NVIDIA publie en open source son premier framework de simulation physique médicale accéléré par GPU

NVIDIA a annoncé aujourd'hui l'ouverture en open source de Medical Physics Simulation, un nouveau framework accéléré par GPU au sein d'Isaac for Healthcare, destiné à la robotique médicale. Cet outil permet de modéliser les interactions entre les dispositifs médicaux et l'anatomie humaine, de générer des scénarios rares difficiles à capturer en conditions réelles, et de tester ou entraîner des politiques de robots avant les phases coûteuses de tests matériels. Bâti sur les technologies de simulation NVIDIA Warp et Newton ainsi que sur la plateforme générative Cosmos, le framework combine simulation physique classique, pour modéliser des règles connues comme le contact, la friction ou le mouvement, et simulation générative en temps réel via Cosmos-H Dreams, qui apprend la dynamique visuelle des scènes à partir de données procédurales. Concrètement, les développeurs peuvent connecter anatomie vasculaire, instruments flexibles comme des cathéters ou des guides, imagerie par rayons X simulée et apprentissage par renforcement, le tout dans des environnements réutilisables plutôt que dans des scènes reconstruites à chaque nouveau projet. Les gains de performance annoncés sont significatifs: la simulation native GPU permet de faire tourner 8 192 environnements d'entraînement en parallèle, réduisant un temps d'entraînement de plus de cinq heures à moins de deux minutes.

Cette avancée s'attaque à l'un des principaux goulots d'étranglement de la robotique médicale: la difficulté d'obtenir suffisamment de données variées pour entraîner, tester et améliorer le comportement des robots face à des anatomies changeantes, des instruments qui glissent ou pressent différemment les tissus, ou une imagerie bruitée. En rendant le framework open source, NVIDIA met en avant un enjeu propre au secteur de la santé: la transparence sur les données, les modèles et les poids utilisés est jugée essentielle pour que les équipes puissent reproduire des résultats, évaluer les performances sur différentes anatomies, identifier les limites d'un système et constituer les preuves nécessaires à un examen réglementaire. Pour les fabricants de robots chirurgicaux, cela transforme la simulation d'un projet d'ingénierie sur mesure en une infrastructure réutilisable, accélérant potentiellement la mise sur le marché de nouveaux dispositifs tout en réduisant les coûts et les risques liés aux tests sur matériel réel.

Un premier écosystème de partenaires s'appuie déjà sur cette approche pour résoudre des défis chirurgicaux spécifiques. CMR Surgical et Cambridge Consultants, filiale de Capgemini, utilisent Cosmos-H-Dreams pour apprendre implicitement la physique des interactions lors d'interventions sur tissus mous et générer des simulations propres à chaque patient, CMR ayant contribué au développement de cette capacité. Cette initiative s'inscrit dans une tendance plus large de l'industrie technologique consistant à investir massivement dans la simulation physique pilotée par l'IA générative pour accélérer le développement de systèmes robotiques physiques, qu'il s'agisse de robots industriels, humanoïdes ou, comme ici, chirurgicaux. Le pari de NVIDIA est que la combinaison de physique classique et de génération de scènes par IA permettra aux développeurs de couvrir un éventail bien plus large de cas limites avant même de construire un prototype physique, ce qui pourrait, à terme, raccourcir les délais réglementaires et de mise sur le marché pour les robots médicaux de nouvelle génération.