Naujojoje „Nvidia“ medicinos fizikos modeliavimo sistemoje sveikatos priežiūros robotai laikomi fizinėmis AI sistemomis, kurioms norint išmokti reikia įkūnytos patirties, o ne tik kodo.
Fizinis AI yra terminas „Nvidia“, ir daugelis robotų pramonės dabar naudoja mašinas, kurios turi išmokti, kaip pasaulis elgiasi per kontaktą, jėgą ir pasekmes, o ne vien tekstą ar vaizdus.
Kalbos modelis mokosi iš teksto. Fizinė AI sistema mokosi iš to, kas atsitinka, kai kateteris susiduria su kraujagyslės sienele arba kai roboto ranka per daug spaudžia minkštuosius audinius. Tokiam mokymuisi paprastai reikia arba fizinio kūno, veikiančio fiziniame pasaulyje, arba pakankamai detalaus modeliavimo, kad galėtų jį pakeisti.
Sveikatos priežiūros robotikoje fizinių kūnų, veikiančių realiomis procedūromis, yra nedaug, jie yra griežtai reguliuojami ir lėtai sukuria įvairius scenarijus, kuriuos robotas iš tikrųjų turi matyti. Medicinos fizikos modeliavimas yra „Nvidia“ bandymas sukurti tokią patirtį skaičiavimo būdu.
Paskelbta kaip atvirojo kodo įmonės Isaac for Healthcare platformos papildymas, sistema sukuria fizines sąveikas, kurias chirurginiam ar diagnostiniam robotui kitu atveju prireiktų klinikinio poveikio metų: kreipiamoji viela, užsifiksavusi ant užkalkėjusios kraujagyslės sienelės, neįprastu kampu įstrigęs inkstų akmuo, arba minkštųjų audinių atsakas, kuris pasireiškia tik per nedidelę procedūrų dalį.
Nė vienas iš šių kraštutinių atvejų į operacinę neatkeliauja pagal grafiką. Modeliavimas leidžia kūrėjams juos generuoti pagal poreikį.
Ugdykite fizinę intuiciją prieš įsijungiant skalpeliui
Sistema apjungia du būdus modeliuoti, kaip prietaisai elgiasi kūno viduje.
Klasikinis fizikos modeliavimas apdoroja jau gerai suprantamas mechanines taisykles, kaip lenkiasi kateteris, koks pasipriešinimas veikia kraujagyslės sienelę, kaip pasislenka kontaktinės jėgos instrumentui judant per audinį. Generatyvusis dirbtinis intelektas valdo tą dalį, kurią sunkiau užkoduoti rankiniu būdu: vizualinė scenos dinamika, išmokta iš procedūrinių duomenų, perduodama per komponentą, kurį „Nvidia“ vadina „Cosmos-H Dreams“.
Šis derinys yra miniatiūrinis fizinis AI pasiūlymas. Klasikinis modeliavimas suteikia roboto politikai fizikos, kuriai jis turi paklusti. Generatyvus modeliavimas suteikia vizualinių ir anatominių variacijų diapazoną, kurio reikia apibendrinti. Sujungus ir paleidžiant dideliu mastu GPU naudojant Nvidia Warp ir Newton bibliotekas, sistema gali vykdyti daugybę lygiagrečių mokymo aplinkų, o ne vieną sceną vienu metu.
„Nvidia“ teigia, kad etalonas, kuriame veikia 8 192 lygiagrečios aplinkos, sutrumpina treniruočių laiką nuo daugiau nei penkių valandų iki mažiau nei dviejų minučių. Tačiau tai rodo pralaidumą, o ne klinikinį patikimumą, ir nieko nesako apie tai, kaip tokiu būdu parengta politika veikia prieš nepilną vaizdavimą, uždelstus jutiklių rodmenis ir netgi anatomiją, kuri nepatenka į modeliuojamą modeliavimą.
Kalbos modelis, kurio našumas mažesnis už kraštų atvejį, duoda blogą atsakymą, tačiau fizinė AI sistema, kuri prasčiau veikia esant kraštutiniam atvejui, veikia paciento viduje. Lygiagretaus modeliavimo metodas yra tikras pažanga, kaip greitai kūrėjai gali ištirti gedimo būdus. Ar šie modeliuoti gedimo režimai atitinka tai, kas iš tikrųjų sugenda chirurginiame rinkinyje, yra atskiras klausimas.
Kur išbandomas įgyvendinimo metodas
Organizacijos, kurias „Nvidia“ įvardija kaip ankstyvuosius naudotojus, fizinį AI metodą taiko įvairiuose gyliuose, todėl sąrašą verta perskaityti turint omenyje tai, o ne traktuojant jį kaip vienodą diegimų sąrašą.
„CMR Surgical“ ir „Cambridge Consultants“, „Capgemini“ priklausanti inžinierių įmonė, toliausiai nuėjo duomenų srityje. CMR įtraukė beveik 500 valandų anoniminių klinikinių duomenų iš Versius Surgical Robotic System į Open-H Embodiment duomenų rinkinį, apimantį cholecistektomiją, prostatektomiją, išvaržų taisymą ir histerektomijos procedūras, o pora naudoja Cosmos-H Dreams, kad modeliuotų minkštųjų audinių sąveikos fiziką ir modeliuotų paciento sąveikos specifikacijas.
„Atvirojo kodo modeliai leidžia mums remtis bendromis žiniomis, skatinant atsakingas naujoves ir galiausiai suteikia galimybę teikti nuoseklesnę pacientų priežiūrą ir geresnius rezultatus visame pasaulyje“, – sakė CMR Surgical CTO Chrisas Fryeris.
„Johnson & Johnson MedTech“ naudoja sistemą kartu su „Cosmos“ pagrindu sukurtu pagrindo modeliu, kad sukurtų skaitmeninį dvynį iš endoluminalinės MONARCH platformos, orientuotos į inkstų akmenų scenarijus urologijoje.
„XCath“ taiko ją endovaskulinės autonomijos politikos mokymui, mokydamas sistemą fizinio elgesio kraujagyslėmis naršant be žmogaus rankos ant valdiklių. „Inner Logic“ generuoja sintetinius duomenis, kad patvirtintų įrenginio mechaniką, ir teigia, kad ketina pateikti in silico įrodymus, patvirtinančius teisinius pareiškimus, nors viešai nepatvirtinta nė vienas šiais įrodymais pagrįstas pareiškimas.
„Medtronic Structural Heart“ sėdi anksčiausiai grupėje, tiria imituojamą rentgeno jutimą kateterio navigacijos tyrimams.
Kiekvienas iš jų yra mokymo pratimas arba duomenų rinkinio indėlis. Nė viena nėra įdiegta sistema, veikianti pacientui su tokiu būdu išmokta politika, o „Nvidia“ neteigia kitaip.
Atvirojo kodo dėklas fizinėms AI sistemoms
Sveikatos priežiūros robotikai kelia valdymo reikalavimą daugumai fizinių AI taikomųjų programų, įskaitant pramoninius ir sandėlio robotus, susiduriama su skirtingais laipsniais: reguliuotojai ir klinikinės peržiūros tarybos turi matyti, kaip sistema elgiasi, o ne tik patvirtinti, kad elgesys atrodė priimtinas atliekant bandymus.
Atvirojo kodo sistema leidžia kūrėjams patikrinti fizikos prielaidas modeliuojant, atkurti rezultatus įvairiose anatomijose ir sukurti įrodymų seką, tinkančią pateikti FDA ar lygiavertę instituciją.
Tai yra stipresnis fizinio AI atvirumo argumentas nei daugelyje programinės įrangos kategorijų, kur uždaras tiekėjo vamzdynas slepia prielaidas, kurias komandai kitu atveju reikėtų ginti reguliatoriui. Patvirtinimo klausimas savaime neišsprendžiamas.
Atviras kodas leidžia išorės recenzentams patikrinti modelio logiką, tačiau jis nepatvirtina, kad modelio fizinis elgesys sutampa su tuo, kas vyksta kūne, ir šis patvirtinimas vis tiek turi būti gautas iš bandymų, kurių nė viena iš šių įmonių dar nepaskelbė.
„Nvidia“ sukūrė infrastruktūrą, kuri galėtų sutrumpinti chirurginių ir diagnostinių robotų fizinio dirbtinio intelekto kūrimo iki techninės įrangos etapą, o lygiagrečiai vykdomi mokymai tokiu mastu yra nukrypimas nuo kiekvienos darbo eigos pritaikytos modeliavimo scenos atkūrimo.
Daugiau apie šią temą galite išgirsti adresu Fizinė AI paroda.
Taip pat žiūrėkite: Bristolis Myersas Squibbas perka „Nvidia AI“ sistemą, skirtą vaistų atradimui
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais, įskaitant „Cyber Security & Cloud Expo“. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
