2030 yılına kadar, Dünya Sağlık Örgütü, dünya genelinde 15 milyondan fazla sağlık çalışanı, cerrah, radyolog ve hemşire gibi profesyonelin yetersiz olacağını öngörüyor. ABD’de ise, 2034 yılına kadar 124,000 doktor eksikliğine ulaşılması bekleniyor. Artan talep, yaşlanan nüfus ve sınırlı insan kapasitesi, sağlık sistemlerini zorlamaktadır.
Yapay zeka destekli robot sistemleri, bu duruma çözüm sunabilir. Ameliyat alt görevlerinin otomasyonu, ameliyathane düzenlerinden yararlanma, tanı süreçlerini hızlandırma ve uzaktan prosedürleri mümkün kılma gibi fırsatlar sunarak sağlık hizmetlerini yaygınlaştırmakta, klinik personelin üzerindeki yükü azaltmakta ve sonuçları iyileştirmektedir. Bu, özellikle hizmetin sınırlı olduğu bölgelerde önem kazanmaktadır.
Binin üzerinde FDA onaylı yapay zeka tıbbi cihazı ve 400’den fazla sağlık robotu platformu geliştirilmekte olup, oldukça canlı bir yenilik ekosistemi oluşmaktadır. Ancak, gerçek dünya uygulaması hala zorluklarla doludur. Geliştiriciler, şu önemli zorluklarla karşı karşıyadır:
- Yüksek kaliteli biyomekanik simülasyon.
- Gelişmiş tıbbi sensör ve görüntüleme simülasyonu ile emülasyonu.
- Simülasyondan gerçeğe geçiş.
- Robot verisi açığı, veri edinimi ve uzman öğrenme entegrasyonu.
AI Tıbbında NVIDIA Isaac Nedir?
NVIDIA Isaac for Healthcare, AI destekli tıbbi robotiklerin simülasyonunu, eğitimini ve dağıtımını hızlandırmak için özel olarak tasarlanmış bir platformdur. Bu platform, NVIDIA’nın güçlü üç bilgisayar mimarisi gibi sağlık robotiklerinde tam geliştirme yığınını simülasyondan gerçek zamanlı yürütmeye birleştirmektedir.
AI tıbbi robotiklerinin geliştirilmesi için gereken tüm araçları sağlayan bu platform, beş entegre bileşen içermektedir:
Simülasyonla başlayın
Robot modellemeden hasta özel anatomilerin içe aktarımına ve fizik tabanlı sensörlerin simülasyonuna (örneğin, RGB, ultrason, güç) kadar, geliştiriciler hasta ile etkileşime girmeden yüksek kaliteli sentetik eğitim verileri oluşturabilir. Örneğin, GPU hızlandırmalı ultrason simülatörü, gerçek cihazlardan neredeyse ayırt edilemeyecek B-mode görüntüleri üretmektedir.
Önceden eğitilmiş yapay zekayı uygulayın
π0 gibi alan spesifik modellerle, NVIDIA Isaac GR00T N1 gibi uygulamalar, algılama ve kontrol için başlangıç noktaları sağlamaktadır. Bu modeller, özel olarak tıbbi görevler için eğitilmiştir.
Tamamlayıcı iş akışları oluşturun
Robotik ultrason taraması, cerrahi alt görev otomasyonu ve uzaktan telesürji gibi üç referans uygulama, uçtan uca uygulama örnekleri sunmaktadır. Her biri değerlendirme metriklerini içermekte ve özel kullanım durumlarınıza göre özelleştirilebilir.
Eğitim verisi oluşturun
Gerçek verilerin az olduğu durumlarda, MAISI gibi araçlar anatomik olarak doğru sentetik hastalar oluşturmada yardımcı olurken, NVIDIA Cosmos, cerrahi senaryolar için prosedürel varyasyonlar üretmektedir. Bu, sağlık alanında eğitim verisi bulunabilirliği sorununu çözmektedir.
Tıbbi varlıkları kullanın
Önceden doğrulanmış cerrahi ekipman, anatomik yapılar ve hastane ortamları için 3D modeller, geliştirmeyi hızlandırmaktadır. Varlık katalogu, da Vinci aletlerinden hasta anatomisine kadar her şeyi kapsamaktadır ve simülasyona hazırdır.
Sıralanan araçlar şunlardır:
- Otonom iş akışları: Robotik ultrason görüntüleme ve cerrahi görev otomasyonu için referans boru hatları.
- Ultrason sensör simülasyonu: AI eğitimi ve testi için fiziksel olarak doğru B-mode görüntü simülasyonu.
- Simülasyona hazır varlıklar: Tak çalıştır anatomik modeller ve robot desteği (örneğin, dVRK, Franka ve daha fazlası yolda).
- Önceden eğitilmiş politikalar: Ultrason kılavuzluğu için hazır π0, ayrıca eylem parçalama transformer (ACT) gibi taklit ve pekiştirme öğrenimi temelleri.
- Telesürji iş akışı: Kenarda optimize edilmiş, düşük gecikmeli kontrol boru hattı ile GPUDirect sensör girişi.
- Genişletilmiş model kütüphanesi: Daha sağlam görev yürütümü için yeni π0 ve GR00T N1 politikaları.
- Cosmos transferiyle sentetik veri üretimi: Klinik görüntüleme ortamları için sentetikten gerçeğe alan adaptasyonu.
İlk Erişim Projelerinden Öne Çıkanlar
500’den fazla geliştirici, cerrahi ve görüntüleme gibi çeşitli kullanım durumlarını kapsayan İlk Erişim Programı’na katıldı. Öne çıkan projeler şunlardır:
Moon Surgical: Ameliyathane kurulumunu akıllı robotik pozisyonlama ile otomatikleştirme
Moon Surgical, ameliyat için şahsen kendini yapılandırmayı öğrenen bir robot ile sistem düzeyinde otomasyonu teşvik etmektedir. Gemi üzerindeki kameraları ve tercihler listesinden yararlanan bir AI politikası sayesinde, sistem trocar pozisyonlarını tespit eder ve kurulumunu cerrahi vaka ve cerrahın tercihlerine göre optimize eder.
Virtual Incision: MIRA platformunda iğne transferini otomatikleştirme
Virtual Incision, miniaturize laparaskopik platformları MIRA üzerinde iğne transfer görevini otomatikleştirerek ön klinik cerrahi alt görev otomasyonunu gösterdi. Uzman hareketlerini taklit eden bir AI politikası eğitmek için transformer tabanlı taklit öğrenimi kullanarak yüksek hassasiyetle çalıştırmaktadır.
Virtuoso Surgical: Eğik tüpten oluşan bir robot ile AI destekli doku işleme
Virtuoso Surgical, yumuşak doku ortamında hassas manipülasyonu sağlamak için eğitim alanı gibi içerideki verilerden yararlanarak otonomi kazandırmaktadır.
Sovato: Düşük gecikmeli telerobotik
Sovato, uzaktan prosedürler için latency optimize edilmiş bir iş akışı uygulayarak telesürji alanında ilerleme kaydediyor. GPU hızlandırmalı hesaplama ve sensör girişi entegrasyonu kullanarak başarılı performans kazanımları elde etmiştir.
Hızla Başlayın
Depoları klonlayın ve geliştirmeye başlayın:
git clone https://github.com/isaac-for-healthcare/i4h-workflows.git
git clone https://github.com/isaac-for-healthcare/i4h-sensor-simulation.git
git clone https://github.com/isaac-for-healthcare/i4h-asset-catalog.git
Kendi Modelinizi/Hastanızı/Robotunuzu/XR’ınızı Getirin
Isaac for Healthcare, mevcut varlıklarınız, modelleriniz ve donanımınızla çalışacak şekilde tasarlanmıştır. Platform, özelleştirme için net entegrasyon yolları sağlamakta ve performans ile güvenilirliği korumaktadır.
Platform, AI modelleri için standart formatları desteklemektedir; bunlar arasında ONNX, NVIDIA TensorRT, PyTorch (TorchScript) ve TensorFlow bulunmaktadır. Entegrasyon, eğitilmiş modelinizi dışa aktarmayı, çıkarım için bir Holoscan operatörü oluşturmayı ve sensör boru hattına bağlamayı içerir. Çerçeve, optimizasyon ve donanım hızlandırmasını otomatik şekilde halletmektedir.
- Kendi hastanızı getirin: Tıbbi görüntü verilerinizi (BT/MRI taramaları) simülasyon için 3D modellere dönüştürün. MONAI‘nin entegrasyon araçlarını kullanarak DICOM, NIFTI veya NRRD dosyalarını segmentasyon maskeleri ile USD formatına çevirerek cerrahi planlama ve eğitimde kullanabilirsiniz. İş akışı, ağ oluşturma, koordinat hizalama ve fizik simülasyonu ile entegrasyonu içermektedir.
- Kendi robotunuzu getirin: İster özel bir cerrahi robotunuz olsun, ister mevcut platformları değiştirmek isteyin, bu çerçeve URDF içe aktarma ve CAD dosyası dönüşümünü desteklemektedir. Süreç, robot tanımınızı USD formatına dönüştürmeyi, kinematik zincirleri ayarlamayı ve kontrol sistemi ile entegrasyonu içermektedir.
- Kendi XR cihazınızı getirin: Herhangi bir OpenXR uyumlu karma gerçeklik başlığını bağlantı kurun. Platform, Apple Vision Pro’dan Meta Quest’a kadar standart OpenXR arayüzleri aracılığıyla cihazları desteklemektedir. Bu, cerrahi eğitim ve uzaktan prosedürler için stereoskopik görselleştirme ve sezgisel el takip kontrolü sağlar.
Her BYO yolu, platformun belirli gereksinimlerinizi genişletme sürecini basit hale getiren detaylı öğreticiler ve örnek kod ile birlikte gelmektedir.
