헬스케어 로봇이 현실 세계에서 제 역할을 하려면, 먼저 물리 세계가 어떻게 반응하는지를 배워야 합니다. 인체의 해부학적 구조는 사람마다 다릅니다. 기구는 휘고, 눌리고, 미끄러지며 조직과 상호작용합니다. 영상은 노이즈가 섞이거나 불완전할 수 있습니다. 게다가 개발자가 가장 이해해야 하는 드문 엣지 케이스는 원하는 때에 나타나 주지 않습니다.
이는 헬스케어 로보틱스의 가장 큰 병목 중 하나로 이어집니다. 바로 로봇의 동작을 학습시키고, 테스트하고, 개선하는 데 필요한 방대하고 다양한 데이터를 확보하는 일입니다.
최근에 발표된 NVIDIA Medical Physics Simulation 프레임워크는 NVIDIA Isaac for Healthcare에 새롭게 추가된 오픈 소스 GPU 가속 기능입니다. 이를 통해 의료 로보틱스 개발자는 해부학적 구조와 기기 간 상호작용을 모델링하고, 확보하기 어려운 시나리오를 생성하며, 인 실리코(in silico) 방식으로 테스트하고, 하드웨어 중심의 대규모 테스트에 앞서 로봇 정책(policy)을 학습하거나 평가할 수 있습니다.
이 프레임워크는 해부학적 구조와 의료 기기의 동작 특성을 센서 시뮬레이션, 로봇 학습과 하나로 결합합니다. 덕분에 개발팀은 워크플로우마다 맞춤형 장면을 새로 구축하는 대신 재사용 가능한 시뮬레이션 환경을 만들 수 있어, 개발 시간을 절약하고 혁신을 더 빠르게 시장에 선보일 수 있습니다.
Medical Physics Simulation은 오픈 소스이기 때문에 헬스케어 로보틱스 개발자가 프레임워크를 직접 들여다보고 자사의 기기와 워크플로우에 맞게 조정할 수 있으며, 광범위한 NVIDIA 스택과 매끄럽게 연동되는 GPU 가속 기반 위에서 개발을 이어갈 수 있습니다.
헬스케어 분야에서 오픈 소스는 특히 중요합니다. 시스템의 동작을 좌우하는 데이터와 모델, 가중치에 대한 투명성이 필요하기 때문입니다. 개방형 모델과 모델 가중치에 접근할 수 있으면 개발자는 결과를 재현하고, 다양한 해부학적 구조와 시나리오에서 성능을 평가하며, 한계를 파악하고, 규제 심사를 위한 근거를 마련할 수 있습니다.
의료 로봇을 위한 가상 훈련장
피지컬 AI에서 경험이란 곧 움직이는 데이터입니다. 개발자는 해부학적 구조가 달라지거나, 기기가 다르게 작동하거나, 조건이 바뀌거나, 정책이 예기치 않게 실패하는 상황에서도 로봇이 제대로 동작하도록 학습시켜야 합니다.
Medical Physics Simulation은 개발자가 해부학적 구조와 기기 접촉, 마찰, 센서 입력을 시뮬레이션한 뒤 다양한 상호작용과 환경에서 테스트해, 이러한 변화 속에서 로봇이 어떻게 작동하는지 평가할 수 있도록 지원합니다. NVIDIA CUDA로 구동되며 Isaac for Healthcare의 일부인 이 프레임워크는 NVIDIA Warp와 Newton, Cosmos 시뮬레이션 및 생성형 AI 기술을 기반으로 합니다. 수백 개의 시뮬레이션 환경을 병렬로 실행할 수 있어, 개발팀은 더 많은 시나리오를 탐색하고 개발 초기 단계에서 실패 모드를 찾아낼 수 있습니다.
로봇 개발자에게 이는 시뮬레이션이 일회성 엔지니어링 프로젝트에서 재사용 가능한 인프라로 바뀌는 변화입니다. 달라진 점은 규모입니다. 벤치마크에 따르면 GPU 네이티브 시뮬레이션으로 8,192개의 로봇 학습 환경을 병렬 실행한 결과, 학습 시간이 5시간 이상에서 2분 미만으로 단축됐습니다.
개발자는 이 프레임워크로 혈관의 해부학적 구조, 카테터와 가이드와이어 같은 유연한 기구, 시뮬레이션된 X-ray 영상, 강화 학습을 서로 연결할 수 있습니다. 프레임워크는 이러한 예시를 넘어 추가적인 기기와 해부학적 구조, 센서, 헬스케어 로보틱스 영역으로 확장할 수 있도록 설계됐습니다.
Medical Physics Simulation은 고전 물리 시뮬레이션과 생성형 AI 물리 시뮬레이션을 하나로 결합합니다. 고전 시뮬레이션은 기기 접촉, 마찰, 운동처럼 이미 알려진 물리 법칙을 모델링하는 데 활용됩니다. Medical Physics Simulation에 포함된 실시간 생성형 AI 물리 시뮬레이션 기능인 NVIDIA Cosmos-H Dreams는 시술 데이터로부터 학습한 시각적 장면 역학을 모델링하는 데 도움을 줍니다.
이 두 가지 접근법을 결합하면 개발자는 물리적 프로토타입과 실험실 테스트 단계로 넘어가기 전에 가상 환경에서 헬스케어 로보틱스 시스템을 한층 풍부하게 구축하고 검증할 수 있습니다.
의료 로보틱스의 미래를 만들어 가는 생태계
의료 로보틱스 선도 기업들은 이미 시뮬레이션 기반 개발을 적용해 구체적인 수술 과제를 해결하고 있습니다.
CMR Surgical과 Capgemini 계열사인 Cambridge Consultants는 Cosmos-H Dreams를 활용해 연조직 수술의 상호작용 물리를 암묵적으로 학습하고 환자별 맞춤 시뮬레이션을 생성하고 있습니다. CMR은 자사의 Versius Surgical Robotic System에서 확보한 익명화된 임상 데이터 약 500시간 분량을 Open-H Embodiment 오픈 데이터세트에 기여했으며, 이는 담낭 절제술과 전립선 절제술, 탈장 교정술, 자궁 절제술을 비롯한 시술에 도움이 됩니다.
CMR Surgical의 최고 기술 책임자 Chris Fryer는 “오픈 소스 모델은 공유된 지식을 바탕으로 개발할 수 있게 해 책임 있는 혁신을 가속하고, 궁극적으로 전 세계 환자에게 더 일관된 치료와 더 나은 결과를 제공할 가능성을 열어준다”고 말했습니다.
Johnson & Johnson MedTech는 Isaac for Healthcare의 Medical Physics Simulation과 Cosmos 기반 파운데이션 모델을 활용해 비뇨기과용 엔도루미널(endoluminal) 플랫폼 MONARCH의 디지털 트윈을 구축하고, 복잡한 해부학적 구조와 신장 결석 시나리오를 모델링하고 있습니다.
XCath는 혈관 내 시술 자율화 정책 학습에 Medical Physics Simulation을 활용하고 있습니다. Inner Logic은 합성 데이터로 의료 기술의 발전을 앞당기고 있으며, NVIDIA Medical Physics Simulation으로 기기 역학을 검증하고 규제 승인 절차를 뒷받침할 인 실리코 근거를 생성하고 있습니다.
Medtronic Structural Heart는 시뮬레이션된 X-ray 센싱과 Medical Physics Simulation을 결합해 카테터 내비게이션 연구용 데이터를 생성하는 방안을 검토하고 있습니다.
Isaac for Healthcare 스택에 더해진 새로운 레이어
NVIDIA Isaac for Healthcare의 모듈형 기능인 Medical Physics Simulation은 단독으로 사용할 수도 있고, 디지털 트윈 파이프라인과 의료 센서 시뮬레이션, 오픈 로봇 학습 프레임워크인 NVIDIA Isaac Lab, NVIDIA의 오픈 모델과 그 정책과 함께 사용할 수도 있습니다.
개발자는 오픈 소스 Medical Physics Simulation 프레임워크를 살펴보고, 제공되는 레퍼런스 워크플로우를 검토하며, 자사의 기기와 해부학적 구조, 헬스케어 로보틱스 애플리케이션에 맞는 시뮬레이션 환경 구축을 시작할 수 있습니다.