Il nuovo framework di simulazione della fisica medica di Nvidia tratta i robot sanitari come sistemi di intelligenza artificiale fisica che necessitano di esperienza incorporata per apprendere, non solo di codice.
Il termine è IA fisica Nvidia e gran parte dell’industria della robotica ora usa descrivere macchine che devono imparare come si comporta il mondo attraverso il contatto, la forza e le conseguenze, piuttosto che solo attraverso testo o immagini.
Un modello linguistico apprende dal testo. Un sistema fisico di intelligenza artificiale impara da ciò che accade quando un catetere incontra la parete di un vaso o quando un braccio robotico applica troppa pressione ai tessuti molli. Questo tipo di apprendimento normalmente richiede un corpo fisico che opera nel mondo fisico o una simulazione sufficientemente dettagliata da sostituirlo.
Per la robotica sanitaria, i corpi fisici che operano in procedure reali sono scarsi, strettamente regolamentati e lenti nel generare la gamma di scenari che un robot deve effettivamente vedere. La simulazione della fisica medica è il tentativo di Nvidia di produrre quell’esperienza incarnata a livello computazionale.
Annunciato come un’aggiunta open source alla piattaforma Isaac for Healthcare dell’azienda, il framework genera le interazioni fisiche che un robot chirurgico o diagnostico avrebbe altrimenti bisogno di anni di esposizione clinica per incontrare: un filo guida che si incastra su una parete vascolare calcificata, un calcolo renale alloggiato con un’angolazione insolita o la risposta dei tessuti molli che si manifesta solo in una piccola frazione di procedure.
Nessuno di questi casi limite arriva nei tempi previsti in una sala operatoria. La simulazione consente agli sviluppatori di generarli su richiesta.
Costruire l’intuizione fisica prima che venga coinvolto un bisturi
Il framework combina due modi di modellare il comportamento dei dispositivi all’interno di un corpo.
La simulazione fisica classica gestisce le regole meccaniche già ben comprese, come si piega un catetere, quanta resistenza applica una parete vasale, come le forze di contatto si spostano mentre uno strumento si muove attraverso il tessuto. L’intelligenza artificiale generativa gestisce la parte più difficile da codificare manualmente: le dinamiche della scena visiva apprese dai dati procedurali, fornite attraverso un componente che Nvidia chiama Cosmos-H Dreams.
Questa combinazione è la proposta fisica dell’IA in miniatura. La simulazione classica fornisce alla politica dei robot la fisica a cui deve obbedire. La simulazione generativa gli fornisce la gamma di variazioni visive e anatomiche di cui ha bisogno per generalizzare. Messo insieme ed eseguito su larga scala su GPU utilizzando le librerie Warp e Newton di Nvidia, il framework può eseguire un gran numero di ambienti di training paralleli invece di una scena alla volta.
Nvidia afferma che un benchmark che esegue 8.192 ambienti paralleli ha ridotto i tempi di allenamento da oltre cinque ore a meno di due minuti. Tuttavia, ciò dimostra la produttività – non l’affidabilità clinica – e non dice nulla su come una politica addestrata in questo modo si comporta contro imaging incompleto, letture ritardate dei sensori e persino anatomia che non rientra in ciò che è stato modellato dalla simulazione.
Un modello linguistico che ha prestazioni inferiori in un caso limite produce una risposta negativa, ma un sistema fisico di intelligenza artificiale che ha prestazioni inferiori in un caso limite opera all’interno di un paziente. L’approccio di simulazione parallela rappresenta un vero progresso nella velocità con cui gli sviluppatori possono esplorare le modalità di errore. Se le modalità di fallimento simulato corrispondano a ciò che effettivamente va storto in una sala operatoria è una questione separata.
Dove viene testato l’approccio dell’incarnazione
Le organizzazioni che Nvidia nomina come prime ad adottare stanno applicando l’approccio fisico all’intelligenza artificiale a diversi livelli, e vale la pena leggere l’elenco con questo in mente piuttosto che trattarlo come un elenco uniforme di implementazioni.
CMR Surgical e Cambridge Consultants, la società di ingegneria di proprietà di Capgemini, sono andati più lontano sul fronte dei dati. CMR ha contribuito con quasi 500 ore di dati clinici resi anonimi dal suo sistema robotico chirurgico Versius al set di dati Open-H Embodiment, coprendo procedure di colecistectomia, prostatectomia, riparazione dell’ernia e isterectomia, e la coppia sta utilizzando Cosmos-H Dreams per modellare la fisica dell’interazione dei tessuti molli e produrre simulazioni specifiche per il paziente.
“I modelli open source ci consentono di basarci su conoscenze condivise, accelerando l’innovazione responsabile e, in definitiva, ci danno il potenziale per fornire cure più coerenti e risultati migliori per i pazienti in tutto il mondo”, ha affermato Chris Fryer, CTO di CMR Surgical.
Johnson & Johnson MedTech sta utilizzando il framework insieme a un modello di fondazione basato su Cosmos per costruire un gemello digitale della sua piattaforma endoluminale MONARCH, focalizzata sugli scenari di calcoli renali in urologia.
XCath lo sta applicando alla formazione sulle politiche di autonomia endovascolare, insegnando a un sistema il comportamento fisico della navigazione nei vasi sanguigni senza una mano umana sui controlli. Inner Logic sta generando dati sintetici per convalidare la meccanica del dispositivo e afferma che intende produrre prove in silico a supporto delle proposte normative, sebbene nessuna presentazione basata su tali prove sia stata confermata pubblicamente.
Medtronic Structural Heart è il primo del gruppo ed esplora il rilevamento simulato di raggi X per la ricerca sulla navigazione del catetere.
Ognuno di questi è un esercizio di formazione o un contributo a un set di dati. Nessuno è un sistema distribuito che opera su un paziente con politiche apprese in questo modo e Nvidia non afferma il contrario.
Il caso open source per i sistemi fisici di intelligenza artificiale
La robotica sanitaria comporta un requisito di governance che la maggior parte delle applicazioni fisiche di intelligenza artificiale, compresi i robot industriali e di magazzino, non deve affrontare nella stessa misura: i regolatori e i comitati di revisione clinica devono vedere come un sistema è arrivato al suo comportamento, non solo confermare che il comportamento sembrava accettabile nei test.
Un framework open source consente agli sviluppatori di verificare i presupposti fisici all’interno della simulazione, riprodurre i risultati in diverse anatomie e creare un percorso di prove adatto a una presentazione davanti alla FDA o a un organismo equivalente.
Questo è un argomento più forte a favore dell’apertura nell’intelligenza artificiale fisica che nella maggior parte delle categorie di software, dove una pipeline di fornitori chiusa nasconde i presupposti che un team dovrebbe altrimenti difendere di fronte a un regolatore. Non risolve da solo la questione della convalida.
Il codice aperto consente a revisori esterni di verificare la logica del modello, ma non conferma che il comportamento fisico del modello corrisponda a ciò che accade in un corpo, e tale conferma deve ancora arrivare dai test che nessuna di queste società ha ancora pubblicato.
Nvidia ha costruito un’infrastruttura che potrebbe abbreviare la fase pre-hardware dello sviluppo dell’intelligenza artificiale fisica per robot chirurgici e diagnostici, e l’esecuzione di corsi di formazione su questa scala in parallelo è un allontanamento dalla ricostruzione di una scena di simulazione personalizzata per ogni flusso di lavoro.
Puoi saperne di più su questo argomento su Esposizione fisica dell’intelligenza artificiale.
Vedi anche: Bristol Myers Squibb acquista il sistema AI di Nvidia per la scoperta di farmaci
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx ed è situato in concomitanza con altri importanti eventi tecnologici tra cui Fiera sulla sicurezza informatica e sul cloud. Clic Qui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
