英伟达在官方博客中介绍，其初创企业扶持计划NVIDIA Inception的成员正在把AI应用于乳腺癌诊疗的多个环节[1]。文中提到的4家公司分别是做3D超声成像的iSono Health、做乳腺X光分析的Whiterabbit.ai、做疗效预测的Ataraxis AI，以及做3D肿瘤建模的SimBioSys。

从筛查到治疗仍存在3处缺口

博客指出，美国每年进行约4,000万次乳腺X光检查，但40岁以上女性中仍有多数人没有按建议每年接受筛查[1]。预计未来10年放射科医生将短缺数万人，读片一方的压力也在加大。

确诊之后同样存在问题。决定治疗方案的基因检测往往要送到外部实验室，出结果可能需要数周。这4家公司希望借助英伟达的AI基础设施，补上诊疗流程两端以及中间环节的缺口。

iSono Health：约2分钟完成整侧乳房3D成像

iSono Health的ATUSA是一套可穿戴、自动化的3D定量超声系统，已获美国FDA批准。单侧乳房的成像约需2分钟，而传统手持超声最长需要45分钟[1]。

其AI基于超过150万帧超声图像训练，利用英伟达GPU加速和开源医学影像技术实现图像采集自动化。公司称，这种3D扫描比手持2D超声的灵敏度高28%。由于每次都以相同方式采集整个乳房，不同年份的扫描结果便于对比。

目前ATUSA已在加利福尼亚、得克萨斯、佐治亚、田纳西和华盛顿特区的合作诊所提供。一项纳入3,200名患者的多中心临床研究正在进行，主要研究机构为加州大学戴维斯分校和范德堡大学医学中心。

Whiterabbit.ai：减轻乳腺X光读片负担

Whiterabbit.ai开发乳腺癌筛查AI。其获FDA批准的WRDensity软件可自动评估乳腺密度，已用于数十万名患者的诊疗。公司还推出了估算患者长期乳腺癌风险的临床决策支持软件WRRisk[1]。

联合创始人兼CTO Jason Su表示，放射科医生大约要在200份乳腺X光片中找出1例癌症，希望AI成为得力助手，减少不必要的复查。模型在华盛顿大学圣路易斯分校的英伟达GPU集群上训练，推理则在诊所现场部署的英伟达GPU上运行。

Ataraxis AI：用病理切片预测治疗反应

Ataraxis AI利用标准检查中已有的病理切片等数字数据，构建预测治疗反应和复发风险的模型。目前的预测手段范围和准确度有限，有时还需要另做组织活检并等待2至4周[1]。

其中一个模型预测术前化疗能否使肿瘤缩小，另一个模型在术后估算5年复发风险以及化疗的可能获益。两个模型均已在10多家机构验证并用于临床，运行环境包括本地部署、外部数据中心和云端，使用PyTorch和英伟达CUDA。

SimBioSys：用3D肿瘤模型辅助手术规划

SimBioSys为乳腺肿瘤、血管及其他软组织建立3D模型，为手术和治疗方案提供参考。公司还开发了一款工具，可根据乳腺MRI的3D体数据、肿瘤病理和临床数据估算复发风险[1]。

该公司使用英伟达MONAI处理训练和验证数据，并用cuBLAS、MONAI Deploy等CUDA-X库处理影像，在云端英伟达GPU上运行。CEO Stacey Stevens表示，整合影像、病理和基因检测等数据后，可以得到单项数据无法提供的洞察。

总结

这些案例表明，从影像采集、读片、疗效预测到手术规划，乳腺癌诊疗的各个环节都有初创企业基于英伟达GPU和CUDA平台推进应用。博客同时说明，文中提到的部分技术仍处于研究阶段，尚未获得美国FDA的商业使用批准。

来源： https://blogs.nvidia.com/blog/ai-breast-cancer-startups/