NVIDIA、GPUアクセラレーション対応の医用物理シミュレーションフレームワークを初めてオープンソース化

実際の医療現場で役立つロボットを実現するには、物理世界からの反作用を学習する必要があります。解剖学的構造は多様であり、器具は曲がり、押し、滑り、組織と相互作用します。画像診断にはノイズや不完全さが伴い、開発者が最も理解すべき稀なエッジケースは予定通りには現れません。これが医療用ロボット開発における最大のボトルネックの一つ、つまりロボットの行動を訓練、テスト、改善するために必要な膨大で多様なデータの取得を生み出しています。

本日、NVIDIAは、Isaac for Healthcareの一部として、GPUアクセラレーション対応の医用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すると発表しました。これにより、医療用ロボットの開発者は、解剖学的構造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、インシリコテストを実施し、ハードウェアを用いた本格的なテストの前にロボットポリシーを訓練または評価できます。このフレームワークは、解剖学、医療機器の挙動、センサーシミュレーション、ロボット学習を統合し、チームがワークフローごとにカスタムシーンを再構築する代わりに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、開発時間を節約し、イノベーションの市場投入を加速します。

オープンソースであるため、医療用ロボットの開発者はフレームワークを精査し、自社のデバイスやワークフローに適応させ、GPUアクセラレーションの基盤の上に構築し、広範なNVIDIAスタックとシームレスに連携できます。医療分野では、システムの動作を形作るデータ、モデル、重みに関する透明性が不可欠であるため、オープンソースは特に重要です。オープンモデルと重みへのアクセスは、開発者が結果を再現し、異なる解剖学的構造やシナリオでのパフォーマンスを評価し、限界を特定し、規制審査のための証拠を構築するのに役立ちます。

医療用ロボットの仮想トレーニンググラウンド

物理AIにとって、経験とは動作中のデータです。開発者は、解剖学的構造が変化したり、デバイスの挙動が異なったり、条件が変わったり、ポリシーが予期せず失敗したりしても、ロボットが適切に動作するように訓練する必要があります。医用物理シミュレーションは、解剖学的構造、デバイスの接触、摩擦、センサー入力をシミュレートし、それらの変化にわたるロボットのパフォーマンスを評価するためのインタラクションと環境をテストするのに役立ちます。NVIDIA CUDAを搭載し、Isaac for Healthcareの一部として、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早期に探索し、障害モードを特定するのに役立ちます。

ロボットビルダーにとって、これによりシミュレーションは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わります。そのスケールの違いは顕著です：ベンチマークによると、GPUネイティブシミュレーションで8,192のロボットトレーニング環境を並列実行すると、トレーニング時間が5時間以上から2分未満に短縮されます。このフレームワークを使用すると、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、シミュレートされたX線イメージング、強化学習を接続できます。このフレームワークは、その他のデバイス、解剖学的構造、センサー、医療用ロボット分野にも拡張できるように設計されています。

医用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。古典的シミュレーションは、デバイスの接触、摩擦、運動などの既知の物理的ルールをモデル化するのに役立ちます。医用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、手続き型データから学習した視覚的なシーン動的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、開発者は仮想環境で医療用ロボットシステムを構築およびテストし、その後物理プロトタイプやラボテストに移行するためのより豊かな方法を得られます。

医療用ロボットの未来を築くエコシステム

医療用ロボットのリーダーたちは、すでにシミュレーションドリブン開発を特定の外科手術の課題に適用しています。CMR SurgicalとCapgemini傘下のCambridge Consultantsは、Cosmos-H-Dreamsを使用して、軟部組織手術の相互作用物理を暗黙的に学習し、患者固有のシミュレーションを生成しています。CMRは、自社のVersius手術ロボットシステムから約500時間の匿名化された臨床データをOpen-H Embodimentオープンデータセットに提供し、胆嚢摘出術、前立腺摘除術、ヘルニア修復術、子宮摘出術などの手術に貢献しています。

「オープンソースモデルにより、共有知識に基づいて構築し、責任あるイノベーションを加速し、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転帰を提供する可能性が得られます」とCMR Surgicalの最高技術責任者Chris Fryer氏は述べています。

Johnson & Johnson MedTechは、Isaac for Healthcareの医用物理シミュレーションとCosmosベースの基礎モデルを使用して、泌尿器科向けの内腔用MONARCHプラットフォームのデジタルツインを構築し、複雑な解剖学的構造と腎結石の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トレーニングに医用物理シミュレーションを使用しています。Inner Logicは、合成データを用いて医療技術の進化を加速し、NVIDIA医用物理シミュレーションを使用してデバイス力学を検証し、規制経路をサポートするインシリコ証拠を生成しています。Medtronic Structural Heartは、医用物理シミュレーションとシミュレートされたX線センシングを組み合わせて、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

NVIDIA Isaac for Healthcareのモジュール機能として、医用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用物理シミュレーションフレームワークを探索し、利用可能なリファレンスワークフローを確認し、自社のデバイス、解剖学的構造、医療用ロボットアプリケーション向けのシミュレーション環境の構築を開始できます。