Antes de que un robot de atención médica pueda ser útil en el mundo real, debe aprender cómo reacciona el entorno físico. La anatomía varía drásticamente, los instrumentos se doblan, presionan, resbalan e interactúan con los tejidos. Las imágenes pueden ser ruidosas o incompletas, y los escenarios poco comunes que los desarrolladores necesitan entender no aparecen según lo previsto.

Esto crea uno de los mayores cuellos de botella en la robótica médica: la obtención de la enorme cantidad de datos variados que los desarrolladores necesitan para entrenar, probar y mejorar el comportamiento de los robots.

El framework de simulación de física médica de NVIDIA —una nueva capacidad de código abierto acelerada por GPU dentro de NVIDIA Isaac for Healthcare— anunciado hoy, ayuda a los desarrolladores de robótica médica a modelar la interacción entre la anatomía y el dispositivo, generar escenarios difíciles de capturar, realizar pruebas in silico y entrenar o evaluar políticas robóticas antes de las pruebas intensivas con hardware.

El framework reúne la anatomía y el comportamiento de los dispositivos médicos con la simulación de sensores y el aprendizaje robótico, permitiendo que los equipos creen entornos de simulación reutilizables en lugar de reconstruir escenas personalizadas para cada flujo de trabajo, ahorrando tiempo a los desarrolladores y llevando las innovaciones al mercado más rápido.

Debido a que la simulación de física médica es de código abierto, los desarrolladores de robótica médica pueden inspeccionar el framework, adaptarlo a sus propios dispositivos y flujos de trabajo, y construir sobre una base acelerada por GPU que funciona perfectamente con el ecosistema más amplio de NVIDIA.

El código abierto es especialmente importante en el sector salud porque los equipos necesitan transparencia en los datos, modelos y pesos que determinan el comportamiento del sistema. El acceso a modelos abiertos puede ayudar a los desarrolladores a reproducir resultados, evaluar el desempeño en diferentes anatomías y escenarios, identificar limitaciones y construir evidencia para la revisión regulatoria.

Un campo de entrenamiento virtual para robots médicos

Para la IA física, la experiencia es datos en movimiento. Los desarrolladores necesitan entrenar a los robots para que operen correctamente incluso cuando la anatomía cambia, los dispositivos se comportan de manera diferente, las condiciones fluctúan o una política falla inesperadamente.

La simulación de física médica ayuda a los desarrolladores a modelar anatomía, contacto de dispositivos, fricción y entradas de sensores, para luego probar interacciones y entornos que evalúen cómo se desempeñan los robots ante esos cambios. Impulsado por NVIDIA CUDA y parte de Isaac for Healthcare —construido sobre las tecnologías de simulación y IA generativa NVIDIA Warp, Newton y Cosmos—, el framework puede ejecutar cientos de entornos de simulación en paralelo, ayudando a los equipos a explorar más escenarios e identificar modos de falla en etapas tempranas del desarrollo.

Para los constructores de robots, esto convierte la simulación de un proyecto de ingeniería a medida en una infraestructura reutilizable. La diferencia ahora es la escala: los benchmarks muestran que 8,192 entornos de entrenamiento robótico ejecutándose en paralelo con simulación nativa de GPU redujeron el tiempo de entrenamiento de más de cinco horas a menos de dos minutos.

Con este framework, los desarrolladores pueden conectar anatomía vascular, instrumentos flexibles como catéteres y guías, simulación de imágenes de rayos X y aprendizaje por refuerzo. El framework está diseñado para extenderse más allá de ese ejemplo hacia dispositivos, anatomías, sensores y dominios de robótica médica adicionales.

La simulación de física médica combina la simulación de física clásica y la simulación de física por IA generativa. La simulación clásica ayuda a modelar reglas físicas conocidas, como el contacto, la fricción y el movimiento del dispositivo. NVIDIA Cosmos-H Dreams, la capacidad de simulación de física por IA generativa en tiempo real dentro de la simulación de física médica, ayuda a modelar la dinámica de escenas visuales aprendidas a partir de datos procedimentales.

Juntos, estos enfoques brindan a los desarrolladores una forma más rica de construir y probar sistemas de robótica médica en entornos virtuales antes de pasar a prototipos físicos y pruebas de laboratorio.

Un ecosistema construyendo el futuro de la robótica médica

Los líderes en robótica médica ya están aplicando el desarrollo impulsado por simulación para resolver desafíos quirúrgicos específicos.

CMR Surgical y Cambridge Consultants, parte de Capgemini, están utilizando Cosmos-H-Dreams para aprender implícitamente la física de interacción para procedimientos quirúrgicos de tejido blando y generar simulaciones específicas para pacientes. CMR contribuyó con casi 500 horas de datos clínicos anonimizados de su Versius Surgical Robotic System al dataset abierto Open-H Embodiment, beneficiando procedimientos que incluyen colecistectomía, prostatectomía, reparación de hernias e histerectomía.

“Los modelos de código abierto nos permiten construir sobre el conocimiento compartido, acelerando la innovación responsable y, en última instancia, nos da el potencial de ofrecer una atención más consistente y mejores resultados para los pacientes en todo el mundo”, dijo Chris Fryer, director de tecnología de CMR Surgical.

Johnson & Johnson MedTech está utilizando la simulación de física médica de Isaac for Healthcare y un modelo base basado en Cosmos para construir gemelos digitales de su plataforma endoluminal MONARCH para urología, modelando anatomía compleja y escenarios de cálculos renales. XCath está utilizando la simulación de física médica para el entrenamiento de políticas de autonomía endovascular. Inner Logic está acelerando la evolución de la tecnología médica con datos sintéticos, validando la mecánica de los dispositivos y produciendo evidencia in silico para respaldar las vías regulatorias con NVIDIA Medical Physical Simulation.

Medtronic Structural Heart está explorando la aplicación de la simulación de física médica con sensores de rayos X simulados para generar datos para la investigación de navegación con catéteres.

Una nueva capa en el stack de Isaac for Healthcare

Como una capacidad modular dentro de NVIDIA Isaac for Healthcare, la simulación de física médica puede usarse por sí sola o junto con pipelines de gemelos digitales, simulación de sensores médicos, el framework de aprendizaje robótico abierto NVIDIA Isaac Lab y los modelos y políticas abiertos de NVIDIA.

Los desarrolladores pueden explorar el framework de simulación de física médica de código abierto, revisar los flujos de trabajo de referencia disponibles y comenzar a construir entornos de simulación para sus propios dispositivos, anatomías y aplicaciones de robótica médica.

  • Categorías:
  • AI for Good
  • Healthcare and Life Sciences
  • Open Source
  • Physical AI
  • Synthetic Data Generation

Related News

NVIDIA Open Sources First GPU-Accelerated Medical Physics Simulation Framework

Built in Fort Worth: Wistron Opens Advanced Manufacturing Plant to Produce NVIDIA AI Systems

NVIDIA Vera Rubin Maximizes Intelligence per Dollar for Post-Training Workloads — a Key Metric for Agentic AI

Nemotron Labs: How Open Models Give Enterprises and Nations AI They Can Trust, Control and Customize

Vía NVIDIA Blog.