Antes de que un robot de atención médica pueda ser útil en el mundo real, debe aprender cómo el mundo físico responde. La anatomía varía. Los instrumentos se doblan, presionan, resbalan e interactúan con el tejido. Las imágenes pueden ser ruidosas o incompletas. Y los escenarios raros y extremos que los desarrolladores más necesitan comprender no aparecen según lo programado.
Esto crea uno de los mayores cuellos de botella en la robótica sanitaria: obtener la enorme cantidad de datos variados que los desarrolladores necesitan para entrenar, probar y mejorar el comportamiento de los robots.
El framework NVIDIA Medical Physics Simulation — una nueva capacidad de código abierto y acelerada por GPU dentro de NVIDIA Isaac for Healthcare — anunciada hoy, ayuda a los desarrolladores de robótica médica a modelar la interacción anatomía-dispositivo, generar escenarios difíciles de capturar, realizar pruebas in silico y entrenar o evaluar políticas de robots antes de las pruebas con hardware intensivo.
El framework reúne el comportamiento de la anatomía y los dispositivos médicos con la simulación de sensores y el aprendizaje robótico, para que los equipos puedan crear entornos de simulación reutilizables en lugar de reconstruir escenas personalizadas para cada flujo de trabajo, ahorrando tiempo a los desarrolladores y llevando las innovaciones al mercado más rápidamente.
Dado que Medical Physics Simulation es de código abierto, los desarrolladores de robótica médica pueden inspeccionar el framework, adaptarlo a sus propios dispositivos y flujos de trabajo, y construir sobre una base acelerada por GPU que funciona perfectamente con el stack más amplio de NVIDIA.
El código abierto es especialmente importante en el sector sanitario porque los equipos necesitan transparencia en los datos, modelos y pesos que determinan el comportamiento del sistema. El acceso a modelos abiertos y pesos de modelos puede ayudar a los desarrolladores a reproducir resultados, evaluar el rendimiento en diferentes anatomías y escenarios, identificar limitaciones y construir evidencia para la revisión regulatoria.
Un Campo de Entrenamiento Virtual para Robots Médicos
Para la IA física, la experiencia es información en movimiento. Los desarrolladores necesitan entrenar robots para operar correctamente incluso cuando la anatomía cambia, los dispositivos se comportan de manera diferente, las condiciones varían o una política falla inesperadamente.
Medical Physics Simulation ayuda a los desarrolladores a simular la anatomía, el contacto de dispositivos, la fricción y las entradas de sensores, y luego probar interacciones y entornos para evaluar cómo se desempeñan los robots ante esos cambios. Impulsado por NVIDIA CUDA y parte de Isaac for Healthcare — construido sobre las tecnologías de simulación e IA generativa NVIDIA Warp, Newton y Cosmos — el framework puede ejecutar cientos de entornos de simulación en paralelo, ayudando a los equipos a explorar más escenarios e identificar modos de falla antes en el desarrollo.
Para los constructores de robots, esto convierte la simulación de un proyecto de ingeniería a medida en infraestructura reutilizable. La diferencia ahora es la escala: benchmarks muestran 8.192 entornos de entrenamiento de robots ejecutándose en paralelo con simulación nativa de GPU, reduciendo el entrenamiento de más de cinco horas a menos de dos minutos.
Con este framework, los desarrolladores pueden conectar anatomía vascular, instrumentos flexibles como catéteres y guías, imágenes de rayos X simuladas y aprendizaje por refuerzo. El framework está diseñado para extenderse más allá de ese ejemplo a dispositivos adicionales, anatomías, sensores y dominios de robótica sanitaria.
Medical Physics Simulation reúne la simulación de física clásica y la simulación de física con IA generativa. La simulación clásica ayuda a modelar reglas físicas conocidas, como el contacto de dispositivos, la fricción y el movimiento. NVIDIA Cosmos-H Dreams, la capacidad de simulación de física con IA generativa en tiempo real dentro de Medical Physics Simulation, ayuda a modelar la dinámica visual de escenas aprendidas a partir de datos procedurales.
Juntos, estos enfoques brindan a los desarrolladores una forma más rica de construir y probar sistemas de robótica sanitaria en entornos virtuales antes de pasar a prototipos físicos y pruebas de laboratorio.
Un Ecosistema Construyendo el Futuro de la Robótica Médica
Los líderes en robótica médica ya están aplicando el desarrollo basado en simulación para resolver desafíos quirúrgicos específicos.
CMR Surgical y Cambridge Consultants, parte de Capgemini, están usando Cosmos-H-Dreams para aprender implícitamente la física de interacción en procedimientos quirúrgicos de tejidos blandos y generar simulaciones específicas para cada paciente. CMR contribuyó con casi 500 horas de datos clínicos anonimizados de su Sistema de Robot Quirúrgico Versius al conjunto de datos abierto Open-H Embodiment, beneficiando procedimientos como colecistectomía, prostatectomía, reparación de hernias e histerectomía.
«Los modelos de código abierto nos permiten construir sobre conocimiento compartido, acelerando la innovación responsable y, en última instancia, nos da el potencial de brindar una atención más consistente y mejores resultados para los pacientes en todo el mundo», dijo Chris Fryer, director de tecnología de CMR Surgical.
Johnson & Johnson MedTech está utilizando Medical Physics Simulation de Isaac for Healthcare y un modelo fundacional basado en Cosmos para construir gemelos digitales de su plataforma endoluminal MONARCH para urología, modelando anatomía compleja y escenarios de cálculos renales.
XCath está utilizando Medical Physics Simulation para el entrenamiento de políticas de autonomía endovascular. Inner Logic está acelerando la evolución de la tecnología médica con datos sintéticos, validando la mecánica de dispositivos y produciendo evidencia in silico para apoyar las vías regulatorias con NVIDIA Medical Physical Simulation.
Medtronic Structural Heart está explorando la aplicación de Medical Physics Simulation con detección de rayos X simulada para generar datos para la investigación de navegación de catéteres.
Una Nueva Capa en el Stack de Isaac for Healthcare
Como capacidad modular dentro de NVIDIA Isaac for Healthcare, Medical Physics Simulation se puede usar de forma independiente o junto con Pipelines de gemelos digitales, simulación de sensores médicos, el framework de aprendizaje robótico abierto NVIDIA Isaac Lab y los modelos y políticas abiertos de NVIDIA.
Los desarrolladores pueden explorar el framework de código abierto Medical Physics Simulation, revisar los flujos de trabajo de referencia disponibles y comenzar a construir entornos de simulación para sus propios dispositivos, anatomías y aplicaciones de robótica sanitaria.