Zwei NVIDIA-Inception-Startups, iSono Health und Whiterabbit.ai, bringen FDA-zugelassene KI-Tools für Brustkrebsvorsorge und Risikobewertung auf den Markt, um einen Screening-Engpass zu entschärfen, der sich bald verschärfen wird. Ein prognostizierter Mangel von Zehntausenden Radiologen in den nächsten zehn Jahren belastet die Kapazität des Systems, Mammographien auszuwerten, obwohl in den USA jährlich etwa 40 Millionen durchgeführt werden. Beide Unternehmen setzen auf NVIDIAs KI-Infrastruktur, um ihre Pipelines zu beschleunigen.
ATUSAs Zwei-Minuten-Scan
Die ATUSA-Plattform von iSono Health erfasst ein standardisiertes Brustvolumen in etwa zwei Minuten pro Brust. Ein herkömmlicher Handultraschall kann bis zu 45 Minuten dauern. Die KI des Unternehmens wird mit Tausenden von Ganzbrust-Scans trainiert – mehr als 1,5 Millionen Ultraschallbilder – und nutzt NVIDIA-GPU-Beschleunigung sowie Open-Source-Tools für medizinische Bildgebung, um einen 3D-Scan zu erzeugen. iSono gibt an, dass dieser Scan 28 % empfindlicher ist als ein handgeführter 2D-Ultraschall.
📊 Marktdaten-Snapshot
ATUSA ist kommerziell über Partnerkliniken in Kalifornien, Texas, Georgia, Tennessee und Washington D.C. erhältlich. Eine multizentrische klinische Studie mit 3.200 Patientinnen ist im Gange, geleitet von Forschungsstandorten an der UC Davis und dem Vanderbilt University Medical Center. Neda Razavi, CEO von iSono, hat zuvor auf Versorgungslücken als Kernmotivation für die Plattform hingewiesen.
Whiterabbits Fokus auf Dichte und Risiko
Die FDA-zugelassene WRDensity-Software von Whiterabbit.ai bewertet automatisch die Brustdichte anhand von Mammographien und wurde bei der Behandlung von Hunderttausenden Patientinnen eingesetzt. Das Unternehmen entwickelte außerdem WRRisk, ein klinisches Entscheidungsunterstützungstool, das das langfristige Risiko einer Patientin schätzt, an Brustkrebs zu erkranken.
Jason Su, CEO von Whiterabbit, hat erklärt, das Ziel sei es, Risiken früher zu erkennen. Das Unternehmen trainiert seine KI-Modelle auf einem Cluster von NVIDIA-GPUs an der Washington University in St. Louis, ergänzt durch zusätzliche GPU-Kapazität in der Cloud. Die Inferenz läuft auf NVIDIA-GPUs, die direkt in der Klinik eingesetzt werden – eine Konfiguration, die Daten lokal und die Latenz gering hält.
Die Screening-Lücke, die kein Tool allein schließt
Brustkrebs ist die am häufigsten diagnostizierte Krebsart bei amerikanischen Frauen. Die Mehrheit der Frauen über 40 lässt das empfohlene jährliche Screening aus. Schnellere, günstigere Bildgebung könnte helfen, aber die Akzeptanz hängt von der Klinikökonomie und der Patiententreue ab. Der Radiologenmangel ist die schwierigere Einschränkung: KI kann triagieren und priorisieren, aber jemand muss die Ergebnisse immer noch abzeichnen.
Was die FDA-Zulassungen signalisieren
Die FDA hat sowohl ATUSA als auch WRDensity zugelassen, was über diese beiden Produkte hinaus von Bedeutung ist. Es setzt einen Präzedenzfall für die Zulassung KI-basierter Medizinprodukte, die auf GPU-beschleunigter Inferenz beruhen, und erhöht die Validierungshürde für alle, die klinischen Nutzen beanspruchen. Für Krypto-KI-Projekte, die auf medizinische Anwendungsfälle anspielen, ohne multizentrische Studien oder echte Patientendaten, ist diese Hürde nun sichtbar höher. Die Behörde hat keine Durchsetzungsmaßnahmen gegen Krypto-KI-Token angekündigt, und es gibt keine Hinweise darauf, dass sie eine plant. Aber der Kontrast zwischen iSonos Studie mit 3.200 Patientinnen und dem typischen KI-Token-Whitepaper ist kaum zu übersehen.
ISonos multizentrische Studie ist der nächste konkrete Meilenstein, den es zu beobachten gilt. Ergebnisse von den Standorten UC Davis und Vanderbilt werden entscheiden, ob der Empfindlichkeitsvorteil von 28 % in einer breiteren Patientenpopulation Bestand hat – und ob Kostenträger beginnen, den Zwei-Minuten-Brustultraschall als Standardoption statt als Nischenangebot zu behandeln.
