2026-10-05 — views
NVIDIA Inception 新創企業利用 AI 填補乳癌照護缺口
為什麼值得讀 開發者應注意這些新創企業如何運用 NVIDIA GPU 基礎設施及 MONAI、CUDA 等特定函式庫，來解決高風險的臨床工作流程問題。
NVIDIA Inception 新創企業部署 AI 於影像、風險評估及治療規劃，以解決乳癌照護中的系統性瓶頸。
縮短診斷差距
乳癌仍是美國女性中最常見的癌症，但照護上的顯著缺口依然存在。超過 40 歲的女性中，多數人會跳過建議的年度篩檢，而放射科醫師在未來十年內預計將面臨數萬名同事的短缺。這種壓力影響到美國每年進行的 4000 萬次乳房攝影檢查。此外，用於治療決策的基因檢測通常需要數週時間才能從外部實驗室返回結果，從而延誤關鍵的照護。
利用 AI 加速影像分析
NVIDIA Inception 新創企業正在開發應用程式，以支援臨床醫師克服這些痛點。iSono Health 開發了 ATUSA 平台，這是一個獲得 FDA 核准的可穿戴式自動 3D 定量超音波系統。與需要長達 45 分鐘且結果因操作者而異的傳統手持超音波不同，ATUSA 可在約兩分鐘內捕捉標準化的乳房體積。該系統在超過 150 萬張超音波影像上進行訓練，其 AI 提供的 3D 掃描比手持 2D 超音波靈敏度高出 28%。這種可重複性使臨床醫師能夠分析連續掃描中的組織變化。該平台已在多個州商業化，並正在進行一項涉及 3,200 名患者的多中心臨床研究。
減輕放射科醫師負擔
Whiterabbit.ai 致力於解決在高流量環境中發現癌症的挑戰。其獲得 FDA 核准的 WRDensity 軟體可自動評估乳房攝影中的乳房密度，已用於數十萬名患者的照護。該公司正在開發 WRRisk，這是一個用於評估長期風險的臨床決策支援工具。通過自動化篩檢陰性乳房攝影，Whiterabbit.ai 旨在減少可避免的回診並降低下游醫療成本。其模型在 NVIDIA GPU 叢集上訓練，並在直接部署於診所的 GPU 上運行。
預測治療反應
確診後，預測治療反應至關重要。Ataraxis AI 利用數位病理切片和臨床變數來預測結果。其模型分析病理切片中的模式，以將變異與復發風險和化學敏感性相關聯。一個模型預測術前化療是否能縮小腫瘤，另一個則估計五年復發風險。這些模型已在超過 10 個機構中經過驗證，並正在臨床中積極使用，運行於使用 PyTorch 和 CUDA 的 NVIDIA GPU 上。
用於精準醫療的 3D 視覺化
SimBioSys 建構了 AI 驅動的精準醫療技術，可建立乳房腫瘤和靜脈的精確 3D 模型以指導手術。使用 NVIDIA MONAI 和 CUDA-X 函式庫，該公司整合了多模態數據，包括影像、病理和基因檢測，以產生超越單一數據片的洞察。這種方法有助於估計復發風險，並通過快速分析數百或數千張影像來影響治療計劃。
實戰筆記
從事醫療 AI 的開發者應檢視這些新創企業如何利用 NVIDIA 的特定生態系統，包括用於數據處理的 MONAI 和用於加速的 CUDA，以實現臨床環境所需的低延遲推理。觀察這些實施案例為構建強大、可擴展且能無縫整合到現有醫院工作流程的醫療保健應用程式提供了藍圖。