El cáncer de mama es el cáncer más común entre las mujeres estadounidenses — sin embargo, hay grandes brechas en la atención médica. Una mayoría de mujeres mayores de 40 años omite la evaluación anual recomendada. Los radiólogos examinan más mamografías con menos colegas. Y cuando se confirma un diagnóstico, los exámenes que determinan el tratamiento pueden tardar semanas en dar resultados.
Las compañías en el programa NVIDIA Inception para startups están desarrollando aplicaciones de IA para apoyar a los médicos en cada uno de estos puntos de fricción, incluyendo imágenes, evaluación de riesgos y planificación del tratamiento.
Aproximadamente 40 millones de mamografías se realizan en los Estados Unidos cada año, pero se proyecta una escasez de decenas de miles de radiólogos durante la próxima década, lo que agota la capacidad del sistema para procesarlas.
En el otro extremo del cronómetro de atención, las decisiones de tratamiento a menudo dependen de pruebas genómicas enviadas a laboratorios externos —pruebas que llevan semanas para ser procesadas, en un momento en el que la rapidez y la certeza son de gran importancia.
Las compañías siguientes abordan ambos extremos de ese vacío, y todo lo que está entre ellos, acelerado por la infraestructura de IA de NVIDIA.
La imagenación automatizada ofrece conocimientos impulsados por IA
Para las mujeres que tienen dificultades para encontrar tiempo o un lugar cercano para la detección del cáncer de mama, el acceso constituye una barrera práctica que lleva a diagnósticos omitidos. La startup iSono Health, de NVIDIA Inception, se creó con el objetivo de simplificar este flujo de trabajo de imágenes.
La plataforma ATUSA, aprobada por la FDA de la compañía, un sistema de ultrasonido cuantitativo 3D portátil y automatizado, captura el volumen mamario estandarizado en aproximadamente dos minutos por mama, en comparación con hasta 45 minutos para un ultrasonido manual convencional.
La IA del sistema, entrenada con miles de escaneos completos de senos que comprenden más de 1.5 millones de imágenes de ultrasonido, automatiza la adquisición de imágenes. Utiliza la aceleración de GPU NVIDIA y tecnología de imagen médica de código abierto para proporcionar un escaneo 3D que, según la empresa, es un 28% más sensible que un ultrasonido 2D portátil.
El ultrasonido portátil depende de quien sostiene la sonda, por lo que los escaneos de una mujer no pueden compararse entre sí año tras año. ATUSA captura todo el seno de la misma manera cada vez, creando una visión repetible del tejido mamario que podría ayudar a los clínicos a analizar cómo cambia el tejido del paciente en los escaneos sucesivos, al mismo tiempo que reduce los errores y variabilidad del operador.
atusa está disponible comercialmente a través de clínicas asociadas en California, Texas, Georgia, Tennessee y Washington D.C., y nuevas sedes se lanzan regularmente en línea.
“Acercar la exploración al paciente es el primer avance”, dijo Neda Razavi, CEO de iSono Health. “Nuestra visión es hacer que esa exploración sea cada vez más informativa: ayudar a los médicos a ver lo que existe, entender qué ha cambiado y tomar decisiones más informadas”.
iSono Health ha desarrollado capacidades de IA para la detección de lesiones, la segmentación en 3D y la clasificación de lesiones. En el futuro, planea extender su pipeline de IA hacia una inteligencia diagnóstica multimodal que abarque ultrasonido en 3D, mamografía, resonancia magnética y información clínica.
La empresa lleva a cabo un estudio clínico multicentro con 3,200 pacientes, con el objetivo de validar aún más el rendimiento de la plataforma. Los centros principales de investigación se encuentran en la Universidad de UC Davis y en el Centro Médico de la Universidad de Vanderbilt.
Encontrar cáncer, evitar alarmas falsas
Otra empresa de NVIDIA Inception, Whiterabbit.ai, desarrolla tecnología de IA para el cribado del cáncer de mama. Su software WRDensity, aprobado por la FDA, evalúa automáticamente la densidad mamaria a partir de los mamogramas y se ha utilizado en el cuidado de cientos de miles de pacientes.
La empresa también ha desarrollado WRRisk, un software de apoyo a la toma de decisiones clínica para estimar el riesgo a largo plazo de los pacientes de desarrollar cáncer de mama; además, está investigando una nueva generación de IA para la mamografía que podría ayudar a los radiólogos a detectar más cánceres, al mismo tiempo que automatiza el análisis de las mamografías negativas para cáncer de mama.
El objetivo es reducir la carga sobre el personal de radiólogos sobrecargado, acelerar los resultados y disminuir las llamadas de seguimiento evitables para los pacientes, así como bajar los costos de atención médica en la etapa posterior.
“Cada día, los radiólogos de mamas se enfrentan al problema de encontrar una cáncer aproximadamente en cada 200 mamografías”, dijo Jason Su, cofundador y director de tecnología de Whiterabbit.ai. “Esperamos que la IA pueda ser un ayudante poderoso para los radiólogos, ayudándoles a eliminar la ‘paja’ para que puedan concentrar su experiencia en lo que realmente importa”.
Whiterabbit entrena sus modelos de IA en un clúster de GPUs NVIDIA ubicado en la Universidad de Washington en St. Louis, complementado por capacidad adicional de GPU en la nube. La inferencia se ejecuta en GPUs NVIDIA desplegadas directamente en la clínica.
Predecir qué tratamientos funcionarán
Cuando a un paciente se le diagnostica cáncer de mama, la siguiente pregunta es qué hacer al respecto; y la respuesta depende de predecir cómo responderá el cáncer al tratamiento.
Hoy, estas predicciones tienen un alcance y precisión limitados, y a menudo requieren una biopsia de tejido separada con una espera de dos a cuatro semanas. Ataraxis AI está desarrollando inteligencia clínica que predice los resultados del paciente y la respuesta a diferentes terapias, utilizando datos digitales, incluyendo diapositivas de patología que ya forman parte del examen estándar del paciente.
“Las herramientas en las que dependen los oncólogos hoy para tomar decisiones terapéuticas fueron entrenadas en gran medida hace quince años y nunca se actualizaron”, dijo Joseph Cappadona, miembro del personal técnico de Ataraxis AI. “Pero a medida que escalamos nuestros modelos, el cambio más importante es la capacidad de responder a más preguntas para ayudar a los oncólogos a personalizar la terapia en todos los tipos de cáncer”.
Los modelos de IA de Ataraxis analizan las diapositivas de patología digital y las variables clínicas estándar para predecir la respuesta al tratamiento y el riesgo de recurrencia. Un modelo predice si la quimioterapia preoperatoria es probable que reduzca el tumor del paciente hasta un punto de respuesta antes de la sala de operaciones. Después de la cirugía, otro modelo estima el riesgo de recurrencia a cinco años del paciente y los posibles beneficios de la quimioterapia como siguiente paso.
Ambos modelos han sido validados en más de 10 instituciones y en múltiples ensayos clínicos, y se utilizan activamente en la práctica clínica. Funcionan en GPUs NVIDIA en las instalaciones, en un centro de datos fuera de las instalaciones y en la nube, utilizando PyTorch acelerado por NVIDIA CUDA en todo momento.
Proporcionar Información sobre el Tumor mediante Visualización en 3D
Otra empresa de NVIDIA Inception, SimBioSys, se unió a NVIDIA en un reciente panel que marcó el Mes de Conciencia sobre el Cáncer de Mama.
La empresa desarrolla tecnología de medicina de precisión impulsada por IA que genera modelos 3D precisos de tumores mamarios, venas y otros tejidos blandos, proporcionando información importante para guiar las cirugías e influir en los planes de tratamiento. También ha creado una herramienta para estimar el riesgo de recurrencia del cáncer de mama basada en datos volumétricos 3D obtenidos de la resonancia magnética de mama del paciente, la patología del tumor y los datos clínicos.
“Estamos creando una plataforma que ahora nos permite recopilar datos multimodales: exámenes de imagen, resultados de patología, pruebas genómicas cuando es aplicable y otros datos biológicos. Con la ayuda de la IA, podemos combinar todo eso”, dijo Stacey Stevens, CEO de SimBioSys, en el evento. “Cuando lo hacemos, se generan nuevas perspectivas que van más allá de lo que habíamos obtenido de cualquier parte individual”.
SimBioSys utiliza NVIDIA MONAI para los datos de entrenamiento y validación, y las bibliotecas NVIDIA CUDA-X, incluyendo cuBLAS y MONAI Deploy, para su tecnología de imágenes, la cual se ejecuta en GPU de NVIDIA en la nube.
“La tecnología de NVIDIA nos proporciona la potencia de computación necesaria para recopilar cientos o miles de imágenes, aplicar nuestro algoritmo de inteligencia artificial y analizarlas rápidamente”, dijo Stevens. “Esa velocidad es importante, ya que los pacientes y los médicos necesitan respuestas rápidamente. No pueden permitirse esperar días o semanas”.
Aprenda más sobre elNVIDIA Inception programa para emprendimientos.
Algunas tecnologías descritas en este artículo son en fase de investigación y no han sido aprobadas por la FDA de los EE. UU. para uso comercial.