NVIDIA加速AI医疗初创公司，重塑乳腺癌全流程诊疗

乳腺癌是威胁女性健康的第一大癌种，但在诊疗全流程中仍存在多重脱节现象。大部分40岁以上女性常错过常规年度筛查；与此同时，全美每年需处理约4000万次乳腺钼靶检查，未来十年放射科医生的显著缺口令阅片系统不堪重负。而在确诊环节，确定后续治疗方案所需的基因检测通常要送往外部实验室，耗时数周才能出结果。

在 NVIDIA Inception 初创加速计划的支持下，多家医疗 AI 初创公司正利用 NVIDIA 基础设施，重塑从筛查、风险评估到治疗规划的每一个关键节点。

自动化三维成像破局筛查门槛

传统手持超声依赖操作者手法，不仅单侧检查往往长达45分钟，而且每年的扫描结果因手法差异难以进行纵向对比。针对筛查耗时长、获取难的问题，初创公司 iSono Health 推出了获得美国 FDA 认证的 ATUSA 平台。

这是一套便携且自动化的三维定量超声系统。设备通过标准化方式贴合乳房，单侧采集仅需约2分钟。系统内置的模型基于超过150万帧超声图像训练而成，可在 NVIDIA GPU 加速下自动获取数据并完成三维重建。官方数据显示，其检出敏感度较传统手持二维超声提升了28%。由于每次扫描流程标准化，医生能够更精准地比对患者历年组织变化，有效避免人为操作误差。

目前，iSono Health 正在推进一项包含3200名患者的多中心临床研究，并计划将算法扩展至整合钼靶、MRI 与临床病历的多模态诊断系统。

辅助读片与长周期风险预测

放射科医生日常面临着在海量正常图像中寻找微小病灶的“大海捞针”困境。初创公司 Whiterabbit.ai 专注于通过 AI 优化钼靶检查效率，其获得 FDA 认证的 WRDensity 软件能够自动评估乳腺腺体密度，目前已服务数十万患者。

此外，该公司还开发了评估长期患癌风险的 WRRisk 临床决策支持系统，并正在训练新一代模型，旨在自动筛除阴性影像，让医生集中精力诊断可疑病例。Whiterabbit 将模型训练部署在圣路易斯华盛顿大学的 NVIDIA GPU 集群及云端算力上，诊所端的实时推理则直接运行于本地 NVIDIA GPU 设备。

基于数字病理预测治疗响应

确诊乳腺癌后，精准预测肿瘤对化疗等疗法的反应至关重要。传统方案往往依赖额外的组织活检与漫长的基因分析。Ataraxis AI 则选择直接挖掘现有的数字化病理切片信息。

Ataraxis 利用深度学习模型分析切片中的细胞排列与形态学特征，进而预测患者的复发风险及化疗敏感度。其中一个模型用于预测术前新辅助化疗是否足以使肿瘤缩小，另一个模型则用于评估术后五年复发风险及后续化疗的获益程度。这些模型基于 PyTorch 构建，依托 NVIDIA CUDA 进行全程加速，已在十余家医疗机构及多项临床试验中落地验证。

多模态融合与三维肿瘤可视化

在精准外科领域，初创公司 SimBioSys 致力于利用多模态数据为肿瘤建模。该公司结合乳腺 MRI、病理分析及临床指标，构建乳腺肿瘤、血管及软组织的高精度三维解剖模型，为手术方案规划与复发风险评估提供直观参考。

SimBioSys 在研发流程中采用了医疗开源框架 NVIDIA MONAI，并基于 NVIDIA CUDA-X 库（包括 cuBLAS 与 MONAI Deploy）实现云端推理管线的高效部署，在数小时内快速交付兼具多模态维度的病灶全貌。