乳癌是美國女性最常被診斷出的癌症，然而照護上的缺口卻相當大。大多數 40 歲以上的女性會跳過建議的年度篩檢，而放射科醫師則在人手不足的情況下判讀越來越多的乳房攝影影像。一旦確診，用於指導治療的檢測結果可能需要數週才能出爐。

NVIDIA Inception 新創計畫中的公司正在開發 AI 應用程式，以支援臨床醫師應對這些關鍵環節的挑戰，包括影像、風險評估和治療計畫。

美國每年約進行 4,000 萬次乳房攝影檢查，但預計未來十年將有數萬名放射科醫師短缺，這使得系統判讀影像的能力備受壓力。在照護流程的另一端，治療決策往往取決於送往外部實驗室的基因組分析，這些分析需要數週才能處理完畢，而此時速度和確定性至關重要。

以下公司正在解決這些缺口，並在 NVIDIA AI 基礎設施的加速下，處理從頭到尾的所有環節。

自動化影像提供 AI 驅動的洞察

對於難以抽出時間或找不到附近地點進行乳癌篩檢的女性來說，可近性是一個實際障礙，導致錯失診斷。NVIDIA Inception 新創公司 iSono Health 的創立宗旨就是簡化影像工作流程。

該公司獲得美國 FDA 核准的 ATUSA 平台，這是一個可穿戴的自動化 3D 定量超音波系統，每個乳房約兩分鐘即可擷取標準化的乳房體積，而傳統手持超音波則需要長達 45 分鐘。

該系統的 AI 經過數千次全乳掃描（包含超過 150 萬張超音波影像）的訓練，可自動化影像擷取。它利用 NVIDIA GPU 加速和開源醫學影像技術，提供 3D 掃描，該公司表示其靈敏度比手持 2D 超音波高出 28%。

手持超音波的結果取決於操作探頭的人員，因此女性的掃描結果通常無法逐年比較。ATUSA 每次都以相同的方式擷取整個乳房，建立可重複的乳房組織視圖，這有助於臨床醫師分析患者組織在連續掃描中的變化，同時也減少了操作員錯誤和變異性。

ATUSA 已透過加州、德州、喬治亞州、田納西州和華盛頓特區的合作診所進行商業銷售，並定期有新的站點上線。「讓掃描更貼近患者是第一個突破」iSono Health 執行長 Neda Razavi 表示。「我們的願景是讓掃描資訊越來越豐富：幫助臨床醫師看到存在的問題，了解發生了什麼變化，並做出更明智的決策。」

iSono Health 已開發出用於病灶檢測、3D 分割和病灶分類的 AI 功能。它接下來計畫將其 AI 管線擴展到涵蓋 3D 超音波、乳房攝影、MRI 和臨床資訊的多模態診斷智慧。該公司正在進行一項涉及 3,200 名患者的多中心臨床研究，以進一步驗證該平台的性能，主要研究地點在加州大學戴維斯分校和范德堡大學醫學中心。

發現癌症，減少誤報

另一家 NVIDIA Inception 公司 Whiterabbit.ai 開發用於乳癌篩檢的 AI 技術。其獲得 FDA 核准的 WRDensity 軟體可自動評估乳房攝影中的乳房密度，並已用於數十萬名患者的照護中。

該公司還開發了 WRRisk，這是一款臨床決策支援軟體，用於評估患者罹患乳癌的長期風險。他們正在研究新一代的乳房攝影 AI，這有助於放射科醫師檢測更多癌症，同時自動篩檢乳癌陰性的乳房攝影。

其目標是減輕負擔沉重的放射科醫師工作量，加速結果，減少患者不必要的召回，並降低後續的醫療費用。「每天，乳房放射科醫師都面臨大海撈針的問題，試圖在每 200 張乳房攝影中找到大約一個癌症」Whiterabbit.ai 共同創辦人兼技術長 Jason Su 表示。「我們希望 AI 能成為放射科醫師的強大助手，幫助清除『乾草』，讓他們能將專業知識集中在最重要的地方。」

Whiterabbit 在聖路易斯華盛頓大學的 NVIDIA GPU 叢集上訓練其 AI 模型，並輔以雲端額外的 GPU 容量。推論則在直接部署於診所的 NVIDIA GPU 上運行。

預測哪些治療會奏效

一旦患者被診斷出乳癌，下一個問題就是如何治療，而答案取決於預測癌症對治療的反應。目前，這些預測的範圍和準確性有限，而且通常需要單獨的組織切片檢查，並等待兩到四週。

Ataraxis AI 正在建立臨床智慧，利用數位資料（包括已是標準患者檢查一部分的病理切片）來預測患者的預後和對不同療法的反應。Ataraxis 的 AI 模型解釋病理切片中的模式，並將這些模式的變異與復發風險和化療敏感性的差異聯繫起來。

「腫瘤科醫師目前賴以指導治療決策的工具，大多是在十五年前訓練過一次，之後就從未更新」Ataraxis AI 技術人員 Joseph Cappadona 表示。「但隨著我們模型的擴展，更大的轉變是能夠回答更多問題，幫助腫瘤科醫師針對所有癌症進行個人化治療。」

Ataraxis 的 AI 模型分析數位病理切片和標準臨床變數，以預測治療反應和復發風險。其中一個模型預測術前化療是否可能在手術前將患者腫瘤縮小到有反應的程度。手術後，另一個模型則估計患者的五年復發風險以及化療作為下一步的可能益處。

這兩個模型已在超過 10 個機構和多個臨床試驗中得到驗證，並正在積極臨床使用中。它們在內部部署、異地資料中心和雲端的 NVIDIA GPU 上運行，全程使用由 NVIDIA CUDA 加速的 PyTorch。

透過 3D 可視化提供腫瘤洞察

另一家 NVIDIA Inception 公司 SimBioSys 最近與 NVIDIA 共同參與了乳癌防治月的座談會。該公司建立 AI 驅動的精準醫療技術，可創建乳房腫瘤、血管和其他軟組織的精確 3D 模型，提供重要洞察以指導手術並影響治療計畫。它還建立了一個工具，可根據患者乳房 MRI 的 3D 體積資料、腫瘤病理和臨床資料來估計乳癌復發的風險。

「我們正在建立一個平台，現在可以讓我們獲取多模態資料（影像檢查、病理結果、基因組檢測以及其他生物輸入），並利用 AI 將所有這些整合在一起」SimBioSys 執行長 Stacey Stevens 在活動中表示。「當我們這樣做時，它會產生超越任何單一資訊來源的新洞察。」

SimBioSys 使用 NVIDIA MONAI 進行訓練和驗證資料，並使用 NVIDIA CUDA-X 函式庫（包括 cuBLAS 和 MONAI Deploy）來開發其影像技術，這些技術在雲端的 NVIDIA GPU 上運行。「NVIDIA 技術為我們提供了運算能力，可以快速處理數百或數千張影像，應用我們的 AI 並進行分析」Stevens 說。

「這種速度很重要，因為患者和醫師需要快速得到答案。他們無法承受等待數天或數週。」

了解更多關於 NVIDIA Inception 新創計畫的資訊。本文描述的某些技術仍在研究中，尚未獲得美國 FDA 批准用於商業用途。