A mellrák az Egyesült Államokban a nők körében a leggyakrabban diagnosztizált daganatos betegség – mégis hatalmas szakadékok tátongnak az ellátásban. A 40 év feletti nők többsége kihagyja az ajánlott éves szűrővizsgálatot, a radiológusok egyre több mammográfiát olvasnak egyre kevesebb kollégával, a kezelési döntésekhez szükséges genomikai vizsgálatok eredményei pedig hetek múlva érkeznek vissza. Az NVIDIA Inception startup-programjának tagjai az AI-t vetik be, hogy ezeket a kritikus hiányosságokat – a képalkotástól a kockázatbecslésen át a kezelési tervekig – kezeljék.
Miért sürget az AI mellrák szűrés kérdése?
Az Egyesült Államokban évente mintegy 40 millió mammográfiás vizsgálatot végeznek el, ugyanakkor a következő évtizedben tízezer radiológusnyi hiány prognosztizálható, ami komolyan megterheli a rendszer kapacitását. Az ellátás másik végén a kezelési döntések genomikai vizsgálatoktól függnek, amelyeket külső laboratóriumokba küldenek ki – ezek feldolgozása két-négy hetet vesz igénybe, miközben a beteg és az orvos azonnali válaszokra vár. Az alábbi négy vállalat mindkét végét – és minden közbülső állomását – megcélozza ennek a folyamatnak, NVIDIA AI infrastruktúra segítségével.
Hordozható 3D ultrahang: az iSono Health ATUSA platformja
Az egyik legnagyobb akadály a szűrésben maga a hozzáférés: sok nő számára nincs elérhető helyszín, vagy nem jut ideje az éves vizsgálatra. Az NVIDIA Inception startup iSono Health erre fejlesztette az FDA által jóváhagyott ATUSA platformot – egy hordozható, automatizált 3D kvantitatív ultrahangos rendszert, amely mellenként körülbelül két perc alatt rögzít egy standardizált térfogati felvételt. Ez óriási különbség a hagyományos kézi ultrahanghoz képest, amelyhez akár 45 perc is szükséges.
A rendszer mesterséges intelligenciája több mint 1,5 millió ultrahangos képkockát tartalmazó teljes mellvizsgálatokra épülve tanult, és NVIDIA GPU-gyorsítást, valamint nyílt forráskódú orvosi képalkotó technológiát alkalmaz. A vállalat adatai szerint az ATUSA 28%-kal érzékenyebb, mint a hagyományos 2D kézi ultrahang. Az eszköz emellett minden alkalommal azonos módon rögzíti a felvételt, így az egymást követő vizsgálatok összehasonlíthatóak – csökkentve az operátorfüggő hibákat és szórásokat.
Az ATUSA jelenleg partnerklinihákon keresztül érhető el Kaliforniában, Texasban, Georgiában, Tennessee-ben és Washington D.C.-ben. A vállalat eközben egy 3200 betegre kiterjedő, több intézményt bevonó klinikai tanulmányt folytat az UC Davis és a Vanderbilt University Medical Center vezető részvételével, és hamarosan multimodális diagnosztikai intelligenciát is integrál, amely 3D ultrahangot, mammográfiát, MRI-t és klinikai adatokat kombinál.
„A vizsgálat közelebb vitelе a beteghez az első áttörés. Célunk, hogy ez a vizsgálat egyre informatívabbá váljon: segítse a klinikusokat abban, hogy lássák, mi van ott, megértsék, mi változott, és megalapozottabb döntéseket hozzanak.” – Neda Razavi, az iSono Health vezérigazgatója
Kevesebb téves riasztás, több valódi lelet: a Whiterabbit.ai megközelítése
Az ugyancsak NVIDIA Inception-tag Whiterabbit.ai az FDA által jóváhagyott WRDensity szoftverét fejlesztette ki, amely automatikusan értékeli a mellszövetsűrűséget mammográfiai felvételekből. Ezt a rendszert már több százezer páciens ellátásában alkalmazták. A vállalat emellett kifejlesztette a WRRisk klinikai döntéstámogató eszközt, amely a mellrák hosszú távú kialakulásának kockázatát becsüli fel.
A fejlesztők célja egy új generációs mammográfiai AI, amellyel a radiológusok több daganatot fedezhetnek fel, miközben az egyértelműen negatív leletek szűrése automatizálható. Ez csökkentené a leterhelт radiológusok munkaterheit, gyorsítaná az eredmények visszajelzését, kevesebb indokolatlan visszahíváson mentenék meg a pácienseket, és mérsékelné az egészségügyi utóköltségeket.
A Whiterabbit.ai AI-modelljeit a Washington University in St. Louis-ban telepített NVIDIA GPU-kluszteren, illetve felhőkapacitás segítségével tanítja be, az inferencia pedig közvetlenül a klinikán elhelyezett NVIDIA GPU-kon fut.
„Minden nap a mellrákos radiológusok azzal szembesülnek, hogy nagyjából 200 mammográfiából kell megtalálniuk az egy daganatot. Reméljük, hogy az AI hatékony segítőtársuk lehet, eltávolítva az akadályokat, hogy a szakértelmüket oda összpontosíthassák, ahol a legfontosabb.” – Jason Su, az Whiterabbit.ai társalapítója és műszaki igazgatója
A kezelési válasz előrejelzése és a tumor 3D modellezése
Ataraxis AI: prediktív patológia digitális metszetekből
Amint megszületik a diagnózis, a következő nagy kérdés az, hogy melyik kezelés lesz hatékony. Ma ezek az előrejelzések korlátozott pontosságúak, és rendszerint külön szöveti biopsziát, valamint két-négy hetes várakozást igényelnek. Az Ataraxis AI olyan klinikai intelligenciát épít, amely a betegek kimenetelét és a különböző terápiákra adott válaszát digitális adatokból – köztük a szokásos betegdokumentáció részét képező patológiai metszetekből – jelzi előre.
A vállalat kétféle modellt üzemeltet aktív klinikai használatban:
- Az egyik azt becsüli meg, hogy a műtét előtti kemoterápia várhatóan elegendő mértékben csökkenti-e a daganatot a beavatkozás előtt.
- A másik a műtét után a beteg ötéves visszaesési kockázatát és a kemoterápia várható hasznát számítja ki.
Mindkét modellt több mint 10 intézményen és számos klinikai vizsgálaton keresztül validálták. A rendszer helyszíni szervereken, külső adatközpontokban és felhőben egyaránt fut, NVIDIA GPU-kon, PyTorch és NVIDIA CUDA alapon.
„Az onkológusok által ma használt eszközök javarészt tizenöt éve tanultak, és azóta sem frissültek. A mi modelljeink minden egyes új klinikai vizsgálati adattal erősebbé válnak.” – Joseph Cappadona, az Ataraxis AI műszaki munkatársa
SimBioSys: 3D tumortérkép a kezelési tervhez
A negyedik startup, a SimBioSys, az NVIDIA Inception program keretében precíziós orvostudományi platformot épít, amely a melltumorokról, erekről és egyéb lágyszövetekről pontos 3D modelleket hoz létre. Ezek az adatok segítik a sebészeti tervezést és befolyásolják a kezelési protokollt. Emellett a vállalat fejlesztett egy eszközt, amely a mellrák visszaesésének kockázatát az MRI-vizsgálatokból nyert 3D volumetrikus adatok, a tumor patológiája és klinikai adatok kombinációja alapján becsüli fel.
A SimBioSys az NVIDIA MONAI keretrendszert használja tanításra és validálásra, az NVIDIA CUDA-X könyvtárakat – köztük a cuBLAS-t és a MONAI Deploy-t – pedig a felhőben futó képalkotó technológiájához. A platform lényege a multimodalitás: képalkotó vizsgálatok, patológiai leletek, genomikai tesztek és egyéb biológiai adatok együttes feldolgozása.
„Az NVIDIA technológia megadja a számítási teljesítményt ahhoz, hogy több száz vagy ezer képet dolgozzunk fel, és AI-jal gyorsan elemezzük azokat. Ez a sebesség kulcsfontosságú, mert a betegek és az orvosok nem engedhetik meg maguknak, hogy napokat vagy heteket várjanak.” – Stacey Stevens, a SimBioSys vezérigazgatója
Gyakori kérdések
Mire képes az iSono Health ATUSA rendszere a hagyományos ultrahanghoz képest?
Az ATUSA hordozható, automatizált 3D ultrahangos platform, amely mellenként körülbelül két perc alatt rögzít standardizált felvételt – szemben a kézi ultrahang akár 45 perces vizsgálatával. A vállalat szerint a rendszer 28%-kal érzékenyebb a 2D kézi ultrahanghoz képest, és minden alkalommal azonos módon rögzíti a képet, így az egymást követő vizsgálatok összehasonlíthatók.
Hogyan segíti a Whiterabbit.ai a radiológusok munkáját?
A Whiterabbit.ai WRDensity szoftvere automatikusan értékeli a mellszövetsűrűséget mammográfiai felvételekből, és már több százezer páciens ellátásában alkalmazták. A cél egy olyan AI-generáció kifejlesztése, amely több valódi daganatot azonosít, miközben az egyértelműen negatív felvételek szűrését automatizálja, csökkentve a radiológusok terheit.
Milyen validáción estek át az Ataraxis AI modelljei?
Az Ataraxis AI két prediktív modelljét – a műtét előtti kemoterápiás válasz és az ötéves visszaesési kockázat becslésére – több mint 10 intézményen és több klinikai vizsgálaton keresztül validálták, és aktív klinikai használatban vannak.
Mit jelent a SimBioSys multimodális megközelítése a mellrák kezelésében?
A SimBioSys platformja képalkotó vizsgálatokat, patológiai leleteket, genomikai teszteket és egyéb biológiai adatokat dolgoz fel egyszerre AI segítségével, hogy olyan összesített betekintést nyújtson, amelyre egyetlen adatforrás önmagában nem lenne képes – elsősorban a sebészeti tervezés és a kezelési terv pontosítása érdekében.
Forrás: NVIDIA Blog
