乳腺癌是美国女性中最为常见的癌症类型——然而，在护理方面存在较大的差距。据40岁以上的大多数女性所反映的情况来看，她们忽略了建议进行的年度乳腺检查。放射科医生处理的乳腺X光片数量越来越多，但同事却越来越少。当诊断结果出来后，用于指导治疗的检测报告则可能需要数周才能出结果。
NVIDIA Inception计划中的初创企业正在开发人工智能应用，以在这些环节为临床医生提供支持，包括影像检查、风险评估和治疗规划。
每年在美国进行的约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短缺，这使得系统的阅读能力面临压力。
在护理时间线的另一端，治疗决策往往依赖于送往外部实验室的基因组检测——这些检测需要数周时间才能完成，而此时速度与确定性最为重要。
以下这些公司正在填补这一差距的两端以及中间的所有环节，并由 NVIDIA AI 基础设施推动其发展。
自动化成像带来人工智能驱动的洞察力
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，获取服务是一个实际障碍，导致诊断被错过。NVIDIA Inception 公司旗下的 iSono Health 产品就是为了简化这一影像检查流程而开发的。
该公司的FDA批准的ATUSA平台——一种可穿戴式自动3D定量超声系统——能够在大约两分钟内测量出标准化的乳房体积，而传统手持式超声则需要长达45分钟。
该系统的人工智能在数千张完整乳房扫描图以及超过150万张超声图像上进行了训练，能够自动完成图像采集工作。它利用NVIDIA GPU加速技术和开源医学成像技术，生成3D扫描图像，该公司表示，这种扫描的灵敏度比手持式2D超声高出28%。
手持式超声取决于操作探头的人，因此女性的检查结果通常无法在不同年份之间进行比较。ATUSA 每次都能完整扫描整个乳房，从而获得可重复观察的乳腺组织图像，这有助于临床医生分析患者组织在连续检查中的变化情况，同时还能减少操作员的错误和差异。
atusa在加利福尼亚州、德克萨斯州、乔治亚州、田纳西州和华盛顿特区各地的合作诊所中可供商业购买，新的销售点也正在定期上线。
“将扫描仪靠近患者是第一个突破，”iSono Health 首席执行官尼达·拉扎维说。“我们的目标是将该扫描结果更具信息性：帮助临床医生看清情况，理解变化，从而做出更明智的决策。”
iSono Health 已开发出用于病变检测、3D 分割和病变分类的 AI 功能。下一步，其计划将 AI 系统扩展为涵盖 3D 超声、乳腺X光摄影、MRI 和临床信息等多模态诊断智能系统。
该公司正在开展一项涉及3,200名患者的多中心临床研究，以进一步验证该平台的性能，其中主要研究地点位于UC Davis大学和Vanderbilt大学医学中心。
发现癌症，减少不必要的警报
另一家 NVIDIA Inception 公司 Whiterabbit.ai 正在研发用于乳腺癌筛查的人工智能技术。其获得 FDA 许可的 WRDensity 软件能够自动从乳腺 X 光片中评估乳腺密度，已被应用于数十万患者的治疗过程中。
该公司还开发了 WRRisk 这一临床决策支持软件，用于评估患者患乳腺癌的长期风险。目前，他们正在研究新一代人工智能技术用于乳腺X光检查，该技术有望帮助放射科医生更早发现癌症，同时自动化处理那些未发现乳腺癌的乳腺X光检查结果。
目标是减轻不堪重负의放射科医生的工作负担，加快诊疗效果，减少患者需要再次就诊的情况，并降低后续的医疗保健成本。
“每天，乳腺放射学家都面临着在大量影像中寻找大约每200次乳腺X光检查中有一例癌症的问题，”Whiterabbit.ai的联合创始人兼首席技术官Jason Su说。“我们希望人工智能能成为放射学家的有力助手，帮助他们清理掉那些无关紧要的影像，从而让他们能够专注于最重要的工作。”
Whiterabbit 在其人工智能模型训练中使用了位于圣路易斯华盛顿大学的 NVIDIA GPU 集群，同时借助云端的额外 GPU 资源。推理操作则直接在诊所部署的 NVIDIA GPU 上完成。
预测哪些治疗方法有效
一旦患者被诊断出乳腺癌，下一个问题就是该怎么做——而答案取决于对癌症如何对治疗作出反应的预测。
如今，这些预测在范围和准确性上都存在局限，通常还需要进行单独的组织活检，并且需要等待两到四周的时间。Ataraxis AI正在构建临床智能系统，利用数字数据——包括已作为标准患者检查的一部分的病理切片——来预测患者的结果及对不同疗法的反应。
“如今肿瘤学家用来指导治疗决策的工具，大多是在十五年前培训一次的，从未更新过。我们模型每次获取更多临床试验数据后都会变得更加强大，”Ataraxis AI的技术人员约瑟夫·卡帕多纳说。“但随着我们不断扩展模型规模，更大的变化在于能够回答更多问题，从而帮助肿瘤学家针对所有癌症进行个性化治疗。”
Ataraxis的AI模型能够分析数字病理学切片和常规临床变量，以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有可能在手术室之前将患者的肿瘤缩小到可产生反应的程度。术后，另一个模型则评估患者五年的复发风险以及化疗作为后续治疗的潜在益处。
这两种模型已在超过10家机构及多项临床试验中得到验证，目前正在积极应用于临床实践中。它们可以在本地机房、异地数据中心或云环境中运行，全程通过由NVIDIA CUDA加速的PyTorch来实现。
通过 3D 可视化提供肿瘤信息
另一家 NVIDIA Inception 公司 SimBioSys 在最近的一场活动上加入了 NVIDIA，该活动旨在宣传乳腺癌意识月。
该公司研发了由人工智能驱动的精准医疗技术，能够生成乳房肿瘤、血管及其他软组织的精确3D模型，为手术指导和治疗方案制定提供重要信息。此外，该公司还开发了一种工具，可根据患者的乳腺MRI数据、肿瘤病理资料和临床数据，通过3D体积数据来评估乳腺癌复发的风险。
“我们正在打造一个平台，使得我们能够整合多种类型的数据——如影像检查、病理结果、适用时的基因组检测以及其他生物数据——并通过人工智能将这些数据统一起来，”SimBioSys 首席执行官 Stacey Stevens 在活动上表示。“当这样做时，就能产生新的见解，这些见解超出了单个数据所能带来的效果。”
SimBioSys 使用 NVIDIA MONAI 用于训练与验证数据，以及 NVIDIA CUDA-X 库，包括 cuBLAS 和 MONAI Deploy，用于其成像技术。该成像技术在云端 NVIDIA GPU 上运行。
“NVIDIA 技术让我们拥有足够的计算能力，能够处理数百或数千张图像，应用人工智能并快速分析它们，”史蒂夫斯说。“这种速度非常重要，因为患者和医生需要快速得到答案。他们无法忍受等待数天或数周。”
了解更多关于NVIDIA Inception针对初创企业的计划。
本文中提到的某些技术仍处于研究阶段，尚未获得美国 FDA 的商业化使用批准。