NVIDIA Inception 初创公司如何用 AI 补齐乳腺癌诊疗缺口

乳腺癌是美国女性中最常被诊断出的癌症——然而护理方面的差距却很大。超过40岁的女性中大多数跳过了建议的年度筛查。放射科医生在同事更少的情况下阅读着更多的乳腺X光片。而当诊断来临时，用于指导治疗的检测可能需要数周才能出结果。 

美国各地的初创公司 正在构建AI应用，以在这些摩擦点上为临床医生提供支持，包括影像、风险评估和治疗规划。

美国每年进行约4000万次乳腺X光检查，但预计未来十年将短缺数万名放射科医生，这正在使系统阅读这些影像的能力捉襟见肘。 

在护理时间线的另一端，治疗决策往往取决于送往外部实验室的基因组检测——这些检测需要数周才能处理完成，而此时速度和确定性最为重要。 

以下公司均为面向初创企业的NVIDIA Inception计划成员，它们正在解决这一差距的两端以及其间的一切问题，并借助NVIDIA AI基础设施加速发展。

自动化影像提供AI驱动的洞察

对于难以找到时间或附近地点进行乳腺癌筛查的女性来说，可及性是一个实际障碍，会转化为漏诊。NVIDIA Inception初创公司iSono Health正是围绕简化这一影像工作流程而建立的。

该公司获得FDA许可的ATUSA平台——一种可穿戴、自动化的3D定量超声系统——每侧乳房约两分钟即可采集标准化的乳房体积，而传统手持超声则需长达45分钟。 

该系统的AI基于数千次全乳扫描（包含超过150万帧超声图像）训练，可自动完成图像采集。它使用NVIDIA GPU加速和开源医学影像技术，提供3D扫描，该公司称其灵敏度比手持2D超声高28%。

手持超声取决于谁拿着探头，因此女性的扫描结果通常无法逐年比较。ATUSA每次都以相同方式采集整个乳房，创建可重复的乳房组织视图，这可能有助于临床医生分析患者组织在连续扫描中的变化，同时减少操作者误差和变异性。

ATUSA已通过加利福尼亚州、得克萨斯州、佐治亚州、田纳西州和华盛顿特区的合作诊所投入商业使用，新站点也在定期上线。 

“让扫描更接近患者是第一个突破，”iSono Health首席执行官Neda Razavi说。“我们的愿景是让这种扫描提供越来越多信息：帮助临床医生看到那里有什么、了解发生了什么变化，并做出更明智的决策。” 

iSono Health已开发出用于病灶检测、3D分割和病灶分类的AI能力。它接下来计划将其AI流程扩展到涵盖3D超声、乳腺X光、MRI和临床信息的多模态诊断智能。

该公司正在进行一项纳入3200名患者的多中心临床研究，以进一步验证该平台的性能，主要研究站点位于加州大学戴维斯分校和范德比尔特大学医学中心。 

发现癌症，减少误报

另一家 NVIDIA Inception 成员公司 Whiterabbit.ai 开发用于乳腺癌筛查的 AI 技术。其获得 FDA 许可的 WRDensity 软件可从乳腺 X 光片中自动评估乳腺密度，已用于数十万名患者的诊疗。

该公司还开发了 WRRisk，这是一款临床决策支持软件，用于评估患者罹患乳腺癌的长期风险——并正在研究新一代乳腺 X 光摄影 AI，可帮助放射科医生发现更多癌症，同时自动筛查乳腺 X 光片结果为阴性的病例。 

目标是减轻不堪重负的放射科医生队伍的负担，加快结果出具，减少患者可避免的复诊，并降低下游医疗成本。

“每天，乳腺放射科医生都面临大海捞针的问题，试图在每约 200 张乳腺 X 光片中找到约一例癌症，”Whiterabbit.ai 联合创始人兼首席技术官 Jason Su 说。“我们希望 AI 能成为放射科医生的强大助手，帮助拨开干草，让他们能把专业知识集中在最关键的地方。”

Whiterabbit 在圣路易斯华盛顿大学的一处 NVIDIA GPU 集群上训练其 AI 模型，并以云端额外的 GPU 容量作为补充。推理则运行在直接部署于诊所内的 NVIDIA GPU 上。

预测哪些治疗会有效

一旦患者被诊断出乳腺癌，下一个问题就是该怎么办——而答案取决于预测癌症对治疗的反应。 

如今，这些预测在范围和准确性上都有限，而且通常需要单独进行组织活检，并等待两到四周。Ataraxis AI 正在构建临床智能，利用数字数据预测患者结果和对不同疗法的反应，包括已属于标准患者检查流程一部分的病理切片。

“肿瘤科医生如今依赖的指导治疗决策的工具，大多是在十五年前一次性训练完成的，此后从未更新。我们的模型每获得更多临床试验数据就会变得更强，”Ataraxis AI 技术团队成员 Joseph Cappadona 说。“但随着我们扩展模型，更大的转变在于能够回答更多问题，帮助肿瘤科医生为所有癌症患者提供个性化治疗。”

Ataraxis 的 AI 模型分析数字病理切片和标准临床变量，以预测治疗反应和复发风险。一个模型预测术前化疗是否可能使患者肿瘤缩小到出现反应的程度，且是在进入手术室之前。手术后，另一个模型估计患者的五年复发风险以及下一步化疗的可能获益。 

这两个模型已在 10 多家机构和多项临床试验中得到验证，并已投入实际临床使用。它们运行在本地、异地数据中心和云端的 NVIDIA GPU 上——全程使用由 NVIDIA CUDA 加速的 PyTorch。

通过3D可视化提供肿瘤洞察

另一家NVIDIA Inception成员公司SimBioSys近期参加了NVIDIA举办的乳腺癌防治宣传月专题座谈会。 

该公司构建AI驱动的精准医疗技术，可创建乳腺肿瘤、血管及其他软组织的精确3D模型，提供重要洞察以辅助手术指导并影响治疗方案。它还开发了一款工具，可基于患者乳腺MRI的3D体积数据、肿瘤病理和临床数据来评估乳腺癌复发风险。 

“我们正在构建一个平台，如今能够整合多模态数据——影像检查、病理结果、适用时的基因组检测以及其他生物学输入——并利用AI将这一切融合在一起，”SimBioSys首席执行官Stacey Stevens在活动上表示。“当我们做到这一点时，它所产生的全新洞察超越了任何单一数据来源所能提供的信息。”

SimBioSys使用NVIDIA MONAI进行训练和验证数据处理，并使用NVIDIA CUDA-X库（包括cuBLAS和MONAI Deploy）支持其影像技术，该技术在云端的NVIDIA GPU上运行。 

“NVIDIA技术为我们提供了算力，能够处理成百上千张图像，应用我们的AI并快速完成分析，”Stevens说。“这种速度至关重要，因为患者和医生需要快速得到答案。他们等不起数天或数周。”

该公司的工作还在近期“Good Morning America”节目中得到了报道。

了解更多关于面向初创企业的NVIDIA Inception计划的信息。

本文所述的部分技术尚处于研究阶段，尚未获得美国FDA批准用于商业用途。