Darmkrebs ist das am häufigsten diagnostizierte Krebsbild bei amerikanischen Frauen – doch die Unterschiede in der Versorgung sind groß. Die Mehrheit der Frauen über 40 Jahren übersieht die empfohlene jährliche Mammographie. Radiologen lesen mehr Mammogramme mit weniger Kollegen. Und wenn eine Diagnose vorliegt, dauern die Tests, die das Behandlungsverhalten bestimmen, Wochen, bis die Ergebnisse vorliegen.
Unternehmen im NVIDIA Inception-Programm für Start-ups entwickeln AI-Anwendungen, um Kliniker an jedem dieser Punkte zu unterstützen, einschließlich Bildgebung, Risikobewertung und Behandlungsplanung.
Etwa 40 Millionen Mammografien werden in den USA jährlich durchgeführt, aber eine voraussichtliche Mangelversorgung von Zehntausenden Radiologen in der nächsten Dekade belastet die Kapazität des Systems, sie zu interpretieren.
Am anderen Ende der Pflegezeitlinie hängen die Behandlungsentscheidungen oft von genomischen Untersuchungen ab, die an externe Labore gesendet werden – Untersuchungen, deren Bearbeitung Wochen in Anspruch nimmt, und zwar in einer Zeit, in der Geschwindigkeit und Sicherheit am wichtigsten sind.
Die unten aufgeführten Unternehmen adressieren beide Seiten dieser Lücke sowie alles dazwischen, was durch die NVIDIA-AI-Infrastruktur beschleunigt wird.
Automatisierte Bildverarbeitung liefert AI-gestützte Erkenntnisse
Für Frauen, die Schwierigkeiten haben, Zeit oder einen geeigneten Ort für die Brustkrebsuntersuchung zu finden, ist der Zugang eine praktische Hürde, die zu verpassten Diagnosen führt. Das Startup iSono Health von NVIDIA Inception wurde auf die Vereinfachung dieses Bildgebungsprozesses entwickelt.
Die von der FDA genehmigte ATUSA-Plattform des Unternehmens – ein tragbares, automatisches 3D-Quantitativ-Ultraschallsystem – erfasst das standardisierte Brustvolumen in etwa zwei Minuten pro Brust, im Vergleich zu bis zu 45 Minuten bei einem konventionellen Handheld-Ultraschall.
Das KI-System des Systems, das auf Tausenden vollständiger Brustscans mit über 1,5 Millionen Ultraschallbildern trainiert wurde, automatisiert die Bildaufnahme. Es nutzt NVIDIA-GPU-Beschleunigung und open-source medizinische Bildverarbeitungstechnologie, um eine 3D-Scan darzustellen, die laut dem Unternehmen 28% sensibler ist als ein tragbares 2D-Ultraschallgerät.
Der tragbare Ultraschall hängt von der Person ab, die die Sonde hält, daher können die Untersuchungen einer Frau typischerweise nicht von einem Jahr zum nächsten verglichen werden. ATUSA erfasst jedes Mal den gesamten Brustbereich auf dieselbe Weise, was eine wiederholbare Darstellung des Brustgewebes ermöglicht. Dies kann den Ärzten helfen, die Veränderungen im Gewebe des Patienten bei den Folgeuntersuchungen zu analysieren, während gleichzeitig Fehler und Variabilität beim Operator reduziert werden.
atusa ist kommerziell über Partnerkliniken in Kalifornien, Texas, Georgia, Tennessee und Washington D.C. erhältlich, und neue Standorte werden regelmäßig online geöffnet.
„Dass die Untersuchung dem Patienten näher gebracht wird, ist der erste Durchbruch“, sagte Neda Razavi, CEO von iSono Health. „Unsere Vision ist es, diese Untersuchung immer informanter zu machen: Wir sollen Ärzten helfen, zu erkennen, was vorhanden ist, zu verstehen, was sich geändert hat, und fundiertere Entscheidungen treffen.“
iSono Health hat AI-Fähigkeiten entwickelt für die Erkennung von Läsionen, die 3D-Segmentierung und die Klassifizierung von Läsionen. Zukünftig plant das Unternehmen, seinen AI-Prozess zu erweitern und ihn in eine multimodale diagnostische Intelligenz auszuweiten, die 3D-Ultraschall, Mammographie, MRI und klinische Informationen umfasst.
Das Unternehmen führt eine multizentrische klinische Studie mit 3.200 Patienten durch, um die Leistung der Plattform weiter zu validieren. Die wichtigsten Forschungszentren sind das UC Davis und das Vanderbilt University Medical Center.
Finden von Krebs, falsche Alarmen vermeiden
Eine weitere NVIDIA Inception-Unternehmen, Whiterabbit.ai, entwickelt KI-Technologie für die Krebsfrüherkennung bei Brustkrebs. Das von der FDA freigegebene WRDensity-Software bewertet automatisch die Brustdichte aus Mammogrammen und wurde bei der Behandlung von Hunderttausenden von Patienten eingesetzt.
Das Unternehmen hat auch WRRisk entwickelt, eine klinische Entscheidungsunterstützungssoftware zur Schätzung des langfristigen Risikos von Patienten, an Brustkrebs zu erkranken – und erforscht eine neue Generation von KI für Mammographie, die Radiologen dabei helfen könnte, mehr Krebszellen zu erkennen, während die Screening-Prozesse für Mammogramme, die auf kein Brustkrebs hindeuten, automatisiert werden.
Ziel ist es, die Belastung der überlasteten Radiologen-Arbeitskräfte zu verringern, die Ergebnisse zu beschleunigen und unnötige Rückholungen von Patienten zu reduzieren, sowie die Kosten im Gesundheitswesen nach dem Eingriff zu senken.
„Jeden Tag müssen Brust-Radiologen mit dem Problem kämpfen, in einem Haufen Heu eine Nadel zu finden – sie versuchen, etwa einen Krebs bei jeder 200 Mammografie zu erkennen“, sagte Jason Su, Co-Gründer und Chief Technology Officer von Whiterabbit.ai. „Wir hoffen, dass KI eine starke Hilfe für Radiologen sein kann, um den Heu-Haufen zu beseitigen, damit sie sich auf ihre Expertise konzentrieren können, wo es am wichtigsten ist.“
Whiterabbit trainiert seine KI-Modelle auf einem Cluster von NVIDIA-GPUs, die sich am Washington University in St. Louis befinden, ergänzt durch zusätzliche GPU-Leistung im Cloud-Ökosystem. Die Inferenz läuft auf den direkt in der Klinik installierten NVIDIA-GPUs.
Vorhersagen darüber, welche Behandlungen funktionieren werden
Wenn ein Patient mit Brustkrebs diagnostiziert wird, ist die nächste Frage: Was soll man tun? Die Antwort hängt davon ab, wie das Krebsgeschehen auf die Behandlung reagieren wird.
Heute sind diese Vorhersagen in ihrem Umfang und ihrer Genauigkeit begrenzt, und es ist oft eine separate Gewebebiopsie mit einer Wartezeit von zwei bis vier Wochen erforderlich. Ataraxis AI entwickelt klinische Intelligenz, die die Ergebnisse der Patienten sowie die Reaktion auf verschiedene Therapien mittels digitaler Daten vorhersagt – einschließlich pathologischer Abstriche, die bereits Teil des standardmäßigen Patientenuntersuchungsprotokolls sind.
„Die Werkzeuge, auf die Onkologen heute zurückgreifen, um Therapieentscheidungen zu bestimmen, wurden vor etwa fünfzehn Jahren einmal trainiert und nie erneuert. Unsere Modelle werden jedes Mal stärker, wenn wir mehr klinische Studiendaten erhalten“, sagte Joseph Cappadona, Mitglied des technischen Personals bei Ataraxis AI. „Aber da wir unsere Modelle ausbauen, ist die größere Veränderung die Fähigkeit, mehr Fragen zu beantworten, um Onkologen dabei zu helfen, die Therapie für alle Krebsarten individuell anzupassen.“
Die KI-Modelle von Ataraxis analysieren digitale Pathologie-Slides und standardmäßige klinische Variablen, um die Behandlungsresistenz und das Risiko einer Wiederholung zu vorhersagen. Ein Modell kann voraussagen, ob eine präoperative Chemotherapie dazu führen wird, dass der Tumor des Patienten vor der Operation auf ein Resistenzniveau reduziert wird. Nach der Operation schätzt ein weiteres Modell das fünfjährige Wiederholungsrisiko des Patienten sowie den möglichen Nutzen einer weiteren Chemotherapie.
Beide Modelle wurden an mehr als 10 Institutionen und durch mehrere klinische Studien validiert, und sind aktuell in der klinischen Anwendung verfügbar. Sie laufen auf NVIDIA-GPUs im eigenen Unternehmen, in einem externen Data Center sowie im Cloud-Ökosystem – dabei wird PyTorch durch NVIDIA CUDA beschleunigt.
Erzeugen von Tumortranslationsdaten durch 3D-Visualisierung
Eine weitere NVIDIA Inception-Unternehmen, SimBioSys, trat kürzlich in einer Panel-Veranstaltung zum Monat des Aufklärungsbems über Brustkrebs bei NVIDIA.
Das Unternehmen entwickelt eine von KI gestützte Präzisionsmedizintechnologie, die genaue 3D-Modelle von Brusttumoren, Venen und anderen weichen Geweben erstellt und wichtige Erkenntnisse liefert, um Operationen zu leiten und Behandlungspläne zu beeinflussen. Zudem hat das Unternehmen ein Tool entwickelt, mit dem das Risiko einer Rückfall von Brustkrebs anhand der 3D-Volumetrischen Daten aus der Brust-MRI des Patienten, der Tumortherapie und klinischen Daten geschätzt werden kann.
„Wir bauen eine Plattform, die es uns jetzt ermöglicht, multimodale Daten – Bildgebungsuntersuchungen, Pathologiergebnisse, genomische Tests, wenn erforderlich, sowie andere biologische Daten – zu sammeln und mit Hilfe von KI all diese Daten zusammenzuführen“, sagte Stacey Stevens, CEO von SimBioSys, auf der Veranstaltung. „Wenn wir das tun, ergeben sich neue Erkenntnisse, die über das hinausgehen, was wir aus jedem einzelnen Teil gewonnen haben.“
SimBioSys verwendet NVIDIA MONAI für Trainings- und Validierungsdaten sowie NVIDIA CUDA-X-Bibliotheken, einschließlich cuBLAS und MONAI Deploy, für seine Bildverarbeitungstechnologie, die auf NVIDIA-GPUs im Cloud-Umfeld läuft.
„Die NVIDIA-Technologie verleiht uns die Rechenleistung, um Hunderte oder Tausende von Bildern zu nehmen, unseren KI-Modell anzuwenden und sie schnell zu analysieren“, sagte Stevens. „Diese Geschwindigkeit ist wichtig, denn Patienten und Ärzte benötigen schnelle Antworten. Sie können es sich nicht leisten, Tage oder Wochen zu warten.“
Lernen Sie mehr über dasNVIDIA Inception Programm für Start-ups.
Bestimmte Technologien, die in diesem Artikel beschrieben werden, sind noch in der Forschungsphase und haben nicht von der U.S. FDA für kommerzielle Verwendung genehmigt werden.