Antes que um robô de saúde possa ser útil no mundo real, ele precisa aprender como o mundo físico reage. A anatomia varia. Os instrumentos dobram, pressionam, deslizam e interagem com o tecido. As imagens podem ser ruidosas ou incompletas. E os cenários raros e extremos que os desenvolvedores mais precisam entender não aparecem conforme o planejado.
Isso cria um dos maiores gargalos na robótica de saúde: obter a enorme quantidade de dados variados que os desenvolvedores precisam para treinar, testar e melhorar o comportamento dos robôs.
O framework NVIDIA Medical Physics Simulation — uma nova capacidade de código aberto e acelerada por GPU dentro do NVIDIA Isaac for Healthcare — anunciada hoje, ajuda os desenvolvedores de robótica médica a modelar a interação anatomia-dispositivo, gerar cenários difíceis de capturar, testar in silico e treinar ou avaliar políticas de robôs antes dos testes com hardware intensivo.
O framework reúne o comportamento da anatomia e dos dispositivos médicos com a simulação de sensores e o aprendizado robótico, para que as equipes possam criar ambientes de simulação reutilizáveis em vez de reconstruir cenas personalizadas para cada fluxo de trabalho, economizando tempo dos desenvolvedores e levando as inovações ao mercado mais rapidamente.
Como o Medical Physics Simulation é de código aberto, os desenvolvedores de robótica médica podem inspecionar o framework, adaptá-lo aos seus próprios dispositivos e fluxos de trabalho, e construir sobre uma base acelerada por GPU que funciona perfeitamente com o stack mais amplo da NVIDIA.
O código aberto é especialmente importante na área da saúde porque as equipes precisam de transparência nos dados, modelos e pesos que moldam o comportamento do sistema. O acesso a modelos abertos e pesos de modelos pode ajudar os desenvolvedores a reproduzir resultados, avaliar o desempenho em diferentes anatomias e cenários, identificar limitações e construir evidências para revisão regulatória.
Um Campo de Treinamento Virtual para Robôs Médicos
Para a IA física, a experiência é dado em movimento. Os desenvolvedores precisam treinar robôs para operar corretamente mesmo quando a anatomia muda, os dispositivos se comportam de forma diferente, as condições variam ou uma política falha inesperadamente.
O Medical Physics Simulation ajuda os desenvolvedores a simular a anatomia, o contato de dispositivos, o atrito e as entradas de sensores, e depois testar em interações e ambientes para avaliar como os robôs se saem diante dessas mudanças. Alimentado pelo NVIDIA CUDA e parte do Isaac for Healthcare — construído sobre as tecnologias de simulação e IA generativa NVIDIA Warp, Newton e Cosmos — o framework pode executar centenas de ambientes de simulação em paralelo, ajudando as equipes a explorar mais cenários e identificar modos de falha mais cedo no desenvolvimento.
Para os construtores de robôs, isso transforma a simulação de um projeto de engenharia sob medida em infraestrutura reutilizável. A diferença agora é a escala: benchmarks mostram 8.192 ambientes de treinamento de robôs rodando em paralelo com simulação nativa de GPU, reduzindo o treinamento de mais de cinco horas para menos de dois minutos.
Com esse framework, os desenvolvedores podem conectar anatomia vascular, instrumentos flexíveis como cateteres e fios-guia, imagens de raios-X simuladas e aprendizado por reforço. O framework foi projetado para se estender além desse exemplo para dispositivos adicionais, anatomias, sensores e domínios de robótica de saúde.
O Medical Physics Simulation reúne a simulação de física clássica e a simulação de física com IA generativa. A simulação clássica ajuda a modelar regras físicas conhecidas, como contato de dispositivos, atrito e movimento. NVIDIA Cosmos-H Dreams, a capacidade de simulação de física com IA generativa em tempo real dentro do Medical Physics Simulation, ajuda a modelar a dinâmica visual de cenas aprendidas a partir de dados procedurais.
Juntos, esses métodos oferecem aos desenvolvedores uma forma mais rica de construir e testar sistemas de robótica de saúde em ambientes virtuais antes de passar para protótipos físicos e testes em laboratório.
Um Ecossistema Construindo o Futuro da Robótica Médica
Os líderes em robótica médica já estão aplicando o desenvolvimento orientado por simulação para resolver desafios cirúrgicos específicos.
CMR Surgical e Cambridge Consultants, parte da Capgemini, estão usando o Cosmos-H-Dreams para aprender implicitamente a física de interação em procedimentos cirúrgicos de tecidos moles e gerar simulações específicas para cada paciente. A CMR contribuiu com quase 500 horas de dados clínicos anonimizados de seu Sistema de Robô Cirúrgico Versius para o conjunto de dados aberto Open-H Embodiment, beneficiando procedimentos incluindo colecistectomia, prostatectomia, reparo de hérnia e histerectomia.
“Modelos de código aberto nos permitem construir sobre conhecimento compartilhado, acelerando a inovação responsável e, em última análise, nos dá o potencial de oferecer cuidados mais consistentes e melhores resultados para pacientes em todo o mundo”, disse Chris Fryer, diretor de tecnologia da CMR Surgical.
A Johnson & Johnson MedTech está usando o Medical Physics Simulation do Isaac for Healthcare e um modelo fundacional baseado no Cosmos para construir gêmeos digitais de sua plataforma endoluminal MONARCH para urologia, modelando anatomia complexa e cenários de cálculos renais.
A XCath está usando o Medical Physics Simulation para treinamento de política de autonomia endovascular. A Inner Logic está acelerando a evolução da tecnologia médica com dados sintéticos, validando a mecânica de dispositivos e produzindo evidências in silico para apoiar caminhos regulatórios com NVIDIA Medical Physical Simulation.
A Medtronic Structural Heart está explorando a aplicação do Medical Physics Simulation com detecção de raios-X simulada para gerar dados para pesquisa de navegação de cateteres.
Uma Nova Camada no Stack do Isaac for Healthcare
Como uma capacidade modular dentro do NVIDIA Isaac for Healthcare, o Medical Physics Simulation pode ser usado de forma independente ou junto com Pipelines de gêmeos digitais, simulação de sensores médicos, o framework de aprendizado robótico aberto NVIDIA Isaac Lab e os modelos e políticas abertos da NVIDIA.
Os desenvolvedores podem explorar o framework de código aberto Medical Physics Simulation, revisar os fluxos de trabalho de referência disponíveis e começar a construir ambientes de simulação para seus próprios dispositivos, anatomias e aplicações de robótica de saúde.