Рак молочной железы — наиболее часто диагностируемый вид рака среди американских женщин, однако в системе медицинской помощи существуют огромные пробелы. Многие majority of women over age 40 пропускают рекомендованный ежегодный скрининг. Радиологи читают всё больше маммограмм, имея в штате всё меньше коллег. А когда диагноз поставлен, тесты, определяющие лечение, могут готовиться неделями.
Компании из программы NVIDIA Inception для стартапов создают ИИ-приложения для поддержки врачей в каждой из этих проблемных точек, включая визуализацию, оценку рисков и планирование лечения.
Ежегодно в США проводится около 40 миллионов маммограмм, но прогнозируемая нехватка десятков тысяч радиологов в ближайшее десятилетие создает чрезмерную нагрузку на пропускную способность системы их обработки.
На другом этапе процесса лечения решения часто зависят от геномных анализов, отправляемых в сторонние лаборатории — анализов, на обработку которых уходят недели, в то время как скорость и точность имеют решающее значение.
Представленные ниже компании решают проблемы на обоих концах этого разрыва, а также на всех промежуточных этапах, используя ускорение инфраструктуры NVIDIA AI.
Автоматизированная визуализация предоставляет аналитические данные на базе ИИ
Для женщин, которым трудно найти время или ближайшее место для скрининга рака молочной железы, доступность является практическим барьером, который приводит к пропущенным диагнозам. Стартап NVIDIA Inception iSono Health был создан для упрощения этого процесса визуализации.
Одобренная FDA платформа компании ATUSA — носимая автоматизированная система 3D-количественного ультразвукового исследования — захватывает стандартизированный объем молочной железы примерно за две минуты на каждую грудь, по сравнению с 45 минутами при обычном ручном УЗИ.
ИИ системы, обученный на тысячах сканов всей молочной железы, состоящих из более чем 1,5 миллиона ультразвуковых кадров, автоматизирует получение изображений. Он использует ускорение на графических процессорах NVIDIA и технологии медицинского сканирования с открытым исходным кодом для получения 3D-скана, который, по заявлению компании, на 28% чувствительнее ручного 2D-УЗИ.
https://blogs.nvidia.com/wp-content/uploads/2026/10/ATUSA_software_show_10s.mp4
Ручное УЗИ зависит от того, кто держит датчик, поэтому сканы одной и той же женщины обычно невозможно сравнить год от года. ATUSA каждый раз сканирует всю молочную железу одинаково, создавая воспроизводимое изображение тканей, которое помогает врачам анализировать изменения тканей пациента на протяжении последовательных сканирований, одновременно снижая ошибки оператора и вариативность.
ATUSA коммерчески доступна в партнерских клиниках Калифорнии, Техаса, Джорджии, Теннесси и Вашингтона (округ Колумбия), и новые площадки подключаются регулярно.
«Приближение сканирования к пациенту — это первый прорыв», — сказала Неда Разави, генеральный директор iSono Health. «Наше видение заключается в том, чтобы сделать это сканирование максимально информативным: помогать врачам видеть, что происходит, понимать, что изменилось, и принимать более обоснованные решения».
iSono Health разработала возможности ИИ для обнаружения поражений, 3D-сегментации и классификации поражений. В дальнейшем компания планирует расширить свой ИИ-конвейер до мультимодальной диагностической аналитики, охватывающей 3D-УЗИ, маммографию, МРТ и клиническую информацию.
Компания проводит многоцентровое клиническое исследование с участием 3200 пациентов для дальнейшей проверки эффективности платформы, а ведущими исследовательскими центрами выступают Калифорнийский университет в Дэвисе и Медицинский центр Университета Вандербильта.
Выявление рака, сокращение ложных тревог
Другая компания из NVIDIA Inception, Whiterabbit.ai, разрабатывает ИИ-технологии для скрининга рака молочной железы. Ее одобренное FDA программное обеспечение WRDensity автоматически оценивает плотность молочной железы по маммограммам и уже используется при лечении сотен тысяч пациентов.
Компания также разработала WRRisk, программное обеспечение для поддержки принятия клинических решений, предназначенное для оценки долгосрочного риска развития рака молочной железы у пациентов, и исследует новое поколение ИИ для маммографии, которое может помочь радиологам выявлять больше случаев рака, автоматизируя скрининг маммограмм с отрицательным результатом.
Цель состоит в том, чтобы снизить нагрузку на перегруженный штат радиологов, ускорить получение результатов, уменьшить количество предотвратимых повторных вызовов пациентов и снизить последующие расходы на здравоохранение.
«Каждый день радиологи, специализирующиеся на молочной железе, сталкиваются с проблемой поиска иголки в стоге сена, пытаясь найти примерно один случай рака на каждые 200 маммограмм», — сказал Джейсон Су, соучредитель и технический директор Whiterabbit.ai. «Мы надеемся, что ИИ станет мощным помощником для радиологов, помогая убрать «сено», чтобы они могли сосредоточить свой опыт на том, что действительно важно».
Whiterabbit обучает свои ИИ-модели на кластере графических процессоров NVIDIA, размещенном в Вашингтонском университете в Сент-Луисе, дополненном дополнительными мощностями GPU в облаке. Вывод (инференс) выполняется на графических процессорах NVIDIA, развернутых непосредственно в клинике.
Прогнозирование эффективности лечения
Как только у пациента диагностирован рак молочной железы, возникает следующий вопрос: что с этим делать — и ответ зависит от прогнозирования того, как рак отреагирует на лечение.
Сегодня эти прогнозы ограничены по охвату и точности и часто требуют отдельной биопсии тканей с ожиданием от двух до четырех недель. Ataraxis AI создает клиническую аналитику, которая прогнозирует исходы для пациентов и реакцию на различные методы терапии, используя цифровые данные, включая гистологические препараты, которые уже являются частью стандартного обследования пациента.
«Инструменты, на которые сегодня полагаются онкологи при принятии решений о терапии, были в основном обучены один раз, пятнадцать лет назад, и никогда не обновлялись. Наши модели становятся сильнее каждый раз, когда мы получаем больше данных клинических испытаний», — сказал Джозеф Каппадона, член технического персонала Ataraxis AI. «Но по мере масштабирования наших моделей, более важный сдвиг заключается в возможности отвечать на большее количество вопросов, чтобы помочь онкологам персонализировать терапию при всех видах рака».
ИИ-модели Ataraxis анализируют цифровые гистологические препараты и стандартные клинические переменные для прогнозирования ответа на лечение и риска рецидива. Одна модель предсказывает, сможет ли предоперационная химиотерапия уменьшить опухоль пациента до такой степени, чтобы обеспечить ответ до операции. После операции другая модель оценивает пятилетний риск рецидива у пациента и вероятную пользу от химиотерапии в качестве следующего шага.
Обе модели были проверены в более чем 10 учреждениях и в ходе многочисленных клинических испытаний, и находятся в активном клиническом использовании. Они работают на графических процессорах NVIDIA локально, в удаленном центре обработки данных и в облаке, используя PyTorch, ускоренный с помощью NVIDIA CUDA.
Предоставление информации об опухоли с помощью 3D-визуализации
Еще одна компания из NVIDIA Inception, SimBioSys, присоединилась к NVIDIA на недавней дискуссионной панели, посвященной Месяцу осведомленности о раке молочной железы.
Компания создает технологию прецизионной медицины на базе ИИ, которая создает точные 3D-модели опухолей молочной железы, вен и других мягких тканей, предоставляя важные аналитические данные для помощи в планировании операций и влиянии на планы лечения. Она также создала инструмент для оценки риска рецидива рака молочной железы на основе 3D-объемных данных МРТ молочной железы пациента, патологии опухоли и клинических данных.
«Мы создаем платформу, которая теперь позволяет нам собирать мультимодальные данные — результаты визуализации, патологоанатомические исследования, данные геномного тестирования (если применимо) и другие биологические показатели — и с помощью ИИ объединять их воедино, — сказала на мероприятии Стейси Стивенс, генеральный директор SimBioSys. — Когда мы это делаем, мы получаем новые инсайты, выходящие за рамки того, что можно было извлечь из любого отдельного фрагмента данных».
SimBioSys использует NVIDIA MONAI для обучения и валидации данных, а также библиотеки NVIDIA CUDA-X, включая cuBLAS и MONAI Deploy, для своих технологий визуализации, которые работают на графических процессорах NVIDIA в облаке.
«Технологии NVIDIA дают нам вычислительную мощность, позволяющую брать сотни или тысячи изображений, применять наш ИИ и быстро их анализировать, — отметила Стивенс. — Эта скорость важна, потому что пациентам и врачам ответы нужны быстро. Они не могут позволить себе ждать днями или неделями».
Узнайте больше о программе NVIDIA Inception для стартапов.
Некоторые технологии, описанные в этой статье, являются экспериментальными и не были одобрены Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) для коммерческого использования.
