สตาร์ทอัพสองแห่งในโครงการ NVIDIA Inception ได้แก่ iSono Health และ Whiterabbit.ai กำลังเปิดตัวเครื่องมือ AI สำหรับการตรวจคัดกรองมะเร็งเต้านมและประเมินความเสี่ยงที่ผ่านการรับรองจาก FDA โดยมีเป้าหมายเพื่อช่วยคลี่คลายปัญหาคอขวดในการตรวจคัดกรองที่มีแนวโน้มรุนแรงขึ้น การคาดการณ์ภาวะขาดแคลนรังสีแพทย์หลายหมื่นคนในทศวรรษหน้ากำลังสร้างแรงกดดันต่อขีดความสามารถของระบบในการแปลผลภาพแมมโมแกรม แม้ว่าในสหรัฐฯ จะมีการตรวจแมมโมแกรมราว 40 ล้านครั้งในแต่ละปี ทั้งสองบริษัทจึงหันมาพึ่งพาโครงสร้างพื้นฐาน AI ของ NVIDIA เพื่อเร่งกระบวนการประมวลผลให้รวดเร็วยิ่งขึ้น
การสแกนในสองนาทีของ ATUSA
แพลตฟอร์ม ATUSA ของ iSono Health สามารถจับภาพปริมาตรเต้านมมาตรฐานได้ในเวลาประมาณสองนาทีต่อข้าง ซึ่งต่างจากการตรวจอัลตราซาวด์แบบใช้มือถือทั่วไปที่อาจใช้เวลานานถึง 45 นาที AI ของบริษัทได้รับการฝึกฝนจากภาพสแกนเต้านมเต็มรูปแบบหลายพันภาพ หรือมากกว่า 1.5 ล้านเฟรมภาพอัลตราซาวด์ และใช้การเร่งความเร็วด้วย NVIDIA GPU ร่วมกับเครื่องมือสร้างภาพทางการแพทย์แบบโอเพนซอร์สเพื่อสร้างภาพสแกน 3 มิติ โดย iSono ระบุว่าการสแกนดังกล่าวมีความไวในการตรวจพบ (sensitivity) สูงกว่าการทำอัลตราซาวด์ 2 มิติแบบใช้มือถือถึง 28%
📊 ภาพรวมข้อมูลตลาด
ปัจจุบัน ATUSA มีให้บริการในเชิงพาณิชย์ผ่านคลินิกพันธมิตรในรัฐแคลิฟอร์เนีย เท็กซัส จอร์เจีย เทนเนสซี และวอชิงตัน ดี.ซี. ขณะเดียวกันการศึกษาวิจัยทางคลินิกแบบพหุสถาบันในกลุ่มผู้ป่วย 3,200 รายกำลังดำเนินอยู่ โดยมีศูนย์วิจัยที่ UC Davis และ Vanderbilt University Medical Center เป็นผู้นำการศึกษา ซึ่ง Neda Razavi ประธานเจ้าหน้าที่บริหารของ iSono เคยชี้ให้เห็นว่าช่องว่างในการเข้าถึงบริการทางการแพทย์คือแรงผลักดันสำคัญในการพัฒนาแพลตฟอร์มนี้
กลยุทธ์ด้านความหนาแน่นและความเสี่ยงของ Whiterabbit
ซอฟต์แวร์ WRDensity ของ Whiterabbit.ai ซึ่งผ่านการรับรองจาก FDA สามารถประเมินความหนาแน่นของเนื้อเยื่อเต้านมจากภาพแมมโมแกรมได้โดยอัตโนมัติ และถูกนำไปใช้ในการดูแลผู้ป่วยแล้วหลายแสนราย นอกจากนี้ บริษัทยังได้พัฒนา WRRisk ซึ่งเป็นเครื่องมือสนับสนุนการตัดสินใจทางคลินิกที่ช่วยประเมินความเสี่ยงระยะยาวของผู้ป่วยในการเกิดมะเร็งเต้านม
Jason Su ซีอีโอของ Whiterabbit ระบุว่าเป้าหมายคือการตรวจพบความเสี่ยงตั้งแต่เนิ่นๆ บริษัททำการฝึกฝนโมเดล AI บนคลัสเตอร์ NVIDIA GPU ที่ติดตั้งอยู่ที่ Washington University in St. Louis ควบคู่ไปกับขีดความสามารถของ GPU เสริมบนระบบคลาวด์ ส่วนการประมวลผลการอนุมาน (Inference) จะทำงานบน NVIDIA GPU ที่ติดตั้งโดยตรงในคลินิก ซึ่งเป็นการตั้งค่าที่ช่วยรักษาข้อมูลให้อยู่ภายในองค์กรและลดความหน่วงลงสู่ระดับต่ำ
ช่องว่างการคัดกรองที่เครื่องมือใดเครื่องมือหนึ่งไม่อาจแก้ไขได้ตามลำพัง
มะเร็งเต้านมเป็นมะเร็งที่ได้รับการวินิจฉัยมากที่สุดในหมู่สตรีชาวอเมริกัน ทว่าผู้หญิงส่วนใหญ่ที่มีอายุเกิน 40 ปีมักข้ามการตรวจคัดกรองประจำปีตามคำแนะนำ การถ่ายภาพที่รวดเร็วและคุ้มค่ายิ่งขึ้นอาจช่วยได้ แต่การนำไปใช้อย่างแพร่หลายยังขึ้นอยู่กับปัจจัยทางเศรษฐศาสตร์ของคลินิกและการเข้ารับการตรวจอย่างต่อเนื่องของผู้ป่วย ส่วนการขาดแคลนรังสีแพทย์เป็นข้อจำกัดที่แก้ไขได้ยากยิ่งกว่า เพราะแม้ AI จะสามารถช่วยคัดแยกและจัดลำดับความสำคัญได้ แต่ท้ายที่สุดแล้วก็ยังต้องมีผู้เชี่ยวชาญเป็นผู้ลงนามรับรองผลตรวจ
สัญญาณจากการอนุมัติของ FDA
การที่ FDA ให้การรับรองทั้ง ATUSA และ WRDensity มีความสำคัญเกินกว่าผลิตภัณฑ์ทั้งสองตัวนี้มาก โดยถือเป็นการสร้างบรรทัดฐานสำหรับการอนุมัติอุปกรณ์การแพทย์ที่ขับเคลื่อนด้วย AI ซึ่งพึ่งพาการประมวลผลด้วย GPU และยังช่วยยกระดับมาตรฐานการตรวจสอบความถูกต้องสำหรับใครก็ตามที่อ้างถึงประโยชน์ทางการแพทย์ สำหรับโปรเจกต์ AI ในโลกคริปโตที่มักหยิบยกกรณีการใช้งานทางการแพทย์มาอ้างโดยไม่มีการทดลองทางคลินิกแบบพหุสถาบันหรือข้อมูลผู้ป่วยจริง มาตรฐานดังกล่าวจึงสูงขึ้นอย่างเห็นได้ชัดในเวลานี้ แม้หน่วยงานยังไม่ได้ประกาศมาตรการบังคับใช้กฎหมายกับโทเคน Crypto AI ใดๆ และไม่มีสัญญาณว่ากำลังวางแผนจะทำเช่นนั้น แต่ความแตกต่างระหว่างการศึกษาในผู้ป่วย 3,200 รายของ iSono กับเอกสาร White Paper ทั่วไปของโทเคน AI ก็เห็นได้อย่างชัดเจน
การศึกษาแบบพหุสถาบันของ iSono คือหมุดหมายสำคัญถัดไปที่น่าจับตามอง ผลการศึกษาจากศูนย์วิจัย UC Davis และ Vanderbilt จะเป็นตัวกำหนดว่าข้อได้เปรียบด้านความไวในการตรวจพบที่สูงกว่า 28% นั้นยังคงให้ผลเช่นเดิมในกลุ่มประชากรผู้ป่วยที่กว้างขึ้นหรือไม่ รวมถึงผู้จ่ายเงินค่ารักษาพยาบาลจะเริ่มยอมรับให้อัลตราซาวด์เต้านม 2 นาทีเป็นทางเลือกมาตรฐาน แทนที่จะมองว่าเป็นเพียงบริการทางเลือกเฉพาะกลุ่มหรือไม่
