乳腺癌是美国女性中最常被确诊的癌症，但诊疗过程中的缺口依然巨大。超过四成40岁以上女性会跳过推荐的年度筛查。放射科医生在同事数量减少的情况下要阅读更多乳腺X光片。而当确诊到来时，用于指导治疗的检测结果往往需要数周才能返回。
NVIDIA Inception计划中的多家初创企业正在构建AI应用，支持临床医生应对这些环节中的痛点，涵盖影像、风险评估和治疗方案制定等方面。
美国每年要进行约4000万次乳腺X光检查，但未来十年预计将出现数万名放射科医生的缺口，这正在给系统阅片能力带来巨大压力。
在诊疗周期的另一端，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，而这恰恰是最需要速度和确定性的时刻。
以下这些公司正在NVIDIA AI基础设施的加速支持下，共同解决这两端及中间环节的问题。
自动化影像带来AI驱动的洞察
对于那些难以挤出时间或找不到附近筛查地点的女性来说，可及性是导致漏诊的实际障碍。NVIDIA Inception初创企业iSono Health的成立初衷正是简化这一影像工作流程。
该公司已获FDA批准的ATUSA平台——一款可穿戴式自动化3D定量超声系统——能在约两分钟内完成单侧乳房的标准化容积采集，而传统手持超声检查则需要长达45分钟。
该系统的AI在数千例全乳扫描、超过150万帧超声图像上训练而成，能够实现图像采集的自动化。它借助NVIDIA GPU加速和开源医学影像技术，提供的3D扫描结果据该公司称比手持2D超声灵敏度高出28%。
手持超声的检查效果取决于操作者的手法，因此女性患者的扫描结果通常无法逐年比较。而ATUSA每次都以相同方式采集整个乳房，形成乳腺组织的可重复视图，有助于临床医生分析患者组织在连续扫描间的变化，同时减少操作误差和差异性。
ATUSA目前已通过加州、德克萨斯州、佐治亚州、田纳西州和华盛顿特区的合作诊所实现商业化应用，新站点也在不断上线。
“让扫描更贴近患者是第一个突破，”iSono Health首席执行官内达·拉扎维（Neda Razavi）表示，“我们的愿景是让这次扫描提供越来越丰富的信息：帮助临床医生看清当下情况、理解变化内容，并做出更明智的决策。”
iSono Health已开发出病灶检测、3D分割和病灶分类等AI能力。接下来，公司计划将其AI技术扩展至涵盖3D超声、乳腺X光、MRI和临床信息的多模态诊断智能系统。
该公司正在进行一项涉及3200名患者的多中心临床研究，以进一步验证平台性能，主要研究机构为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企业Whiterabbit.ai开发了用于乳腺癌筛查的AI技术。其已获FDA批准的WRDensity软件可自动评估乳房X光片中的乳腺密度，已应用于数十万患者的诊疗。
该公司还开发了WRRisk，这是一款用于评估患者长期乳腺癌发病风险的临床决策支持软件——目前正在研究新一代乳腺X光AI技术，有望帮助放射科医生发现更多癌症病例，同时自动化处理筛查结果为阴性的乳腺X光片。
其目标是减轻紧张的放射科医生队伍的负担，加快结果返回速度，减少患者不必要的复查，并降低下游医疗成本。
“每天，乳腺放射科医生都要面对大海捞针式的难题，要在约200张乳腺X光片中找出大约一例癌症，”Whiterabbit.ai联合创始人兼首席技术官杰森·苏（Jason Su）表示，“我们希望AI能成为放射科医生的强大助手，帮助清除无关信息，让他们将专业能力聚焦于真正重要的地方。”
Whiterabbit在圣路易斯华盛顿大学的一个NVIDIA GPU集群上训练AI模型，并辅以云端额外的GPU算力。推理工作则直接在诊所部署的NVIDIA GPU上运行。
预测哪种治疗方案会有效
一旦患者被确诊为乳腺癌，下一个问题就是如何治疗——而答案取决于预测癌症对治疗的反应方式。
目前，这类预测在范围和准确性上都存在局限，往往还需要进行单独的组织活检，并等待两到四周的时间。Ataraxis AI正在构建临床智能系统，利用包括病理切片等已属于标准患者检查流程的数字化数据，预测患者的治疗结果及对不同疗法的反应。
“肿瘤科医生如今依赖的治疗决策工具，大多是15年前训练完成后就再未更新过。而我们的模型每次获取更多临床试验数据后都会变得更强，”Ataraxis AI技术团队成员约瑟夫·卡帕多纳（Joseph Cappadona）表示，“但随着模型规模的扩大，更大的转变在于我们能够回答更多问题，帮助肿瘤科医生针对各类癌症实现个性化治疗。”
Ataraxis的AI模型通过分析数字病理切片和标准临床变量来预测治疗反应和复发风险。其中一个模型可以预测术前化疗是否可能在进入手术室之前使患者肿瘤缩小到有效应答的程度。手术后，另一个模型则可估算患者五年内的复发风险，以及化疗作为后续治疗步骤可能带来的获益。
这两个模型均已在超过10家机构及多项临床试验中完成验证，并已投入实际临床应用。它们运行在本地部署、异地数据中心以及云端的NVIDIA GPU上——并全程使用由NVIDIA CUDA加速的PyTorch框架。
通过3D可视化提供肿瘤洞察
另一家NVIDIA Inception企业SimBioSys近期与NVIDIA共同参与了一场纪念乳腺癌关爱月的专题讨论。
该公司构建了AI驱动的精准医学技术，可创建乳腺肿瘤、血管及其他软组织的精确3D模型，为指导手术和影响治疗方案提供重要洞察。公司还开发了一款工具，可基于患者乳腺MRI、肿瘤病理及临床数据的3D容积数据，评估乳腺癌复发风险。
“我们正在打造一个平台，让我们能够整合多模态数据——影像检查、病理结果、适用情况下的基因组检测以及其他生物学输入信息——并借助AI将这些数据汇聚起来，”SimBioSys首席执行官斯泰西·史蒂文斯（Stacey Stevens）在活动中表示，“当我们这样做时，就会产生超越任何单一数据所能提供的全新洞察。”
SimBioSys使用NVIDIA MONAI进行训练和验证数据处理，并使用包括cuBLAS和MONAI Deploy等NVIDIA CUDA-X库支持其影像技术，这些技术运行在云端的NVIDIA GPU上。
“NVIDIA的技术为我们提供了强大的计算能力，使我们能够快速处理数百上千张图像，应用我们的AI并进行分析，”史蒂文斯表示，“这种速度非常重要，因为患者和医生需要尽快获得答案，他们等不起数天甚至数周的时间。”
欲了解更多信息，请访问NVIDIA Inception初创企业计划。
文中描述的某些技术属于研究性质，尚未获得美国FDA的商业使用批准。
Q&A
Q1：iSono Health的ATUSA平台有什么优势？
A：ATUSA是一款可穿戴自动化3D定量超声系统，每侧乳房扫描仅需约两分钟，远快于传统手持超声最长45分钟的检查时间，且检测灵敏度比手持2D超声高出28%，同时能实现可重复、标准化的扫描结果。
Q2：Whiterabbit.ai的AI技术主要解决什么问题？
A：Whiterabbit.ai的AI技术主要帮助放射科医生更高效地筛查乳腺X光片，通过自动化处理阴性结果，减轻医生工作负担，加快结果返回速度，并减少患者不必要的复查。
Q3：Ataraxis AI如何预测乳腺癌治疗效果？
A：Ataraxis AI通过分析数字病理切片和标准临床变量，预测患者对化疗的反应及复发风险，帮助肿瘤科医生在手术前后做出更精准的个性化治疗决策，相关模型已在多家机构验证并投入临床使用。
