의 희소성과 다양성으로 전통적인 상업 개발에 한계가 있다는 것이 연구진의 설명이다. 무료로 활용·확장할 수 있는 SlicerHeart에 Stanford와 Boston Children’s Hospital 등이 기여하며, 공동 모델링 인프라를 위한 전국 아동병원 컨소시엄도 형성 중이다.

🧩 주요 포인트

1. 모델 생성의 수초 단축과 품질 기준 충족 → 연구 인력의 장시간 수작업에 의존하던 심장 모델링을 일상적인 수술 계획에 활용할 기반이 마련됐다.
2. NVIDIA Warp·Newton 기반 폐쇄 기기 기능 구현 시작 → 해부학적 형태 확인에서 기기 배치 결과 예측으로 범위가 넓어지지만, 거의 실시간 처리와 임상 통합의 달성 수준은 구분할 필요가 있다.
3. 희소하고 다양한 선천성 심장병 환자군과 공동 개발 → 단일 기업이나 병원이 감당하기 어려운 도구 개발을 오픈 소스와 기관 간 기여로 이어가는 구조다.

🧠 상세 정리

1. 환자마다 다른 심장에 맞춘 수술 준비

선천성 심장 결함은 출생아의 약 1%에서 나타나며, 같은 형태의 결함은 없을 만큼 환자별 차이가 크다고 기사는 설명한다. 심장 아래쪽 방 사이에 구멍이 있거나 생명을 유지하는 유일한 펌프 역할의 심장 방에서 판막이 새는 아이에게는 정확한 해부학적 구조에 맞는 치료가 필요하다. 그러나 외과의가 사용하는 기기는 대개 해당 아이를 위해 설계된 것이 아니다. CHOP의 심장 전문의이자 연구자인 Matthew Jolley는 이를 유일무이한 아이와 기성품 기기의 조합으로 설명하며, 시술실이나 수술실에 들어가기 전에 적합성을 확인하는 것이 모델링의 역할이라고 말한다. CHOP은 이를 위해 진료팀이 이미 확보한 CT·MRI·3D 초음파 영상을 활용해 환자별 심장 모델을 만든다.

2. 오픈 소스 도구와 AI가 줄인 모델 생성 시간

Jolley가 2015년 CHOP에 합류했을 당시에는 3D 심장 초음파가 막 도입되고 있었고, 성인 판막용 도구와 달리 작고 복잡한 소아 심장을 위한 도구는 거의 없었다. 연구실은 오픈 소스 커뮤니티와 함께 의료 영상의 시각화·분할·분석 소프트웨어인 3D Slicer의 확장 기능 SlicerHeart를 개발했다. 초기에는 숙련된 연구 보조원이 모델 하나를 만드는 데 수시간을 들여야 했지만, 이후 MONAI Label과 NVIDIA의 Auto3DSeg 구현으로 기존 영상·모델 쌍을 학습한 분할 신경망을 도입했다. 기사에 따르면 이 방식은 숙련된 사람이 만든 결과와 같은 품질 기준을 충족하면서 약 4시간 걸리던 모델 생성 작업을 수초로 줄였다. Jolley는 영상·모델 쌍이 10개나 20개 쌓이면 모델을 학습해 적용하기 시작할 정도로 머신러닝이 일상적인 도구가 됐다고 설명한다.

3. 연구에서 일상 진료로 확산된 심장 모델링

CHOP은 복잡한 심실중격결손, 즉 심장 아래쪽 방 사이의 구멍을 치료하기 전에 모델링을 일상적으로 시행하고 있다. 한 초기 사례에서는 기존 방식으로 결손 위치를 찾지 못해 두 차례 수복 시도가 실패했던 아이의 해부학적 구조를 3D 모델로 명확히 확인했고, 이후 수복은 첫 시도에 성공했다. Jolley는 이런 사례에서 모델링이 연구 단계를 넘어 표준 진료로 자리 잡았다고 말한다. 미국에서는 20곳 이상의 아동병원이 심장 모델링 프로그램을 운영하며, Boston Children’s Hospital은 전체 심장 수술의 절반 이상인 연간 약 500건을 지원한다. CHOP은 올해 약 200건의 모델링을 예상하며, Morgan Center for Research and Innovation 산하 IDEA Lab을 통해 같은 도구를 여러 진료 분야로 확장하려 한다.

4. 형태 확인을 넘어 기기 배치 결과 예측으로

연구진의 다음 목표는 심장 모양을 보여주는 데서 나아가 실제 기기를 넣었을 때 어떤 일이 일어나는지 시술 전에 예측하는 것이다. Newton은 GPU에서 물리 시뮬레이션을 실행하는 NVIDIA Warp Python 프레임워크 기반의 오픈 소스 물리 엔진으로, 원래 시뮬레이션 기반 AI 로봇 학습을 위해 구상됐다. CHOP은 NVIDIA 및 오픈 소스 커뮤니티와 함께 Warp로 생체역학 시뮬레이션 프레임워크를 개발해 Newton에 통합하는 작업을 진행하고 있다. 이를 3D Slicer와 SlicerHeart에 연결하면 기기 배치에 영향을 주는 조직의 물성을 이해하고, 최대 4시간 또는 여러 구성을 시험할 때 밤새 걸리는 계산을 거의 실시간으로 줄일 수 있다는 설명이다. CHOP은 심장 구멍을 막는 폐쇄 기기용 기능을 구현하기 시작했으며, 경카테터 판막 시뮬레이션에도 비슷한 방법을 적용하기를 희망한다. 당일 의사결정에 활용할 만큼 빠른 비교와 실시간 임상 통합은 지향하는 목표로 제시된다.

5. 디지털 트윈과 가상현실로 이어지는 개발

CHOP은 SlicerHeart와 OpenUSD 기반 NVIDIA Omniverse 디지털 트윈을 연결하는 연동 장치도 개발하고 있다. 원문은 OpenUSD의 오픈 소스 3D 상호운용성을 통해 서로 다른 데이터와 해석기를 환자 영상에서 만든 시뮬레이션에 통합할 수 있다고 설명한다. 이렇게 구성된 시뮬레이션은 가상현실 환경으로 이어지고, 내장된 비전언어모델(VLM)을 활용해 의료진이 아이의 심장 구조에 대해 직관적으로 질문하고 상호작용하는 데 쓰일 수 있다. 이는 실제 처치 전에 시뮬레이션 속 해부학적 구조를 탐색하려는 개발 방향이며, 이미 일상 진료 전반에 적용됐다는 의미는 아니다. 기사에 소개된 별도의 연구 협력에서는 판막과 혈류의 상호작용도 시뮬레이션하며, 이러한 역학의 이해를 질병 진행 예측과 수복 계획, 새로운 기기 평가에 중요한 요소로 제시한다.

6. 희소하고 다양한 환자군을 위한 공동 개발

미국에는 약 240만 명의 선천성 심장병 환자가 있지만, 연구진은 이 환자군이 전통적인 기기 기업의 충분한 투자를 끌어내기에는 희소하고 다양하다고 설명한다. Jolley 팀이 필요로 하는 도구를 단일 기업이 모두 만들지 않았고, 한 기관만으로 개발하기도 어렵다는 점에서 오픈 소스가 대안으로 제시된다. SlicerHeart는 무료로 사용하고 확장할 수 있으며, CHOP과 함께 Stanford 및 Boston Children’s Hospital 연구진도 도구를 기여하고 있다. 차세대 공동 모델링 인프라를 구축할 전국 아동병원 컨소시엄도 형성 중이고, Jolley는 연구 커뮤니티와 자선 지원이 이런 개발을 뒷받침한다고 말한다. 기사는 NVIDIA의 MONAI·Newton·OpenUSD 투자와 협력이 산업 규모로 유지되는 기반 기술에 대한 접근을 제공해, 아동병원 연구실도 기업 규모의 엔지니어링 조직이 필요했을 도구를 활용할 수 있게 한다고 평가한다.

🧾 핵심 주장 / 시사점

• 모델 생성 시간을 수시간에서 수초로 줄인 변화는 심장 모델링을 개별 연구 과제에서 반복 가능한 임상 지원 수단으로 옮기는 핵심 조건으로 제시된다.
• 심장 모델 생성의 임상 활용과 기기 시뮬레이션의 개발은 성숙도가 다르며, 현재 성과와 실시간 임상 통합이라는 목표를 구분해 해석해야 한다.
• 오픈 소스의 가치는 무료 접근뿐 아니라, 환자별 차이가 커 상업 개발이 어려운 분야에서 여러 기관의 도구와 기반 기술을 함께 발전시키는 데 있다.

✅ 액션 아이템

• CHOP의 수초 단위 모델 생성과 복잡한 심실중격결손 수술 전 활용을 중심으로 일상 진료 적용 의미를 검토한다.
• NVIDIA Warp·Newton 기반 폐쇄 기기 기능의 구현 현황과 거의 실시간 처리·임상 통합 목표를 구분해 평가한다.
• SlicerHeart에 대한 기관별 기여와 전국 아동병원 컨소시엄의 형성 상황을 바탕으로 공동 개발의 역할을 검토한다.

❓ 열린 질문

• CHOP의 모델 생성 결과가 숙련된 사람과 같은 품질 기준을 충족한다는 평가는 어떤 기준과 범위에 근거하는가?
• NVIDIA Warp·Newton 기반 폐쇄 기기 시뮬레이션은 거의 실시간 처리와 임상 통합 목표에 어느 정도 도달했는가?
• 형성 중인 전국 아동병원 컨소시엄은 SlicerHeart와 공동 모델링 인프라 개발에 기관별 기여를 어떻게 연결할 것인가?