从扫描到治疗方案，AI助力弥合乳腺癌最致命的差距
内容提要
英伟达Inception计划中的多家初创公司正将AI应用于乳腺癌诊疗各环节：iSono Health的可穿戴超声设备两分钟完成全乳3D扫描，敏感度更高且可重复对比；Whiterabbit.ai的软件自动评估乳腺密度并预测患癌风险，减轻放射科医生负担；Ataraxis AI利用病理切片预测治疗反应与复发风险；SimBioSys构建肿瘤3D模型辅助手术与治疗决策。这些技术均依托英伟达GPU加速。
延伸解读
AI切入乳腺癌诊疗的三大瓶颈
文章指出乳腺癌诊疗存在三个现实瓶颈：40岁以上女性多数跳过年度筛查，放射科医生人手短缺导致阅片压力大，以及治疗决策依赖外送基因组检测需等待数周。英伟达Inception计划中的初创公司分别针对这些环节提供AI工具，从影像采集、风险评估到治疗预测，试图在关键节点上缩短时间、减少误差。
可穿戴超声如何改变筛查可及性
iSono Health的ATUSA平台是一种可穿戴自动化3D定量超声系统，已获FDA许可，约两分钟完成单侧乳房标准化扫描，而传统手持超声可能长达45分钟。其AI基于数千例全乳扫描、超过150万帧超声图像训练，公司称敏感度比手持2D超声高28%。由于每次扫描方式一致，便于逐年对比组织变化，并减少操作者差异。
AI辅助阅片与风险预测的实用价值
Whiterabbit.ai的WRDensity软件已获FDA许可，可自动评估乳腺密度，WRRisk则用于估算长期患癌风险。文章引用其CTO说法：放射科医生每读200张钼靶片约发现1例癌症，如同大海捞针。AI的目标是减轻医生负担、加速结果、减少不必要的召回，并降低下游医疗成本。这些工具在诊所内用英伟达GPU进行推理。
治疗反应预测与3D建模的临床意义
Ataraxis AI利用病理切片和临床变量预测治疗反应与复发风险，其模型已在超过10家机构和多项临床试验中验证并投入临床使用，可预测术前化疗是否可能使肿瘤缩小，以及术后五年复发风险和化疗获益。SimBioSys则构建肿瘤、静脉等软组织的3D模型，结合影像、病理和基因组数据，辅助手术与治疗决策。这些技术均依赖英伟达GPU加速。
Q&A
乳腺癌诊疗中存在哪些主要差距？
乳腺癌是美国女性中最常见的癌症，但诊疗存在多重差距：多数40岁以上女性未进行推荐的年度筛查；放射科医生人手短缺，阅片负担重；诊断后，指导治疗的检测（如基因组检测）可能需要数周才能出结果。
iSono Health的ATUSA系统如何改善乳腺癌筛查？
ATUSA是一种可穿戴、自动化的3D定量超声系统，已获FDA批准。它能在约两分钟内完成全乳标准化扫描，而传统手持超声需45分钟。其AI基于数千次全乳扫描（超过150万帧超声图像）训练，自动采集图像，敏感度比手持2D超声高28%。由于每次扫描方式一致，可实现可重复的对比，减少操作者误差。
Whiterabbit.ai的AI软件在乳腺癌筛查中起什么作用？
Whiterabbit.ai开发了FDA批准的WRDensity软件，可自动评估乳腺密度，已用于数十万患者。它还开发了WRRisk，用于估计患者长期患乳腺癌的风险。此外，公司正在研究新一代AI，帮助放射科医生检测更多癌症，并自动筛查阴性乳腺X光片，以减轻放射科医生负担、加速结果并减少不必要的回访。
Ataraxis AI如何利用病理切片预测治疗反应？
Ataraxis AI分析数字病理切片和标准临床变量，预测治疗反应和复发风险。一个模型预测术前化疗是否可能使肿瘤缩小到响应程度；另一个模型在术后估计患者五年复发风险及化疗的潜在益处。这些模型已在超过10家机构和多项临床试验中验证，并已投入临床使用。
SimBioSys如何利用AI辅助乳腺癌治疗决策？
SimBioSys构建AI驱动的精准医疗技术，创建乳腺肿瘤、静脉和其他软组织的精确3D模型，为手术和治疗计划提供见解。它还基于患者乳腺MRI的3D体积数据、肿瘤病理和临床数据，构建了估计乳腺癌复发风险的工具。该平台整合多模态数据（影像、病理、基因组等），生成超越单一数据的洞察。
这些AI乳腺癌技术如何受益于英伟达技术？
这些公司均属于NVIDIA Inception计划，并利用NVIDIA GPU加速。iSono Health使用NVIDIA GPU加速和开源医学成像技术；Whiterabbit.ai在华盛顿大学的NVIDIA GPU集群上训练模型，并在诊所部署NVIDIA GPU进行推理；Ataraxis AI在本地、数据中心和云端使用NVIDIA GPU，并通过CUDA加速PyTorch；SimBioSys使用NVIDIA MONAI和CUDA-X库，在云端NVIDIA GPU上运行。
