Nvidia a mis à disposition de tous, le 22 juillet, un logiciel qui entraîne les robots chirurgicaux dans un environnement virtuel avant le moindre essai sur du matériel réel. Baptisé Medical Physics Simulation, il fait passer un apprentissage de plus de cinq heures à moins de deux minutes. L'entreprise le présente comme le premier cadre de simulation de physique médicale accéléré par carte graphique.
Un bloc opératoire virtuel pour entraîner les machines
L'outil rejoint Isaac for Healthcare, la brique santé de Nvidia dédiée à la robotique médicale. Son principe : reproduire dans l'ordinateur la façon dont un instrument entre en contact avec les tissus, puis multiplier les répétitions. Le logiciel fait tourner jusqu'à 8 192 environnements d'entraînement en parallèle, ce qui explique le gain de temps spectaculaire annoncé par l'entreprise.
Pour les fabricants, l'intérêt est concret. Ils peuvent modeler l'interaction entre un appareil et une anatomie, fabriquer des situations difficiles à filmer en vrai, et évaluer le comportement d'un robot par simulation, ce que le secteur appelle un test in silico, avant de passer aux essais coûteux sur des maquettes physiques.
Cosmos-H Dreams, une physique apprise par l'IA
Le cœur du système est un composant nommé Cosmos-H Dreams. Il s'agit d'une brique d'IA générative qui apprend la dynamique visuelle d'une scène à partir de données de procédures, puis reconstitue la physique des contacts en temps réel. Le tout s'appuie sur les moteurs maison de Nvidia, Warp, Newton et Cosmos, déjà utilisés pour la robotique.
Le choix du logiciel libre n'est pas anodin. En ouvrant le code, Nvidia laisse chaque fabricant inspecter l'outil et l'adapter à ses propres appareils. Chris Fryer, directeur technique de CMR Surgical, y voit un moyen d'aller plus vite : « Les modèles ouverts nous permettent de bâtir sur un savoir partagé et d'accélérer une innovation responsable. »
Des noms lourds déjà à bord
Plusieurs acteurs de la chirurgie assistée collaborent déjà avec Nvidia autour de cette plateforme, parmi lesquels Johnson & Johnson MedTech, Medtronic pour ses activités de cardiologie structurelle, XCath ou encore Cambridge Consultants. CMR Surgical a de son côté versé près de 500 heures de données cliniques anonymisées issues de sa plateforme Versius à un jeu de données ouvert, pour aider les robots à apprendre les gestes sur des tissus mous.
Pour le patient, rien ne change dans l'immédiat, et un robot mieux entraîné en simulation devra toujours faire ses preuves en conditions réelles. Mais la manière de concevoir ces machines, elle, se déplace. Répéter des milliers de scénarios dans un ordinateur avant de toucher un vrai bloc, c'est raccourcir le temps de développement et multiplier les cas rares testés. Dans un domaine où la moindre erreur se paie cher, cette étape virtuelle devient un passage clé.