NVIDIA在官方部落格中介紹，旗下新創扶植計畫NVIDIA Inception的成員，正將AI應用於乳癌診療的多個環節[1]。文中提到的4家公司，分別是專攻3D超音波影像的iSono Health、乳房X光攝影分析的Whiterabbit.ai、療效預測的Ataraxis AI，以及3D腫瘤建模的SimBioSys。

從篩檢到治療仍有3處缺口

部落格指出，美國每年進行約4,000萬次乳房X光攝影，但40歲以上女性中仍有多數人未依建議每年接受篩檢[1]。預估未來10年放射科醫師將短缺數萬人，讀片端的負擔也持續加重。

確診之後同樣有問題。左右治療方針的基因檢測，往往得送到外部檢驗機構，等待結果可能長達數週。這4家公司希望藉由NVIDIA的AI基礎架構，補上診療流程兩端與中間環節的缺口。

iSono Health：約2分鐘完成單側乳房3D攝影

iSono Health的ATUSA是穿戴式、全自動的3D定量超音波系統，已取得美國FDA核可。單側乳房的攝影約需2分鐘，傳統手持式超音波最長則需45分鐘[1]。

其AI以超過150萬幀超音波影像訓練，運用NVIDIA GPU加速與開源醫療影像技術，讓影像擷取自動化。公司表示，這種3D掃描的靈敏度比手持2D超音波高出28%。由於每次都以相同方式擷取整個乳房，不同年度的掃描結果便於比對。

目前ATUSA已在加州、德州、喬治亞州、田納西州與華盛頓特區的合作診所提供服務。一項納入3,200名患者的多中心臨床研究正在進行，主要研究據點為加州大學戴維斯分校與范德堡大學醫學中心。

Whiterabbit.ai：減輕乳房X光攝影的讀片負擔

Whiterabbit.ai開發乳癌篩檢AI。其獲FDA核可的WRDensity軟體可自動評估乳房密度，已用於數十萬名患者的診療。公司也推出可估算患者長期乳癌風險的臨床決策支援軟體WRRisk[1]。

共同創辦人兼CTO Jason Su表示，放射科醫師大約要在200張乳房X光片中找出1例癌症，期望AI成為得力助手，減少不必要的回診複檢。模型在聖路易華盛頓大學的NVIDIA GPU叢集上訓練，推論則在診所現場部署的NVIDIA GPU上執行。

Ataraxis AI：以病理切片預測治療反應

Ataraxis AI利用標準檢查中既有的病理切片等數位資料，建構預測治療反應與復發風險的模型。目前的預測方式範圍與準確度有限，有時還得另做組織切片檢查並等待2至4週[1]。

其中一個模型預測術前化療能否讓腫瘤縮小，另一個模型則在術後估算5年復發風險與化療的可能效益。兩個模型皆已在10多家機構完成驗證並用於臨床，執行環境涵蓋地端部署、外部資料中心與雲端，使用PyTorch與NVIDIA CUDA。

SimBioSys：以3D腫瘤模型輔助手術規劃

SimBioSys為乳房腫瘤、血管與其他軟組織建立3D模型，提供手術與治療規劃的參考。公司也開發了一項工具，可依據乳房MRI的3D體積資料、腫瘤病理與臨床資料估算復發風險[1]。

該公司使用NVIDIA MONAI處理訓練與驗證資料，並以cuBLAS、MONAI Deploy等CUDA-X函式庫處理影像，在雲端NVIDIA GPU上執行。CEO Stacey Stevens表示，整合影像、病理與基因檢測等資料後，能得到單一資料無法提供的洞見。

總結

這些案例顯示，從影像擷取、讀片、療效預測到手術規劃，乳癌診療的各個環節都有新創企業以NVIDIA GPU與CUDA平台推進應用。部落格也註明，文中提到的部分技術仍屬研究階段，尚未取得美國FDA的商業使用核可。

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