英偉達開源了首個 GPU 加速的醫學物理模擬框架

在醫療機器人能夠在現實世界中發揮作用之前，它必須學習物理世界的反作用力。解剖結構各異。儀器會彎曲、施壓、滑動並與組織相互作用。成像可能會嘈雜或不完整。而開發者最需要理解的那些稀有邊緣場景往往不會按計劃出現。

這造成了醫療機器人領域最大的瓶頸之一：獲取開發者所需的大量多樣化數據，以訓練、測試和改善機器人的行為。

NVIDIA 醫療物理仿真框架——NVIDIA Isaac for Healthcare 中一個新的開源、GPU 加速的功能——今天宣佈，幫助醫療機器人開發者模擬解剖與設備的交互，生成難以捕捉的場景，在計算機中測試，並在進行硬件密集型測試之前訓練或評估機器人策略。

該框架將解剖學和醫療設備行為與傳感器仿真和機器人學習結合在一起，使團隊能夠創建可重用的仿真環境，而無需為每個工作流程重建自定義場景，從而節省開發者的時間，並更快地將創新推向市場。

由於醫療物理仿真是開源的，醫療機器人開發者可以檢查該框架，適應自己的設備和工作流程，並在與更廣泛的 NVIDIA 技術棧無縫協作的 GPU 加速基礎上進行構建。

開源在醫療領域尤其重要，因為團隊需要對塑造系統行為的數據、模型和權重保持透明。訪問開放模型和模型權重可以幫助開發者重現結果，評估不同解剖和場景下的性能，識別侷限性併為監管審查提供證據。

醫療機器人的虛擬訓練場

對於物理 AI 來説，經驗就是動態數據。開發者需要訓練機器人在解剖結構變化、設備行為不同、條件變化或政策意外失敗時仍能正常操作。

醫療物理仿真幫助開發者模擬解剖、設備接觸、摩擦和傳感器輸入，然後在交互和環境中進行測試，以評估機器人在這些變化中的表現。該框架由 NVIDIA CUDA 提供支持，並且是 Isaac for Healthcare 的一部分——基於 NVIDIA Warp、Newton 和 Cosmos 仿真及生成 AI 技術——可以運行數百個並行仿真環境，幫助團隊探索更多場景並在開發早期識別故障模式。

對於機器人制造商來説，這將仿真從一個定製的工程項目轉變為可重用的基礎設施。現在的區別在於規模：基準測試顯示，8192 個機器人訓練環境並行運行，使用 GPU 原生仿真將訓練時間從超過五小時縮短到不到兩分鐘。

通過這個框架，開發者可以連接血管解剖、柔性儀器如導管和引導線、模擬 X 射線成像和強化學習。該框架旨在超越該示例，擴展到其他設備、解剖、傳感器和醫療機器人領域。

醫療物理仿真結合了經典物理仿真和生成 AI 物理仿真。經典仿真幫助建模已知的物理規則，如設備接觸、摩擦和運動。NVIDIA Cosmos-H Dreams 是醫療物理仿真中的實時生成 AI 物理仿真能力，幫助建模從程序數據中學習的視覺場景動態。

這兩種方法結合在一起，為開發者提供了一種更豐富的方式，在轉向物理原型和實驗室測試之前，在虛擬環境中構建和測試醫療機器人系統。

構建醫療機器人未來的生態系統

醫療機器人領域的領導者們已經在應用基於仿真的開發來解決特定的外科挑戰。

CMR Surgical 和 Capgemini 旗下的 Cambridge Consultants 正在使用 Cosmos-H-Dreams 隱式學習軟組織外科手術過程中的交互物理，並生成特定患者的仿真。CMR 為 Open-H Embodiment 開放數據集貢獻了近 500 小時的匿名臨牀數據，受益於包括膽囊切除術、前列腺切除術、疝氣修復和子宮切除術等手術。

“開源模型使我們能夠建立在共享知識的基礎上，加速負責任的創新，並最終使我們能夠為全球患者提供更一致的護理和更好的結果，” CMR Surgical 的首席技術官 Chris Fryer 説。

強生醫療科技正在使用 Isaac for Healthcare 的醫療物理仿真和基於 Cosmos 的基礎模型，構建其用於泌尿科的內腔 MONARCH 平台的數字雙胞胎，模擬複雜的解剖結構和腎結石場景。

XCath 正在使用醫療物理仿真進行血管內自主政策訓練。Inner Logic 正在利用合成數據加速醫療技術的演變，驗證設備機制，並生成計算機內證據以支持與 NVIDIA 醫療物理仿真相關的監管路徑。

美敦力結構性心臟部門正在探索將醫療物理仿真與模擬 X 射線傳感器結合，以生成導管導航研究的數據。

Isaac for Healthcare 堆棧中的新層

作為 NVIDIA Isaac for Healthcare 中的一個模塊化功能，醫療物理仿真可以單獨使用，也可以與數字雙胞胎管道、醫療傳感器仿真、NVIDIA Isaac Lab 開放機器人學習框架以及 NVIDIA 開放模型和政策一起使用。

開發者可以探索開源 醫療物理仿真框架 ，查看可用的參考工作流程，並開始為自己的設備、解剖和醫療機器人應用構建仿真環境。