フィラデルフィア小児病院、オープンソースAIで心臓モデルを数秒で作成

何が起きたか：NVIDIAが伝えるフィラデルフィア小児病院の取り組み

2026年9月15日、NVIDIAは公式ブログで、フィラデルフィア小児病院（CHOP）がオープンソースのAIツールを使い、子どもの心臓のモデルを数秒で作成していると紹介しました。記事によれば、目的は先天性心疾患の子どもに、より安全で精密な医療を届けることです。著者はIsha Salianです。これはベンダーのブログであり、以下の主張はすべてNVIDIAと、記事が引用する病院の研究者によるものです。自己申告であり、独立した情報源での確認はできていません。

記事はまず、出生児の約1%に先天性心疾患があり、同じものは二つとない、という事実から始まります。下の二つの心室の間に穴がある子もいれば、生命を支える唯一のポンプ室で弁が漏れている子もいます。そうした子どもには、その解剖にぴったり合う治療が必要です。記事によると、外科医が使う器具は、その特定の子どものために設計されたものではほとんどありませんでした。CHOPの心臓専門医で研究者のMatthew Jolley博士は「唯一無二の子どもに、既製品の器具を当てはめているのです」と述べています。さらに、モデリングがあれば、カテーテル室や手術室に入る前に、何が合うかを見つけられると語っています。

記事の主な事実

CHOPの心臓モデリングサービスは、NVIDIAが共同創設したオープンソースの医用画像フレームワークMONAIの上に構築されています。CT、MRI、3D超音波など、診療チームがすでに持っている画像を取り込み、解剖学的に正確な心臓モデルをわずか数秒で作ります。記事は、かつて熟練した研究者が4時間かけていた作業が、日常の臨床で使えるほど速くなったと述べています。 普及の状況について、記事は次の数字を挙げています。 - 米国では20を超える小児病院が心臓モデリングのプログラムを運営しています。

• ボストン小児病院では、モデリングが心臓手術の半数以上、年間およそ500例を支えています。
• CHOPは今年、約200例のモデリングに達する見込みです。
• CHOPは現在、病院のMorgan Center for Research and Innovationの一部であるIDEA Labを通じて、同じツールを複数の診療分野に広げることを目指しています。

記事は、研究から標準治療までの10年にわたる道のりをたどっています。Jolleyが2015年にCHOPに加わった頃、3D心エコーはちょうど登場したところでした。成人の弁向けのツールはありましたが、小さく複雑な小児の解剖に向けたものはほとんどありませんでした。彼の研究室はオープンソースコミュニティと協力してSlicerHeartを構築しました。これは、3D医用画像の可視化、セグメンテーション、解析のためのオープンソースソフトウェア3D Slicerの拡張です。チームはその後、複数の撮像方式から小児の心臓と弁をモデル化するワークフローを開発しました。 長年、モデル一つを作るには、熟練した研究アシスタントが作業台の前で何時間も費やす必要がありました。機械学習がそれを変えました。チームはMONAI LabとNVIDIAのAuto3DSeg実装を使い、過去の画像とモデルのペアでセグメンテーションネットワークを訓練しました。NVIDIAによれば、出力は訓練を受けた人間が作るものと同じ品質基準を満たし、所要時間は数時間から数秒になりました。Jolleyは、機械学習は今や「日常業務」になったと言い、画像とモデルのペアが10〜20組できたらモデルを訓練して使い始める、と述べています。 記事は活用例も示しています。CHOPは、二種類の人工弁が患者の心臓にどう収まるかを比較でき、それぞれの弁が心臓壁にかける応力が色で表示されます。複雑な心室中隔欠損（下の二つの心室の間の穴）では、CHOPは現在、手術前のモデリングを定型として行っています。初期の症例が詳しく紹介されています。その子はすでに2回の修復に失敗しており、外科医は従来の方法では欠損の場所を特定できませんでした。3Dモデルが解剖を明確にし、修復は一度で成功しました。Jolleyは、こうした症例では心臓モデリングが研究から標準治療に移ったと述べています。

形から物理へ：NewtonとNVIDIA Warp

心臓の形が見えるだけでは目標の半分です。Jolleyのチームは、器具を心臓の中に置いたときに何が起きるかを、処置が始まる前に予測したいと考えています。そこで登場するのがNewtonです。記事はNewtonを、NVIDIA Warp Pythonフレームワーク上に構築され、GPUで物理シミュレーションを実行するオープンソースの物理エンジンと説明しています。もともとはシミュレーションによるAIロボット訓練を想定したものでした。

CHOPはNVIDIAやオープンソースコミュニティと協力し、Warpを使った生体力学向けのシミュレーション基盤を構築しており、それをNewtonに取り込めるようにしています。これらの基盤が3D SlicerやSlicerHeartと統合されれば、特定の患者の体内で器具がどう展開するかを決める、組織の材料特性を医師が理解する助けになります。記事によれば、GPU加速により、器具のシミュレーションは最大4時間（複数の構成なら一晩がかり）から、ほぼリアルタイムに短縮できます。医師は、異なる器具が子どもの解剖にどう合うかを比べ、その日のうちの判断に間に合う速さで結果を得られる、というのが記事の描く姿です。

ここでは言葉遣いが重要です。CHOPは、心臓の穴をふさぐ閉鎖デバイス向けに、WarpとNewtonを使った機能の実装を「始めた」段階で、カテーテルによる弁についても同様の手法を使うことを「望んで」います。SlicerHeartとの接続は「進行中」で、リアルタイムのシミュレーションを臨床ワークフローに取り入れることは長期的な目標とされています。さらに、SlicerHeartと、OpenUSDを基盤とするNVIDIA Omniverseのデジタルツインを組み合わせるカプラーも「開発中」です。記事は、こうしたシミュレーションが仮想現実の環境に流れ込み、組み込まれたビジョン言語モデルを使って、医師が行動する前にシミュレーション上で子どもの心臓の解剖に問いかけたり操作したりできるようになる、と述べています。

記事がオープンソースを重視する理由

記事は、この分野にオープンソースが合う理由を経済面から論じています。米国では約240万人が先天性心疾患とともに暮らしています。記事によれば、この集団は数が少なく、症例も多様すぎて、家族が必要とする規模の投資を機器メーカーから引き出せません。Jolleyのチームが必要とするツールを作った企業は一社もありません。SlicerHeartのツールは無料で使え、その上に開発できます。スタンフォード大学とボストン小児病院の研究者がCHOPと並んでツールを提供しており、小児病院の全国的なコンソーシアムが、次世代の共有モデリング基盤を作るために発足しつつあります。

Jolleyは、この集団は通常の商業開発を支えるには小さすぎるが、問題は非常に重要なので、研究コミュニティと慈善活動が後押ししていると述べています。彼の言葉では、オープンソースは、障壁のない協力と進歩を可能にすることで、小さく多様な集団に対して「従来の経済学を覆す」ものです。

記事は最後に、NVIDIA自身の役割に触れます。医用画像AIのMONAI、物理シミュレーションのNewton、3D相互運用性のOpenUSDといったオープンなプラットフォームへのNVIDIAの投資が、Jolleyのようなチームに、産業規模で維持されるインフラへのアクセスを与える、と述べています。小児病院の研究室は、本来なら企業規模のエンジニアリングチームが必要なツールを、すぐに使えるようになります。

私たちの分析：この話が示すことと示さないこと

私たちの読みでは、この話で最も確かなのはAIそのものではなく、ワークフローの変化です。セグメンテーション、つまりスキャン画像の中で心臓の構造の輪郭を描く作業は、人が手でやると時間がかかります。記事が描くのは、少数の完成した画像とモデルのペアでネットワークを訓練し、その後は定型的な輪郭取りをネットワークが担うという循環です。これは機械学習の控えめで信頼できる使い方です。ボトルネックを取り除き、臨床判断は人に残します。

第二の層、つまり器具の物理シミュレーションは性質が違います。記事は、ここを将来形で語っています。「助けになりうる」「望んでいる」「開発中」「長期目標」といった具合です。ほぼリアルタイムのシミュレーションは、記事自身がまだ進行中と述べる統合作業に依存する目標です。読者はこの二つの層を分けて考えるべきです。画像に基づくモデリングはCHOPで定型化していると書かれ、WarpとNewtonによる器具シミュレーションは初期段階と書かれています。

オープンソースの主張も吟味に値します。経済的な理屈は筋が通っています。希少で多様な患者集団は通常の製品市場を支えられず、共有ツールならコストを分け合えます。同時に、この記事はGPUとプラットフォームを販売する企業が発信しており、その企業のオープンなプロジェクトを推進役として位置づけています。主張が偽だということにはなりませんが、語り口がNVIDIAの製品に有利であることは意味します。

情報源の限界と未解決の問い

• 記事は自己申告です。精度の数値も誤差率も示されず、モデルの出力と専門家の輪郭との比較もありません。出力が「訓練を受けた人間が作るものと同じ品質基準を満たす」という記述を裏づけるデータは、記事にありません。- 唯一の手術例、つまり2回の失敗の後に成功した修復は、一つの例にすぎません。得られうる利点を示しますが、その利点がどのくらいの頻度で生じるかは示しません。- モデリングを行った手術と行わなかった手術との間で、合併症率や入院期間などの転帰データは示されていません。

• 「4時間」という数字が二つ出てきます。一つは熟練した研究者がモデルを作る時間、もう一つは器具シミュレーションの時間です。別々の工程を指しています。- 記事は、規制当局による審査、検証研究、臨床試験について何も述べていません。シミュレーションツールが臨床でより広く使われる前にそうした審査が必要になるかどうかは、情報源が答えていない未解決の問いです。- 小児病院のコンソーシアムが、どのように資金を得て、どのように運営されるかも記事にはありません。

読者への実践的なポイント

臨床医や病院のイノベーションチームにとって役立つのは、その型です。すでにある画像から始め、画像とモデルの小さなペアの集合を作り、セグメンテーションモデルを訓練して使う。画像の段階が信頼されてから、シミュレーションに進む。

開発者にとっては、記事が具体的に挙げるオープンなプロジェクトが読む価値のある対象です。MONAI、MONAI Label、Auto3DSeg、3D Slicer、SlicerHeart、NVIDIA Warp、Newton、OpenUSDです。政策を見守る人にとっては、希少疾患のツールを誰が作り、誰が費用を負担し、誰が検証するのかという、もっともな問いが浮かびます。査読された結果や独立した結果が出るまでは、数字はNVIDIAとCHOP自身の主張として扱ってください。