ainews
Nvidia учит медицинских роботов на симуляциях вместо реальных пациентов
Nvidia представила открытую платформу Medical Physics Simulation для обучения хирургических роботов через физические симуляции вместо долгого накопления клинического опыта. Система комбинирует классическую физику и генеративный AI, чтобы воссоздать тысячи редких медицинских сценариев параллельно. Компании вроде CMR Surgical и Johnson & Johnson уже тестируют подход, но до реального применения на пациентах ещё далеко.
Медицинские роботы сталкиваются с нехваткой разнообразных клинических данных для обучения. Nvidia предлагает радикально ускорить тренировку через симуляции, что может изменить подход к сертификации и разработке автономных хирургических систем — но только если виртуальный опыт окажется достаточно близок к реальности.
Физический AI: когда роботу нужен опыт, а не код
Nvidia выпустила открытую платформу Medical Physics Simulation для обучения медицинских роботов через симуляции физического мира. Компания называет такие системы «физическим AI» (physical AI) — машины, которые учатся не на текстах, а на тактильном опыте: как катетер скользит по сосуду, как мягкие ткани реагируют на давление.
В реальности такого опыта мало: клинические процедуры редки, жёстко регулируются, и редкие осложнения встречаются нечасто. Симуляция позволяет генерировать тысячи сценариев по требованию — от кальцифицированной стенки сосуда до нестандартного расположения почечного камня.
Как это работает
Платформа комбинирует классическую физику (механика катетеров, сопротивление тканей) с генеративным AI (компонент Cosmos-H Dreams), который моделирует визуальную и анатомическую вариативность на основе реальных процедур.
Запуск на GPU с библиотеками Warp и Newton позволяет обучать роботов в 8192 параллельных средах одновременно. Nvidia сообщает о сокращении времени обучения с 5+ часов до 2 минут. Однако это лишь демонстрация скорости, а не клинической надёжности.
Кто тестирует
CMR Surgical предоставила ~500 часов данных с роботической системы Versius (холецистэктомия, простатэктомия и др.) для открытого датасета Open-H Embodiment. Вместе с Cambridge Consultants они используют Cosmos-H Dreams для моделирования мягких тканей и персонализированных симуляций.
Johnson & Johnson MedTech строит цифрового двойника платформы MONARCH для урологических процедур с почечными камнями. XCath обучает автономное управление в эндоваскулярной хирургии. Inner Logic генерирует синтетические данные для регуляторных заявок (пока без подтверждённых одобрений).
Все перечисленные кейсы — тренировочные, не развёрнутые системы на пациентах.
Почему open source
Медицинская робототехника требует прозрачности для регуляторов (FDA и др.). Открытый код позволяет проверить физические допущения, воспроизвести результаты на разных анатомиях и собрать доказательную базу для одобрения — аргумент сильнее, чем в большинстве других областей AI.
Ключевые выводы
- Nvidia вводит термин «физический AI» для роботов, обучающихся через тактильный опыт, а не текстовые данные
- Medical Physics Simulation комбинирует классическую физику с генеративным AI для создания тысяч редких клинических сценариев
- Платформа ускоряет обучение с 5+ часов до 2 минут через параллельные симуляции на GPU (8192 среды), но клиническая надёжность пока не доказана
- Открытый код критичен для медроботики: регуляторы требуют прозрачности физических моделей и воспроизводимости результатов
- Все текущие кейсы (CMR Surgical, J&J, XCath) — тестовые; ни одна система не работает на реальных пациентах
Автор: Павел Заславский · Источник: artificialintelligence-news.com
**Физический AI — это красивый термин для старой проблемы**: роботам нужны тысячи часов практики, но в медицине их взять негде. Nvidia решает это через гибрид классической физики и генеративных моделей — звучит логично, работает быстро (2 минуты вместо 5 часов), но с оговоркой: это **пропускная способность, не надёжность**. Если симуляция промажет с краевым случаем — робот промахнётся внутри человека, а не на экзамене.
Самое интересное здесь — **не скорость, а open source**. Закрытая система не пройдёт через FDA, потому что регуляторы хотят видеть, как робот «думает», а не только что он «делает». CMR Surgical и J&J вкладываются в открытые датасеты и прозрачные модели — разумный ход, если цель не просто показать демо, а получить одобрение. Пока все кейсы — **лабораторные**, и до реального скальпеля ещё минимум пара лет проверок. Но направление правильное: если медроботы когда-то станут массовыми, то через такую архитектуру.
Комментарии