Nvidia تطلق إطار محاكاة طبية لتدريب روبوتات الرعاية الصحية

أصبحت المحاكاة طبقة اختناق للروبوتات الصحية التي لا تستطيع التعلم بأمان من الإجراءات الحية، وذكرت AI News أن Nvidia أصدرت إطار Medical Physics Simulation مفتوح المصدر ضمن منصة Isaac for Healthcare لتوليد بيئات التدريب هذه.

يتعامل الإطار مع الروبوتات الجراحية والتشخيصية بوصفها أنظمة ذكاء اصطناعي مادية. وبدلا من التعلم من النصوص أو الصور فقط، تحتاج هذه الأنظمة إلى فهم ما يحدث عندما يعلق سلك توجيه بجدار وعاء متكلس، أو يواجه القسطار مقاومة، أو تستجيب الأنسجة الرخوة بطريقة غير معتادة.

Nvidia تستخدم الفيزياء والذكاء الاصطناعي التوليدي لتدريب الروبوتات

يجمع المنتج بين محاكاة الفيزياء التقليدية والذكاء الاصطناعي التوليدي. وتتولى طبقة الفيزياء قواعد مثل انحناء القسطار ومقاومة جدار الوعاء وقوى التلامس، بينما ينشئ مكون Cosmos-H Dreams من Nvidia ديناميكيات مشاهد بصرية من بيانات إجرائية.

تمثل القدرة على التشغيل على نطاق GPU ادعاء البنية التحتية الأساسي. قالت Nvidia إن معيارها استخدم 8,192 بيئة متوازية وخفض زمن التدريب من أكثر من خمس ساعات إلى أقل من دقيقتين. ويقيس المعيار سرعة المعالجة، لا الموثوقية السريرية.

في الروبوتات الصحية، لا تكون أنماط الفشل أخطاء برمجية فقط. فالنموذج المدرب على تشريح محاكى يجب أن يتعامل أيضا مع صور غير مكتملة وقراءات حساسات متأخرة وأجسام لا تطابق السيناريوهات التي ولدتها المحاكاة.

CMR Surgical تضيف بيانات سريرية إلى مجموعة Open-H

تشمل قائمة الجهات المبكرة أعمال البيانات، ونمذجة التوائم الرقمية، وتدريب الاستقلالية، والتحقق من ميكانيكا الأجهزة. وساهمت CMR Surgical وCambridge Consultants بنحو 500 ساعة من البيانات السريرية المجهولة من نظام Versius Surgical Robotic System في مجموعة Open-H Embodiment، وتشمل إجراءات استئصال المرارة والبروستاتا وإصلاح الفتق واستئصال الرحم.

قال Chris Fryer، الرئيس التقني في CMR Surgical، إن النماذج مفتوحة المصدر يمكن أن تبني على معرفة مشتركة وقد تساعد في تقديم رعاية أكثر اتساقا ونتائج أفضل للمرضى. لكن ذلك يبقى ادعاء تطويريا مرتبطا بالنمذجة المشتركة، وليس دليلا على أن روبوتا مدربا عبر الإطار يعمل على المرضى.

تستخدم Johnson & Johnson MedTech الإطار مع نموذج أساس قائم على Cosmos لبناء توأم رقمي لمنصة MONARCH داخل اللمعة لحالات حصى الكلى. وتستخدمه XCath لتدريب سياسات استقلالية داخل الأوعية لأغراض الملاحة في الأوعية الدموية.

تخطط Inner Logic لتوليد بيانات اصطناعية للتحقق من ميكانيكا الأجهزة وأدلة in silico للملفات التنظيمية. أما Medtronic Structural Heart فهي في مرحلة أبكر، إذ تستكشف استشعار X-ray محاكى لأبحاث الملاحة بالقسطار وليس نشرا سريريا مسمى.

لذلك تقع سلسلة النشر في مرحلة ما قبل الأجهزة السريرية. يمكن للإطار أن يمنح المهندسين حالات طرفية محاكاة أكثر قبل دخول الأدوات إلى غرف العمليات، بينما تحتاج المستشفيات والجهات التنظيمية إلى أدلة من أجهزة مادية وسير عمل سريري وملفات مراجعة قبل الاستخدام مع المرضى.

الإثبات التنظيمي لا يزال يعتمد على تحقق مادي

يوفر التصميم مفتوح المصدر لفرق الروبوتات الصحية طبقة أدلة قد لا توفرها أدوات المحاكاة المغلقة. ويمكن للمطورين والمراجعين فحص الافتراضات داخل نموذج الفيزياء، وإعادة إنتاج النتائج عبر أشكال تشريحية مختلفة، وتوثيق طريقة تدريب سياسة الروبوت قبل أي طلب تنظيمي.

تترك الشفرة المفتوحة سؤال التحقق الأصعب للاختبارات السريرية. فما زال سجل التشغيل بحاجة إلى إثبات أن جدران الأوعية المحاكاة وفجوات التصوير واستجابات الأنسجة الرخوة تطابق ما يحدث في البيئات السريرية بدرجة كافية للثقة في السياسة المدربة.

لا تشمل قائمة الجهات المذكورة نشرا يعمل مع المرضى بسياسات تعلمها النظام من خلال هذا الإطار.