2026年11月23日星期一
AI 基础设施 · 新闻与分析
首页 › 芯片与硬件 › 报道
芯片与硬件 · 报道

从扫描到治疗方案,AI助力弥补乳腺癌最致命的诊疗缺口

英伟达官方——路线图/产品的第一手确认。
官方披露Slicast · 2026年10月5日 UTC 13:00 · 美国 · 来源: NVIDIA Blog

**乳腺癌是美国女性中最常被诊断出的癌症,但医疗服务中的缺口仍然很大。** 40岁以上的女性中,大多数人没有进行建议的年度筛查。放射科医生需要在人手更少的情况下阅读更多的乳腺X光片。而一旦确诊,为治疗提供依据的检测可能需要数周才能出结果。

美国各地的初创企业正在开发人工智能应用,在影像检查、风险评估和治疗规划等每一个环节为临床医生提供支持。

每年美国大约要进行4000万次乳腺X光检查,但未来十年预计会出现数万名放射科医生的短缺,这使该体系阅读这些影像的能力承压。

在医疗时间线的另一端,治疗决策往往取决于送往外部实验室的基因组检测,这些检测需要数周才能完成,而此时速度和确定性至关重要。

下列公司均为NVIDIA Inception初创企业计划的成员,它们正在弥合这一缺口的两端以及两者之间的所有环节,并借助NVIDIA AI基础设施加速发展。

**自动化影像带来AI驱动的洞察**

对于难以抽出时间或找不到附近地点进行乳腺癌筛查的女性来说,就医可及性是一道现实障碍,并最终导致漏诊。NVIDIA Inception初创企业iSono Health正是围绕简化这一影像检查流程而打造的。

该公司获得FDA许可的ATUSA平台是一款可穿戴式自动化三维定量超声系统,每侧乳房约两分钟即可采集标准化的乳房容积数据,而传统手持式超声则最长需要45分钟。

该系统的AI基于数千例全乳房扫描数据进行训练,这些数据包含超过150万帧超声图像,可自动完成图像采集。该系统采用NVIDIA GPU加速和开源医学影像技术,提供的三维扫描据该公司称,其敏感度比手持式二维超声高出28%。

https://blogs.nvidia.com/wp-content/uploads/2026/10/ATUSA_software_show_10s.mp4

手持式超声依赖于操作者手持探头的方式,因此女性每年的扫描结果通常无法相互比较。ATUSA以相同方式每次采集整个乳房的数据,从而形成可重复的乳腺组织视图,这有助于临床医生分析患者的组织在连续扫描中如何变化,同时也减少了操作者差异和变异性。

ATUSA可通过加利福尼亚州、得克萨斯州、佐治亚州、田纳西州和华盛顿特区的合作诊所购买,新的站点也在定期上线。

“让扫描更贴近患者,这是第一个突破。”iSono Health首席执行官Neda Razavi表示。“我们的愿景是让这次扫描提供越来越多的信息:帮助临床医生看清病灶所在,了解发生了哪些变化,并做出更明智的决策。”

iSono Health已开发出用于病灶检测、三维分割和病灶分类的AI能力。该公司下一步计划将其AI流程扩展为多模态诊断智能,涵盖三维超声、乳腺X光摄影、MRI和临床信息。

该公司正在开展一项包含3200名患者的多中心临床研究,以进一步验证该平台的性能,主要研究站点为加州大学戴维斯分校和范德比尔特大学医学中心。

**发现癌症,减少假阳性**

另一家NVIDIA Inception企业Whiterabbit.ai开发用于乳腺癌筛查的AI技术。其获得FDA许可的WRDensity软件可根据乳腺X光片自动评估乳腺致密程度,目前已用于数十万名患者的诊疗。

该公司还开发了WRRisk,这是一款用于估算患者未来长期罹患乳腺癌风险的临床决策支持软件,并且正在研究新一代用于乳腺X光摄影的AI,该AI有望帮助放射科医生发现更多癌症,同时对未见乳腺癌异常的乳腺X光片实现自动化筛查。

其目标是减轻压力已经很大的放射科医生队伍的负担,加快出结果的速度,减少患者可避免的复查召回,并降低后续医疗成本。

Whiterabbit.ai获得FDA许可的WRDensity软件可根据乳腺X光片自动评估乳腺致密程度。

Whiterabbit.ai联合创始人兼首席技术官Jason Su表示:“每天,乳腺放射科医生都要面对大海捞针的难题,试图在每200次乳腺X光检查中找出大约一例癌症。”“我们希望AI能成为放射科医生强有力的帮手,帮助他们清除干草,从而把专业能力集中在最关键的地方。”

Whiterabbit在圣路易斯华盛顿大学的一组NVIDIA GPU集群上训练其AI模型,并辅以云端的额外GPU算力。推理则在直接部署于诊所的NVIDIA GPU上运行。

**预测哪些治疗会有效**

患者确诊乳腺癌后,下一个问题是如何治疗,而答案取决于能否预测癌症对治疗的反应。

目前,这类预测在范围和准确性上都很有限,而且往往需要单独进行组织活检,并要等待两至四周。Ataraxis AI正在构建临床智能系统,利用数字化数据预测患者的预后以及对不同疗法的反应,其中包括患者常规诊疗中已有的病理切片。

Ataraxis的AI模型解读病理切片中的模式,此处以颜色编码的聚类加以可视化。模型学习将这些模式之间的差异与复发风险和化疗敏感性的差异相关联。

Ataraxis AI技术人员成员Joseph Cappadona表示:“肿瘤医生如今依赖的治疗决策工具,基本上是十五年前训练一次之后就再也没有更新过。我们的模型每获得一批新的临床试验数据,能力就会增强。”“但随着我们扩展模型规模,更大的转变在于能够回答更多问题,帮助肿瘤医生为所有癌症患者量身制定治疗方案。”

阅读原文
从扫描到治疗方案,AI助力弥补乳腺癌最致命的诊疗缺口 · Slicast