AI maakt 3D-hartmodellen voor kinderen in seconden

TL;DR

• Wat: Het kinderziekenhuis van Philadelphia (CHOP) gebruikt open-source AI om 3D-modellen van kinderharten te maken — in seconden in plaats van vier uur.
• Waarom relevant: Open-source AI-tools maken specialistische toepassingen toegankelijk buiten Big Tech, ook voor kleinere organisaties.
• Wat je ermee kunt: Verken of open-source AI-frameworks (zoals MONAI) relevant zijn voor beeldherkenning of analyse binnen jouw sector.

Ik viel over een bericht op X van @kimmonismus dat me niet meer losliet: een 3D-model van het hart van een kind maken, dat kostte een gespecialiseerde onderzoeker vier uur handwerk. Nu doet AI het in seconden. Ik wilde weten hoe dat werkt — en wat het bredere verhaal is.

Wat er precies aan de hand is

Het Children's Hospital of Philadelphia, beter bekend als CHOP, heeft een platform gebouwd waarmee CT-scans, MRI's en 3D-echobeelden automatisch worden omgezet in gedetailleerde 3D-modellen van kinderharten. De technologie draait op MONAI, een open-source framework voor medische beeldverwerking dat is opgezet door NVIDIA en King's College London.

De cijfers zijn concreet. Waar een getrainde onderzoeker voorheen zo'n vier uur nodig had om één hartmodel handmatig te bouwen, levert het AI-systeem hetzelfde resultaat op in seconden. Volgens NVIDIA's eigen blogpost voldoet de output aan dezelfde kwaliteitsstandaard als handmatig werk. Dr. Matthew Jolley, kindercardioloog en onderzoeker bij CHOP, noemt machine learning inmiddels "gewoon brood en boter" zodra je voldoende trainingsdata hebt.

Wat ik hier opmerkelijk vind: dit gaat niet over een prototype of een veelbelovend experiment. Meer dan twintig kinderziekenhuizen in de Verenigde Staten gebruiken dit soort hartmodellering al in de dagelijkse praktijk.

Waarom dit meer is dan een medisch verhaal

Je zou kunnen denken: mooi voor de zorg, maar wat heb ik er als ondernemer aan? Ik denk dat het onderliggende patroon hier interessanter is dan de toepassing zelf.

Het kernprincipe is dit: een taak die voorheen uren kostte van een schaarse specialist, wordt door AI teruggebracht tot seconden. Dat is geen toekomstmuziek — het draait nu, in productie, bij meerdere ziekenhuizen.

Dat patroon herken je in steeds meer sectoren. Denk aan het analyseren van technische tekeningen, het classificeren van productfoto's, of het beoordelen van schade op basis van beelden. De technologie die CHOP gebruikt — MONAI, gecombineerd met NVIDIA's Auto3DSeg — is open source en beschikbaar onder een Apache 2.0-licentie. Dat betekent: iedereen mag het gebruiken, ook commercieel, zonder licentiekosten.

Hoe de technologie werkt

Voor wie het iets preciezer wil weten: het systeem is opgebouwd uit een aantal lagen.

Van scan naar model

De basis is MONAI Label, een tool waarmee je medische beelden kunt labelen en segmenteren — zeg maar: de AI leren welk deel van een scan het hart is, welk deel een klep, en welk deel een bloedvat. Vervolgens neemt Auto3DSeg het over: dat is een NVIDIA-tool die automatisch het beste segmentatiemodel selecteert en traint op basis van de beschikbare data.

De artsen bij CHOP hebben daarnaast SlicerHeart gebouwd, een uitbreiding op het bestaande 3D Slicer-platform, specifiek ontworpen voor het visualiseren van kinderhartenstructuren.

Simulatie van ingrepen

Wat ik eerlijk gezegd fascinerend vind: het stopt niet bij het 3D-model. CHOP gebruikt ook NVIDIA's Newton physics engine en het OpenUSD-formaat om vervolgens te simuleren hoe een medisch hulpmiddel — bijvoorbeeld een hartklep — zich gedraagt in dat specifieke hart. Dr. Jolley beschrijft het als volgt: je hebt een uniek kind en een standaard hulpmiddel, en je wilt weten wat past vóórdat je de operatiekamer ingaat.

Die simulatie kostte eerder ook vier uur, of een hele nacht als je meerdere configuraties wilde testen. Ook dat gaat nu richting real-time.

Wat open source hier mogelijk maakt

Dit is misschien het belangrijkste punt voor ondernemers. CHOP heeft bewust gekozen voor een open-source aanpak. Waarom? Omdat aangeboren hartafwijkingen zeldzaam zijn — ongeveer 1% van alle levendgeborenen — en geen twee gevallen hetzelfde zijn. Dat maakt het commercieel onaantrekkelijk voor traditionele fabrikanten om op maat gemaakte oplossingen te ontwikkelen.

Door de tools vrij beschikbaar te maken, kunnen andere ziekenhuizen ze overnemen, verbeteren en bijdragen. Boston Children's Hospital gebruikt de modelleringstechnologie inmiddels bij meer dan de helft van alle hartoperaties — zo'n vijfhonderd ingrepen per jaar. CHOP zelf verwacht dit jaar ongeveer tweehonderd gemodelleerde gevallen te behandelen.

Kun je je voorstellen wat dit principe betekent buiten de zorg? Stel dat je als ondernemer in een nichemarkt werkt waar commerciële softwareoplossingen te duur zijn of simpelweg niet bestaan. Open-source AI-frameworks als MONAI laten zien dat je met de juiste expertise en data een oplossing kunt bouwen die voorheen alleen voor grote organisaties haalbaar was.

De nuance

Ik wil hier ook eerlijk zijn over wat dit verhaal níét zegt. Het feit dat de technologie open source is, betekent niet dat het eenvoudig is om te implementeren. Je hebt domeinkennis nodig, trainingsdata, en GPU-rekenkracht. CHOP heeft een team van onderzoekers en artsen die jarenlang aan dit platform hebben gebouwd.

Voor een gemiddeld MKB-bedrijf is het dus niet een kwestie van "even MONAI downloaden en aan de slag". Maar het signaal is wel helder: de bouwstenen voor geavanceerde AI-toepassingen worden steeds toegankelijker. De drempel zit niet meer in de technologie zelf, maar in de vraag of je weet welk probleem je ermee wilt oplossen — en of je de data hebt om het te voeden.

Ik merk ook op dat de berichtgeving overwegend positief is. Ik heb geen onafhankelijke kritische analyses gevonden over de nauwkeurigheid van de AI-modellen ten opzichte van handmatig werk, anders dan de claim van het team zelf dat de kwaliteit vergelijkbaar is. Dat is het vermelden waard.

Wat ik hiervan meeneem

Voor mij is dit vooral een voorbeeld van hoe AI het sterkst is wanneer het een concreet, meetbaar probleem oplost: vier uur wordt seconden, en het resultaat is minstens even goed. Geen vaag verhaal over productiviteit, maar een specifieke taak die fundamenteel verandert.

En het feit dat dit draait op open-source tools, vrij beschikbaar voor iedereen — dat vind ik een van de krachtigste ontwikkelingen in het huidige AI-landschap. Niet alles hoeft achter een betaalmuur te zitten. Soms is de beste technologie gewoon beschikbaar, als je weet waar je moet kijken.