Nvidia делает ставку на то, что физический искусственный интеллект сможет решить проблему нехватки данных в медицинской робототехнике.

Физический ИИ

Nvidia делает ставку на то, что физический искусственный интеллект сможет решить проблему нехватки данных в медицинской робототехнике.

Новая платформа Nvidia для моделирования в медицинской физике рассматривает медицинских роботов как физические системы искусственного интеллекта, которым для обучения необходим практический опыт, а не просто программирование.

Физический ИИ — это термин, который Nvidia и большая часть робототехнической отрасли сейчас используют для описания машин, которые должны учиться понимать поведение окружающего мира посредством контакта, силы и последствий, а не только с помощью текста или изображений.

Языковая модель учится на основе текста. Физическая система искусственного интеллекта учится на том, что происходит, когда катетер соприкасается со стенкой сосуда или когда роботизированная рука оказывает слишком большое давление на мягкие ткани. Такое обучение обычно требует либо физического тела, функционирующего в физическом мире, либо достаточно детальной симуляции, способной заменить физическое тело.

В сфере медицинской робототехники физические тела, участвующие в реальных процедурах, встречаются редко, их использование строго регламентируется, и они медленно воспроизводят весь спектр сценариев, которые роботу действительно необходимо видеть. Medical Physics Simulation — это попытка Nvidia создать этот реалистичный опыт с помощью вычислительных методов.

Представленная как дополнение с открытым исходным кодом к платформе Isaac for Healthcare компании, эта платформа генерирует физические взаимодействия, с которыми хирургическому или диагностическому роботу в противном случае потребовались бы годы клинического опыта: застревание направляющей проволоки в кальцинированной стенке сосуда, камень в почке, застрявший под необычным углом, или реакция мягких тканей, которая проявляется лишь в небольшой части процедур.

Ни один из этих нестандартных сценариев не реализуется в операционной в срок. Моделирование позволяет разработчикам генерировать их по запросу.

Развитие физической интуиции до того, как в дело вступит скальпель.

Данная структура объединяет два способа моделирования поведения устройств внутри тела.

Моделирование в рамках классической физики обрабатывает уже хорошо известные механические правила, например, изгиб катетера, сопротивление стенки сосуда, изменение контактных сил при перемещении инструмента в тканях. Генеративный ИИ обрабатывает ту часть, которую сложнее запрограммировать вручную: динамику визуальной сцены, изучаемую на основе процедурных данных и предоставляемую компонентом Nvidia под названием Cosmos-H Dreams.

Эта комбинация представляет собой физическое воплощение искусственного интеллекта в миниатюре. Классическое моделирование обеспечивает роботу необходимую физическую модель поведения. Генеративное моделирование предоставляет ему необходимый диапазон визуальных и анатомических вариаций для обобщения. Вместе, и при масштабировании на графических процессорах с использованием библиотек Nvidia Warp и Newton, эта платформа может выполнять большое количество параллельных обучающих сред вместо обработки одной сцены за раз.

Nvidia заявляет, что бенчмарк, запущенный в 8192 параллельных средах, сократил время обучения с более чем пяти часов до менее двух минут. Однако это демонстрирует пропускную способность, а не клиническую надежность, и ничего не говорит о том, как политика, обученная таким образом, работает с неполными изображениями, задержками показаний датчиков и даже анатомическими особенностями, выходящими за рамки того, что моделировалось в симуляции.

Языковая модель, которая плохо справляется с крайним случаем, выдает неправильный ответ, но физическая система искусственного интеллекта, которая плохо справляется с крайним случаем, работает внутри пациента. Параллельный подход к моделированию — это настоящий шаг вперед в скорости исследования режимов отказов разработчиками. Соответствуют ли эти смоделированные режимы отказов тому, что на самом деле происходит в операционной, — это отдельный вопрос.

Где тестируется подход, основанный на воплощении

Организации, которые Nvidia называет первопроходцами, применяют физический подход к ИИ на разных уровнях, и этот список стоит читать именно с учетом этого, а не как единый перечень внедрений.

CMR Surgical и Cambridge Consultants, инженерная фирма, принадлежащая Capgemini, продвинулись дальше всех в области обработки данных. CMR предоставила около 500 часов анонимизированных клинических данных со своей роботизированной хирургической системы Versius для набора данных Open-H Embodiment, охватывающих холецистэктомию, простатэктомию, грыжесечение и гистерэктомию, и обе компании используют Cosmos-H Dreams для моделирования физики взаимодействия мягких тканей и создания симуляций, специфичных для каждого пациента.

«Модели с открытым исходным кодом позволяют нам опираться на общие знания, ускоряя ответственные инновации и, в конечном итоге, дают нам возможность обеспечивать более качественное лечение и лучшие результаты для пациентов во всем мире», — сказал Крис Фрайер, технический директор CMR Surgical.

Компания Johnson & Johnson MedTech использует эту платформу совместно с базовой моделью на базе Cosmos для создания цифрового двойника своей эндолюминальной платформы MONARCH, ориентированной на лечение камней в почках в урологии.

Компания XCath применяет эту технологию в обучении политике автономного эндоваскулярного доступа, обучая систему физическому поведению при перемещении по кровеносным сосудам без участия человека в управлении. Компания Inner Logic генерирует синтетические данные для проверки механики устройства и заявляет о намерении создавать компьютерные данные для поддержки заявок в регулирующие органы, хотя ни одна заявка, основанная на этих данных, пока не была публично подтверждена.

Компания Medtronic Structural Heart занимает лидирующую позицию в группе, занимаясь исследованиями в области моделирования рентгеновского излучения для навигации катетера.

Каждый из этих примеров представляет собой тренировочное упражнение или вклад в набор данных. Ни один из них не является развернутой системой, работающей на пациенте с политиками, изученными таким образом, и Nvidia не утверждает обратного.

Аргументы в пользу использования физического искусственного интеллекта в системах с открытым исходным кодом

В сфере медицинской робототехники существует требование к управлению, которое в такой степени не характерно для большинства физических приложений искусственного интеллекта, включая промышленных и складских роботов: регулирующие органы и клинические экспертные комиссии должны понимать, как система пришла к своему поведению, а не просто подтверждать, что поведение выглядело приемлемым в ходе тестирования.

Платформа с открытым исходным кодом позволяет разработчикам проверять физические допущения, используемые в симуляции, воспроизводить результаты для различных анатомических структур и создавать доказательную базу, подходящую для представления в FDA или аналогичный орган.

Это более весомый аргумент в пользу открытости в области физического ИИ, чем в большинстве категорий программного обеспечения, где закрытый конвейер разработки от поставщика скрывает предположения, которые команде в противном случае пришлось бы защищать перед регулирующим органом. Однако это само по себе не решает вопрос валидации.

Открытый исходный код позволяет сторонним рецензентам проверять логику модели, но это не подтверждает, что физическое поведение модели соответствует тому, что происходит в организме, и это подтверждение по-прежнему должно быть получено в результате тестирования, результаты которого ни одна из этих компаний еще не опубликовала.

Компания Nvidia создала инфраструктуру, которая может сократить подготовительный этап разработки физического ИИ для хирургических и диагностических роботов, а параллельное обучение в таком масштабе — это отход от необходимости создавать собственную симуляционную сцену для каждого рабочего процесса.

Более подробную информацию по этой теме вы сможете узнать на выставке Physical AI Expo.

См. также: Компания Bristol Myers Squibb приобрела систему искусственного интеллекта Nvidia для разработки лекарств.

Хотите узнать больше об искусственном интеллекте и больших данных от лидеров отрасли? Посетите выставку AI & Big Data Expo, которая пройдет в Амстердаме, Калифорнии и Лондоне. Это масштабное мероприятие является частью TechEx и проводится одновременно с другими ведущими технологическими выставками, включая Cyber Security & Cloud Expo. Для получения дополнительной информации нажмите здесь.

AI News — это проект TechForge Media. Здесь вы можете ознакомиться с другими предстоящими мероприятиями и вебинарами, посвященными корпоративным технологиям.

Источник: www.artificialintelligence-news.com