Dos startups de NVIDIA Inception, iSono Health y Whiterabbit.ai, están implementando herramientas de IA aprobadas por la FDA para el cribado y la evaluación de riesgos del cáncer de mama, con el objetivo de aliviar un cuello de botella en el cribado que está a punto de empeorar. Se prevé una escasez de decenas de miles de radiólogos en la próxima década, lo que está tensionando la capacidad del sistema para leer mamografías, incluso cuando se realizan alrededor de 40 millones al año en EE. UU. Ambas compañías se apoyan en la infraestructura de IA de NVIDIA para acelerar sus procesos.
El escaneo de dos minutos de ATUSA
La plataforma ATUSA de iSono Health captura un volumen mamario estandarizado en aproximadamente dos minutos por mama. Una ecografía manual convencional puede tardar hasta 45 minutos. La IA de la empresa está entrenada con miles de escaneos de mama completa —más de 1,5 millones de fotogramas de ecografía— y utiliza la aceleración de GPU de NVIDIA junto con herramientas de código abierto de imágenes médicas para producir un escaneo en 3D. iSono afirma que ese escaneo es un 28% más sensible que una ecografía 2D manual.
📊 Resumen de datos de mercado
ATUSA está disponible comercialmente a través de clínicas asociadas en California, Texas, Georgia, Tennessee y Washington D. C. Un estudio clínico multicéntrico con 3.200 pacientes está en marcha, liderado por centros de investigación de UC Davis y el Centro Médico de la Universidad de Vanderbilt. Neda Razavi, CEO de iSono, ha señalado anteriormente las brechas de acceso como una motivación central para la plataforma.
La apuesta de Whiterabbit por la densidad y el riesgo
El software WRDensity de Whiterabbit.ai, aprobado por la FDA, evalúa automáticamente la densidad mamaria a partir de mamografías y se ha utilizado en la atención de cientos de miles de pacientes. La empresa también desarrolló WRRisk, una herramienta de apoyo a la decisión clínica que estima el riesgo a largo plazo de una paciente de desarrollar cáncer de mama.
Jason Su, CEO de Whiterabbit, ha dicho que el objetivo es detectar el riesgo antes. La empresa entrena sus modelos de IA en un clúster de GPU de NVIDIA alojado en la Universidad de Washington en St. Louis, complementado con capacidad adicional de GPU en la nube. La inferencia se ejecuta en GPU de NVIDIA desplegadas directamente en la clínica —una configuración que mantiene los datos locales y la latencia baja.
La brecha en el cribado que ninguna herramienta resuelve por sí sola
El cáncer de mama es el cáncer más diagnosticado entre las mujeres estadounidenses. La mayoría de las mujeres mayores de 40 años omiten el cribado anual recomendado. Una imagen más rápida y económica podría ayudar, pero la adopción depende de la economía de las clínicas y del seguimiento de las pacientes. La escasez de radiólogos es la restricción más difícil: la IA puede clasificar y priorizar, pero alguien todavía tiene que aprobar los resultados.
Lo que señalan las aprobaciones de la FDA
La FDA ha aprobado tanto ATUSA como WRDensity, lo que importa más allá de estos dos productos. Sienta un precedente para la aprobación de dispositivos médicos basados en IA que dependen de inferencia acelerada por GPU, y eleva el listón de validación para cualquiera que afirme utilidad clínica. Para los proyectos de IA cripto que aluden a casos de uso médico sin ensayos multicéntricos ni datos reales de pacientes, ese listón es ahora visiblemente más alto. La agencia no ha anunciado ninguna acción coercitiva contra tokens de IA cripto, y no hay indicios de que esté planeando una. Pero el contraste entre el estudio de 3.200 pacientes de iSono y el típico libro blanco de un token de IA es difícil de ignorar.
El estudio multicéntrico de iSono es el próximo hito concreto a seguir. Los resultados de los centros de UC Davis y Vanderbilt determinarán si la ventaja de sensibilidad del 28% se mantiene en una población de pacientes más amplia —y si las aseguradoras empiezan a tratar la ecografía mamaria de dos minutos como una opción estándar en lugar de una de nicho.
