To NVIDIA Inception-oppstartsbedrifter, iSono Health og Whiterabbit.ai, lanserer FDA-godkjente AI-verktøy for brystkreftscreening og risikovurdering, med mål om å lette en screenflaskehals som snart blir verre. En anslått mangel på titusenvis av radiologer de neste tiårene belaster systemets kapasitet til å lese mammogrammer, selv om rundt 40 millioner utføres i USA hvert år. Begge selskapene støtter seg på NVIDIAs AI-infrastruktur for å fremskynde sine prosesser.
ATUSAs to-minutters skanning
ISono Healths ATUSA-plattform fanger et standardisert brystvolum på omtrent to minutter per bryst. En konvensjonell håndholdt ultralyd kan ta opptil 45 minutter. Selskapets AI er trent på tusenvis av fullbrystskanninger – mer enn 1,5 millioner ultralydbilder – og bruker NVIDIA GPU-akselerasjon pluss åpen kildekode-verktøy for medisinsk bildebehandling for å produsere en 3D-skanning. iSono hevder at skanningen er 28 % mer sensitiv enn en håndholdt 2D-ultralyd.
📊 Markedsdata-oversikt
ATUSA er kommersielt tilgjengelig gjennom partnerklinikker i California, Texas, Georgia, Tennessee og Washington D.C. En multisenter klinisk studie med 3 200 pasienter pågår, ledet av forskningssentre ved UC Davis og Vanderbilt University Medical Center. Neda Razavi, administrerende direktør i iSono, har tidligere pekt på tilgangshull som en kjernebegrunnelse for plattformen.
Whiterabbits satsing på tetthet og risiko
Whiterabbit.ai sin FDA-godkjente WRDensity-programvare vurderer automatisk brysttetthet fra mammogrammer og har blitt brukt i behandlingen av hundretusenvis av pasienter. Selskapet har også utviklet WRRisk, et klinisk beslutningsstøtteverktøy som estimerer en pasients langsiktige risiko for å utvikle brystkreft.
Jason Su, administrerende direktør i Whiterabbit, har sagt at målet er å fange risiko tidligere. Selskapet trener AI-modellene sine på en klynge av NVIDIA-GPU-er som ligger ved Washington University i St. Louis, supplert med ekstra GPU-kapasitet i skyen. Inferens kjøres på NVIDIA-GPU-er som er distribuert direkte i klinikken – en oppsett som holder data lokalt og ventetiden lav.
Screeningsgapet som ingen av verktøyene løser alene
Brystkreft er den mest diagnostiserte kreftformen blant amerikanske kvinner. Flertallet av kvinner over 40 hopper over den anbefalte årlige screeningen. Raskere, billigere bildebehandling kan hjelpe, men adopsjon avhenger av klinikkøkonomi og pasientoppfølging. Radiologmangelen er den vanskeligere begrensningen: AI kan triagere og prioritere, men noen må fortsatt godkjenne resultatene.
Hva FDA-godkjenningene signaliserer
FDA har godkjent både ATUSA og WRDensity, noe som har betydning utover disse to produktene. Det setter en presedens for godkjenning av AI-baserte medisinske enheter som er avhengige av GPU-akselerert inferens, og det hever valideringskravene for alle som hevder klinisk nytte. For krypto-AI-prosjekter som antyder medisinske bruksområder uten multisenterstudier eller reelle pasientdata, er den listen nå synlig høyere. Byrået har ikke kunngjort noen håndhevelsesaksjon mot krypto-AI-tokens, og det er ingen indikasjon på at de planlegger en. Men kontrasten mellom iSonos studie med 3 200 pasienter og den typiske AI-token-hvitboken er vanskelig å overse.
ISonos multisenterstudie er den neste konkrete milepælen å følge med på. Resultater fra UC Davis- og Vanderbilt-stedene vil avgjøre om den 28 % sensitivitetsfordelen holder i en bredere pasientpopulasjon – og om betalere begynner å behandle to-minutters brystultralyd som et standardalternativ snarere enn et boutique-alternativ.
