На GTC 2026 хирургические роботы NVIDIA научились автономно резать пузырный проток и завязывать хирургический узел

На одной сессии GTC 2026, посвящённой физическому ИИ в медицине, NVIDIA и её партнёры показали сразу несколько работающих демонстраций хирургических роботов, которые учатся оперировать не по жёсткой программе, а на данных. Сессия собрала хирургов и инженеров из Northwell Health, Johns Hopkins, Moon Surgical и швейцарской LEM Surgical, и главной темой стало не железо, а данные, которых физическому ИИ в хирургии катастрофически не хватает.

Хирург Филиппо Филикори, руководитель программы MIS-fellowship и системный директор по хирургическим инновациям Northwell Health в Lenox Hill, рассказал, что роботизированная хирургия уже занимает более 30% рынка малоинвазивных операций, но врачи используют лишь малую часть данных, которые собирают операционные роботы. Его команда вместе с сообществом хирургов SAGES разработала онтологию хирургических жестов и применила её к открытому датасету Open-H, а затем показала видео, где автономный робот, обученный на этих данных, самостоятельно завязал хирургический узел при наложении шва — тогда как стажёр-ординатор на той же записи с трудом справлялся с этой задачей вручную.

Ещё дальше пошёл представитель Johns Hopkins, сооснователь стартапа Semaphor Surgical: его команда перешла от классических моделей, основанных на физике движения (те упирались в потолок — примерно 60 % успешных стежков), к имитационному обучению — и добилась 90 % успеха в завязывании узлов (18 из 20 попыток) и 100 % в захвате иглы уже на нескольких сотнях демонстраций. На следующем этапе робота научили автономно выполнять фрагмент операции по удалению желчного пузыря — наложение клипс и пересечение пузырного протока и пузырной артерии — на моделях ex vivo без вмешательства хирурга. При участии команды был также собран крупнейший датасет хирургической робототехники — совместный проект более 50 институтов и NVIDIA — около 120 000 траекторий с кинематикой, выложенный в понедельник и уже скачанный тысячу раз, — и на его основе дообучила модель NVIDIA GR00T, которая справилась со сшиванием тканей лучше существующих решений, при использовании лишь трети обучающих данных.

Компания Moon Surgical показала, как её роботизированная система Maestro — уже одобренная FDA и получившая маркировку CE в ЕС и применённая почти в 3000 операций — использует платформы Isaac for Healthcare и Cosmos Transfer, чтобы генерировать синтетические видео операций из реальных записей и быстрее обучать робота находить оптимальное положение манипуляторов у операционного стола.

А швейцарская LEM Surgical показала совсем другой класс задач — роботизированную хирургию костей и суставов, где до сих пор доминирует архитектура из одной механической руки с оптическим трекером, разработанная около 30 лет назад. Основатель компании Йосси Бар объяснил, что уже сегодня 40% американских хирургов-ортопедов старше 60 лет, а число пациентов старшего возраста будет только расти, — и представил систему из двух синхронизированных манипуляторов и отдельной «руки» с камерой, способную работать с любыми инструментами и имплантами, а не только с проприетарными. Прежде чем допустить робота до костей и тканей пациента, компания вместе с NVIDIA сначала обучает его безопасно двигаться среди стерильного и нестерильного персонала операционной.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.