NVIDIA、初のGPU加速医療物理シミュレーションフレームワークをオープンソース化
サマリー
NVIDIAは医療ロボティクス向けのGPU加速オープンソースシミュレーションフレームワークを発表しました。このフレームワークは、解剖学とデバイスの相互作用をモデル化し、開発者がシミュレーション環境を再利用できるようにします。オープンソースの特性により、透明性が確保され、医療分野での革新を加速します。
本文
医療ロボットが実世界で役立つためには、物理的な世界がどのように反発するかを学ぶ必要があります。解剖学は様々で、器具は曲がったり、押したり、滑ったり、組織と相互作用します。画像はノイズが多かったり、不完全であったりします。また、開発者が最も理解する必要がある稀なエッジシナリオは、予定通りには現れません。これにより、医療ロボティクスにおける最大のボトルネックの一つが生じます。それは、開発者がロボットの行動を訓練、テスト、改善するために必要な多様なデータを取得することです。
NVIDIAの医療物理シミュレーションフレームワークは、NVIDIA Isaac for Healthcare内の新しいオープンソースのGPU加速機能であり、医療ロボティクス開発者が解剖学とデバイスの相互作用をモデル化し、捉えにくいシナリオを生成し、シミュレーションでテストし、ハードウェアを使用したテストの前にロボットのポリシーを訓練または評価するのを支援します。このフレームワークは、解剖学と医療機器の動作をセンサーシミュレーションやロボット学習と統合し、チームが各ワークフローのためにカスタムシーンを再構築するのではなく、再利用可能なシミュレーション環境を作成できるようにします。これにより、開発者の時間を節約し、革新を迅速に市場に投入することが可能になります。
医療物理シミュレーションはオープンソースであるため、医療ロボティクス開発者はフレームワークを検査し、自分のデバイスやワークフローに適応させ、NVIDIAの広範なスタックとシームレスに連携するGPU加速基盤の上に構築できます。オープンソースは特に医療において重要であり、チームはシステムの動作を形作るデータ、モデル、重みへの透明性を必要とします。オープンモデルやモデルの重みにアクセスすることで、開発者は結果を再現し、異なる解剖学やシナリオでのパフォーマンスを評価し、限界を特定し、規制レビューのための証拠を構築することができます。
医療ロボットのための仮想訓練場として、医療物理シミュレーションは開発者が解剖学、デバイス接触、摩擦、センサー入力をシミュレートし、相互作用や環境でテストしてロボットのパフォーマンスを評価するのを助けます。NVIDIA CUDAによって駆動され、NVIDIA Warp、Newton、Cosmosのシミュレーションおよび生成AI技術に基づいて構築されたこのフレームワークは、数百の並列シミュレーション環境を実行でき、チームがより多くのシナリオを探求し、開発の初期段階で失敗モードを特定するのを助けます。ロボットビルダーにとって、これはシミュレーションを特注のエンジニアリングプロジェクトから再利用可能なインフラストラクチャに変えます。今やスケールの違いがあります。ベンチマークによると、8,192のロボット訓練環境が並行して実行されるGPUネイティブシミュレーションは、訓練時間を5時間以上から2分未満に短縮します。
このフレームワークを使用することで、開発者は血管解剖学、カテーテルやガイドワイヤーなどの柔軟な器具、シミュレーションされたX線画像、強化学習を接続できます。このフレームワークは、追加のデバイス、解剖学、センサー、医療ロボティクスの領域に拡張するように設計されています。
医療物理シミュレーションは、古典的な物理シミュレーションと生成AI物理シミュレーションを統合します。古典的なシミュレーションは、デバイス接触、摩擦、運動などの既知の物理法則をモデル化するのに役立ちます。医療物理シミュレーション内のリアルタイム生成AI物理シミュレーション機能であるNVIDIA Cosmos-H Dreamsは、手続き的データから学習した視覚シーンのダイナミクスをモデル化するのに役立ちます。これらのアプローチを組み合わせることで、開発者は物理プロトタイプやラボテストに移行する前に、仮想環境で医療ロボティクスシステムを構築し、テストするためのより豊かな方法を提供します。
医療ロボティクスの未来を築くエコシステムとして、医療ロボティクスのリーダーたちは、特定の外科的課題を解決するためにシミュレーション駆動の開発をすでに適用しています。CMR SurgicalとCapgeminiの一部であるCambridge Consultantsは、Cosmos-H-Dreamsを使用して軟部組織外科手術のための相互作用物理を暗黙的に学習し、患者特有のシミュレーションを生成しています。CMRは、胆嚢摘出術、前立腺摘出術、ヘルニア修復術、子宮摘出術を含む手術に利益をもたらすために、Versius Surgical Robotic Systemからの匿名化された臨床データを約500時間提供しました。「オープンソースモデルは、共有された知識に基づいて構築することを可能にし、責任ある革新を加速し、最終的には世界中の患者により一貫したケアとより良い結果を提供する可能性を与えます」とCMR Surgicalの最高技術責任者であるクリス・フライヤーは述べています。
ジョンソン・エンド・ジョンソン・メドテックは、Isaac for Healthcareの医療物理シミュレーションとCosmosベースの基盤モデルを使用して、泌尿器科の内腔MONARCHプラットフォームのデジタルツインを構築し、複雑な解剖学や腎結石シナリオをモデル化しています。
XCathは、血管内自律ポリシーの訓練のために医療物理シミュレーションを使用しています。Inner Logicは、合成データを使用して医療技術の進化を加速し、デバイスのメカニクスを検証し、規制経路をサポートするためのin silico証拠を生成しています。メドトロニックの構造心臓部門は、カテーテルナビゲーション研究のためのデータを生成するために、シミュレートされたX線センサーを使用して医療物理シミュレーションを適用することを検討しています。
Isaac for Healthcareスタックの新しいレイヤーとして、医療物理シミュレーションは、単独で使用することも、デジタルツインパイプライン、医療センサーシミュレーション、NVIDIA Isaac Labオープンロボット学習フレームワーク、NVIDIAオープンモデルおよびポリシーと組み合わせて使用することもできます。開発者はオープンソースの医療物理シミュレーションフレームワークを探求し、利用可能な参照ワークフローを確認し、自分のデバイス、解剖学、医療ロボティクスアプリケーションのためのシミュレーション環境を構築し始めることができます。
NVIDIAの医療物理シミュレーションフレームワークは、NVIDIA Isaac for Healthcare内の新しいオープンソースのGPU加速機能であり、医療ロボティクス開発者が解剖学とデバイスの相互作用をモデル化し、捉えにくいシナリオを生成し、シミュレーションでテストし、ハードウェアを使用したテストの前にロボットのポリシーを訓練または評価するのを支援します。このフレームワークは、解剖学と医療機器の動作をセンサーシミュレーションやロボット学習と統合し、チームが各ワークフローのためにカスタムシーンを再構築するのではなく、再利用可能なシミュレーション環境を作成できるようにします。これにより、開発者の時間を節約し、革新を迅速に市場に投入することが可能になります。
医療物理シミュレーションはオープンソースであるため、医療ロボティクス開発者はフレームワークを検査し、自分のデバイスやワークフローに適応させ、NVIDIAの広範なスタックとシームレスに連携するGPU加速基盤の上に構築できます。オープンソースは特に医療において重要であり、チームはシステムの動作を形作るデータ、モデル、重みへの透明性を必要とします。オープンモデルやモデルの重みにアクセスすることで、開発者は結果を再現し、異なる解剖学やシナリオでのパフォーマンスを評価し、限界を特定し、規制レビューのための証拠を構築することができます。
医療ロボットのための仮想訓練場として、医療物理シミュレーションは開発者が解剖学、デバイス接触、摩擦、センサー入力をシミュレートし、相互作用や環境でテストしてロボットのパフォーマンスを評価するのを助けます。NVIDIA CUDAによって駆動され、NVIDIA Warp、Newton、Cosmosのシミュレーションおよび生成AI技術に基づいて構築されたこのフレームワークは、数百の並列シミュレーション環境を実行でき、チームがより多くのシナリオを探求し、開発の初期段階で失敗モードを特定するのを助けます。ロボットビルダーにとって、これはシミュレーションを特注のエンジニアリングプロジェクトから再利用可能なインフラストラクチャに変えます。今やスケールの違いがあります。ベンチマークによると、8,192のロボット訓練環境が並行して実行されるGPUネイティブシミュレーションは、訓練時間を5時間以上から2分未満に短縮します。
このフレームワークを使用することで、開発者は血管解剖学、カテーテルやガイドワイヤーなどの柔軟な器具、シミュレーションされたX線画像、強化学習を接続できます。このフレームワークは、追加のデバイス、解剖学、センサー、医療ロボティクスの領域に拡張するように設計されています。
医療物理シミュレーションは、古典的な物理シミュレーションと生成AI物理シミュレーションを統合します。古典的なシミュレーションは、デバイス接触、摩擦、運動などの既知の物理法則をモデル化するのに役立ちます。医療物理シミュレーション内のリアルタイム生成AI物理シミュレーション機能であるNVIDIA Cosmos-H Dreamsは、手続き的データから学習した視覚シーンのダイナミクスをモデル化するのに役立ちます。これらのアプローチを組み合わせることで、開発者は物理プロトタイプやラボテストに移行する前に、仮想環境で医療ロボティクスシステムを構築し、テストするためのより豊かな方法を提供します。
医療ロボティクスの未来を築くエコシステムとして、医療ロボティクスのリーダーたちは、特定の外科的課題を解決するためにシミュレーション駆動の開発をすでに適用しています。CMR SurgicalとCapgeminiの一部であるCambridge Consultantsは、Cosmos-H-Dreamsを使用して軟部組織外科手術のための相互作用物理を暗黙的に学習し、患者特有のシミュレーションを生成しています。CMRは、胆嚢摘出術、前立腺摘出術、ヘルニア修復術、子宮摘出術を含む手術に利益をもたらすために、Versius Surgical Robotic Systemからの匿名化された臨床データを約500時間提供しました。「オープンソースモデルは、共有された知識に基づいて構築することを可能にし、責任ある革新を加速し、最終的には世界中の患者により一貫したケアとより良い結果を提供する可能性を与えます」とCMR Surgicalの最高技術責任者であるクリス・フライヤーは述べています。
ジョンソン・エンド・ジョンソン・メドテックは、Isaac for Healthcareの医療物理シミュレーションとCosmosベースの基盤モデルを使用して、泌尿器科の内腔MONARCHプラットフォームのデジタルツインを構築し、複雑な解剖学や腎結石シナリオをモデル化しています。
XCathは、血管内自律ポリシーの訓練のために医療物理シミュレーションを使用しています。Inner Logicは、合成データを使用して医療技術の進化を加速し、デバイスのメカニクスを検証し、規制経路をサポートするためのin silico証拠を生成しています。メドトロニックの構造心臓部門は、カテーテルナビゲーション研究のためのデータを生成するために、シミュレートされたX線センサーを使用して医療物理シミュレーションを適用することを検討しています。
Isaac for Healthcareスタックの新しいレイヤーとして、医療物理シミュレーションは、単独で使用することも、デジタルツインパイプライン、医療センサーシミュレーション、NVIDIA Isaac Labオープンロボット学習フレームワーク、NVIDIAオープンモデルおよびポリシーと組み合わせて使用することもできます。開発者はオープンソースの医療物理シミュレーションフレームワークを探求し、利用可能な参照ワークフローを確認し、自分のデバイス、解剖学、医療ロボティクスアプリケーションのためのシミュレーション環境を構築し始めることができます。
