Nvidia Physical AI решает задачу обработки данных в области медицинской робототехники.

Недавно выпущенная компания Nvidia Структура моделирования в медицинской физике представляет собой сдвиг парадигмы в разработке робототехники для здравоохранения, рассматривая медицинских роботов как физические системы искусственного интеллекта которые требуют личного опыта, а не традиционных подходов к программированию.

🤖 Изучение физического ИИ в робототехнике здравоохранения

Физический ИИ это терминология Nvidia а в более широком контексте робототехники этот термин используется для описания машин, которые приобретают знания посредством физические взаимодействия — контакт, сила и последствия — а не обработка исключительно текста или изображений.

В то время как языковые модели обучаются на текстовых данных, физические системы искусственного интеллекта формируют понимание на основе реальных сценариев: Взаимодействие катетера со стенкой сосуда, давление роботизированной руки на мягкие ткани и другие тактильные ощущенияТрадиционно такое обучение требует либо физической работы в реальных условиях, либо высокодетализированных симуляций, способных воспроизводить физическую реальность.

В сфере медицинской робототехники физические тела, задействованные в реальных медицинских процедурах, встречаются редко, строго регулируются и недостаточны для создания разнообразных сценариев, которые роботы должны уметь осваивать.

💡 Моделирование в медицинской физике: вычислительный практический опыт

Medical Physics Simulation — это решение от Nvidia для... производство воплощенного опыта вычислительнымАнонсировано как дополнение с открытым исходным кодом к продуктам компании. Платформа Isaac для здравоохраненияЭта система генерирует физические взаимодействия, для которых хирургическим или диагностическим роботам в противном случае потребовались бы годы клинической практики:

• 🔹 Направляющие проволоки цепляются за кальцинированные стенки сосудов
• 🔹 Камни в почках расположены под необычными углами
• 🔹 Реакции мягких тканей, возникающие в редких случаях проведения процедур

Эти крайние случаи Они непредсказуемо появляются в операционных. Моделирование позволяет разработчикам создавать их по запросу.что значительно ускоряет процесс обучения.

⚙️ Двухмодельная архитектура: классическая физика и генеративный искусственный интеллект

Данная структура объединяет в себе два взаимодополняющих подхода к моделированию для моделирования поведения устройства внутри человеческого тела:

1. Моделирование в классической физике — Обрабатывает хорошо известные механические законы: динамику изгиба катетера, сопротивление стенок сосудов и изменения контактной силы при перемещении инструментов в тканях.

2. Генеративный ИИ — Управляет сложной динамикой визуальной сцены, полученной из процедурных данных, с помощью компонента, называемого Cosmos-H Dreams, затрагивая аспекты, которые трудно запрограммировать вручную.

Эта комбинация воплощает в себе физическое предложение в области искусственного интеллектаКлассическое моделирование обеспечивает физические ограничения, которым должны подчиняться роботы, в то время как генеративное моделирование предоставляет анатомическое и визуальное разнообразие, необходимое для обобщения.

Важное замечание: данный тест демонстрирует пропускную способность, но не рассматривает клиническую надежность или реальную производительность в условиях неполного изображения, задержки показаний датчиков или анатомических вариаций, выходящих за рамки параметров моделирования.

⚠️ Сбой в крайних случаях языковой модели приводит к неверному ответу. Сбой в крайних случаях физической системы искусственного интеллекта происходит внутри пациента, что подчеркивает критическую разницу в ставках.

🏥 Первые пользователи и подходы к внедрению

Организации, которые Nvidia относит к числу первых пользователей, применяют физический подход к искусственному интеллекту на различная глубина интеграции:

📊 Предоставили данные: CMR Surgical и Cambridge Consultants

CMR Хирургический и Кембриджские консультанты (Компания, принадлежащая Capgemini) внесла наиболее существенный вклад в сбор данных. CMR предоставила почти 500 часов анонимизированных клинических данных от своей хирургической роботизированной системы Versius до набора данных Open-H Embodiment, охватывающего:

• ✓ Процедуры холецистэктомии
• ✓ Процедуры простатэктомии
• ✓ Лечение грыжи
• ✓ Процедуры гистерэктомии

Вместе они используют Cosmos-H Dreams для того, чтобы моделирование физики взаимодействия мягких тканей и создание симуляций, учитывающих индивидуальные особенности пациента..

«Модели с открытым исходным кодом позволяют нам опираться на общие знания, ускоряя ответственные инновации и, в конечном итоге, дают нам возможность оказывать более качественную медицинскую помощь и добиваться лучших результатов для пациентов во всем мире». Крис Фрайер, технический директор CMR Surgical.

🔬 Приложения, специфичные для конкретной платформы

Johnson & Johnson MedTech использует эту платформу в сочетании с базовой моделью на основе Cosmos для разработки цифровой двойник своей эндолюминальной платформы MONARCH, специализирующейся на лечении камней в почках в урологии.

XCath применяет это к обучение политике эндоваскулярной автономииобучающие системы, осваивающие физическую динамику навигации кровеносных сосудов без участия человека-оператора.

Внутренняя логика генерирует синтетические данные для проверки механических характеристик устройства, заявляя о намерениях производить доказательства, полученные с помощью компьютерного моделирования что касается подачи заявок в регулирующие органы, хотя публичного подтверждения таких заявок пока нет.

Medtronic Structural Heart Находится на стадии исследования, изучающего моделирование рентгеновского излучения для целей навигации катетера.

📋 Преимущества управления на основе открытого исходного кода

Роботы в здравоохранении сталкиваются требования к управлению которые превосходят показатели большинства физических приложений искусственного интеллекта, включая промышленных и складских роботов. Регуляторы и клинические экспертные комиссии Требуется прозрачность в том, как системы формируют свое поведение, а не просто подтверждение приемлемых результатов тестирования.

Фреймворк с открытым исходным кодом предоставляет разработчикам возможности для:

• 🔍 Проверьте физические допущения. в рамках моделирования
• 🔍 Воспроизвести результаты в различных анатомических областях
• 🔍 Создавайте следы улик подходит для подачи документов в FDA или аналогичные регулирующие органы.

Это представляет собой более веский аргумент в пользу открытости физического ИИ В отличие от большинства категорий программного обеспечения, где закрытые конвейеры поставок скрывают предположения, которые командам в противном случае пришлось бы защищать перед регулирующими органами.

Открытый исходный код позволяет внешним рецензентам изучать логику модели, но не подтверждает, соответствует ли физическое поведение модели реальным реакциям организма — для проверки по-прежнему требуются тесты, результаты которых участвующие компании еще не опубликовали.

🚀 Инфраструктура для ускоренного развития

Компания Nvidia создала инфраструктуру, способную... сокращение подготовительного этапа к аппаратной части Разработка физического ИИ для хирургических и диагностических роботов. Проведение обучения в таком масштабе в параллельных средах представляет собой значительный отход от необходимости перестраивать пользовательские сцены моделирования для каждого рабочего процесса.

Для получения более подробной информации по этой теме посетите [ссылка]. Физическая выставка искусственного интеллекта.