从扫描到治疗方案，AI帮助弥补乳腺癌最致命的漏洞

乳腺癌是美国女性中最常见的诊断癌症——然而护理中的差距很大。大多数40岁以上的女性跳过了推荐的年度筛查。放射科医生在同事较少的情况下阅读越来越多的乳房X光照片。当诊断得出时，用于指导治疗的检测结果可能需要数周才能返回。

NVIDIA Inception初创企业项目中的公司正在开发AI应用，以在这些痛点的各个环节支持临床医生，包括成像、风险评估和治疗规划。

美国每年进行约4000万次乳房X光照片，但未来十年预计将缺少数万名放射科医生，这给系统的阅读能力造成了压力。

在诊疗周期的另一端，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处理，而在这个时刻速度和确定性至关重要。

以下公司正在解决这一差距的两端及其之间的所有环节，并由NVIDIA AI基础设施加速。

自动化成像提供AI驱动的见解

对于难以找到时间或附近地点进行乳腺癌筛查的女性来说，可及性是一个实际障碍，导致诊断漏诊。NVIDIA Inception初创公司iSono Health围绕简化这一成像工作流程而建立。

该公司获得FDA批准的ATUSA平台是一套可穿戴的自动化3D定量超声系统，每个乳房约在两分钟内捕获标准化乳房容积，而传统手持超声需要长达45分钟。

该系统的AI通过数千次全乳房扫描进行训练，包含超过150万个超声帧，可自动进行图像采集。它利用NVIDIA GPU加速和开源医学成像技术提供3D扫描，该公司表示灵敏度比手持2D超声高28%。

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

手持超声取决于操作者，因此女性的扫描通常无法从一年与下一年进行比较。ATUSA每次都以相同方式捕获整个乳房，创建乳房组织的可重复视图，这可以帮助临床医生分析患者组织在连续扫描中的变化情况，同时还可以减少操作者误差和变异性。

ATUSA通过加州、德克萨斯州、乔治亚州、田纳西州和华盛顿特区的合作诊所商业供应，新地点定期上线。

"让扫描更贴近患者是第一个突破，"iSono Health首席执行官Neda Razavi说。"我们的愿景是让这项扫描越来越有信息量：帮助临床医生看到存在的问题，理解发生了什么变化，做出更明智的决定。"

iSono Health开发了用于病变检测、3D分割和病变分类的AI功能。公司接下来计划将其AI管道扩展到跨越3D超声、乳房X光照片、MRI和临床信息的多模态诊断智能。

该公司正在进行一项涉及3,200名患者的多中心临床研究，以进一步验证该平台的性能，主要研究机构为UC Davis和范德比尔特大学医学中心。

发现癌症，减少误诊

另一家NVIDIA Inception公司Whiterabbit.ai开发用于乳腺癌筛查的AI技术。其获得FDA批准的WRDensity软件可自动评估乳房X光照片中的乳房密度，已用于数十万患者的诊疗。

该公司还开发了WRRisk，一款用于估计患者罹患乳腺癌长期风险的临床决策支持软件——同时正在研究新一代乳房X光照片AI，可帮助放射科医生检测更多癌症，同时自动筛查乳腺癌检查为阴性的乳房X光照片。

目标是减轻紧张的放射科医生队伍的负担，加快结果速度并减少患者可避免的回访，降低下游医疗保健成本。

Whiterabbit.ai获得FDA批准的WRDensity软件可自动评估乳房X光照片中的乳房密度。

"每天，乳腺放射科医生面临海中捞针的难题，试图在每200张乳房X光照片中找到约一例癌症，"Whiterabbit.ai联合创始人兼首席技术官Jason Su说。"我们希望AI能成为放射科医生强大的助手，帮助清除干草，让他们专注于最重要的专业知识。"

Whiterabbit在位于圣路易斯的华盛顿大学的NVIDIA GPU集群上训练其AI模型，由云中的额外GPU容量补充。推理在直接部署在诊所的NVIDIA GPU上运行。

预测哪种治疗方法有效

一旦患者被诊断为乳腺癌，下一个问题就是怎么处理——答案取决于预测癌症将如何对治疗做出反应。

今天，这些预测的范围和准确性有限，通常需要单独进行组织活检，等待时间为两周至四周。Ataraxis AI正在开发临床智能，使用数字数据预测患者预后和对不同治疗方法的反应，包括已是标准患者检查流程一部分的病理切片。

Ataraxis的AI模型解释病理切片中的模式，在此被可视化为按颜色编码的聚集。这些模型学会将这些模式间的变异与复发风险和化疗敏感性的差异联系起来。

"肿瘤科医生今天依赖的用于指导治疗决策的工具大多在十五年前培训过一次，之后就没有更新过。我们的模型在每次获得更多临床试验数据时都会变得更强大，"Ataraxis AI技术人员Joseph Cappadona说。"但随着我们扩展模型，更大的转变是能够回答更多问题，帮助肿瘤科医生在所有癌症中实现治疗个性化。"