Deux startups du programme NVIDIA Inception, iSono Health et Whiterabbit.ai, déploient des outils d'IA homologués par la FDA pour le dépistage du cancer du sein et l'évaluation des risques, afin d'atténuer un goulot d'étranglement du dépistage qui va s'aggraver. Une pénurie projetée de dizaines de milliers de radiologues au cours de la prochaine décennie pèse sur la capacité du système à lire les mammographies, alors même qu'environ 40 millions sont réalisées chaque année aux États-Unis. Les deux entreprises s'appuient sur l'infrastructure d'IA de NVIDIA pour accélérer leurs pipelines.
Le scan de deux minutes d'ATUSA
La plateforme ATUSA d'iSono Health capture un volume mammaire standardisé en environ deux minutes par sein. Une échographie manuelle conventionnelle peut prendre jusqu'à 45 minutes. L'IA de l'entreprise est entraînée sur des milliers de scans complets du sein — plus de 1,5 million d'images échographiques — et utilise l'accélération GPU de NVIDIA ainsi que des outils open source d'imagerie médicale pour produire un scan 3D. iSono affirme que ce scan est 28 % plus sensible qu'une échographie 2D manuelle.
📊 Aperçu des données de marché
ATUSA est disponible commercialement via des cliniques partenaires en Californie, au Texas, en Géorgie, dans le Tennessee et à Washington D.C. Une étude clinique multicentrique portant sur 3 200 patientes est en cours, menée par des sites de recherche de l'UC Davis et du Vanderbilt University Medical Center. Neda Razavi, PDG d'iSono, a déjà cité les lacunes d'accès comme motivation centrale de la plateforme.
Le positionnement de Whiterabbit sur la densité et le risque
Le logiciel WRDensity de Whiterabbit.ai, homologué par la FDA, évalue automatiquement la densité mammaire à partir de mammographies et a été utilisé dans la prise en charge de centaines de milliers de patientes. L'entreprise a également développé WRRisk, un outil d'aide à la décision clinique qui estime le risque à long terme d'une patiente de développer un cancer du sein.
Jason Su, PDG de Whiterabbit, a déclaré que l'objectif est de détecter le risque plus tôt. L'entreprise entraîne ses modèles d'IA sur un cluster de GPU NVIDIA hébergé à l'Université de Washington à Saint-Louis, complété par une capacité GPU supplémentaire dans le cloud. L'inférence s'exécute sur des GPU NVIDIA déployés directement dans la clinique — une configuration qui maintient les données en local et la latence faible.
La lacune de dépistage qu'aucun outil ne résout seul
Le cancer du sein est le cancer le plus fréquemment diagnostiqué chez les femmes américaines. Une majorité de femmes de plus de 40 ans sautent le dépistage annuel recommandé. Une imagerie plus rapide et moins chère pourrait aider, mais l'adoption dépend de l'économie des cliniques et du suivi des patientes. La pénurie de radiologues est la contrainte la plus difficile : l'IA peut trier et prioriser, mais quelqu'un doit encore valider les résultats.
Ce que signifient les homologations de la FDA
La FDA a homologué à la fois ATUSA et WRDensity, ce qui compte au-delà de ces deux produits. Cela établit un précédent pour l'approbation de dispositifs médicaux basés sur l'IA qui reposent sur une inférence accélérée par GPU, et cela relève la barre de validation pour quiconque revendique une utilité clinique. Pour les projets d'IA crypto qui font allusion à des cas d'usage médicaux sans essais multicentriques ni données réelles de patients, cette barre est désormais visiblement plus haute. L'agence n'a annoncé aucune mesure d'application contre les jetons d'IA crypto, et rien n'indique qu'elle en prépare une. Mais le contraste entre l'étude de 3 200 patientes d'iSono et le livre blanc typique d'un jeton d'IA est difficile à manquer.
L'étude multicentrique d'iSono est la prochaine étape concrète à surveiller. Les résultats des sites de l'UC Davis et de Vanderbilt détermineront si l'avantage de sensibilité de 28 % se maintient dans une population de patientes plus large — et si les payeurs commencent à traiter l'échographie mammaire de deux minutes comme une option standard plutôt que de niche.
