Nota de la redacción: este artículo se publicó originalmente en inglés y describe el panorama de Estados Unidos. Los datos epidemiológicos, las startups citadas y las autorizaciones regulatorias mencionadas corresponden al mercado estadounidense. La autorización de la FDA, la agencia reguladora de Estados Unidos, no equivale a un registro ante las agencias reguladoras de la región, como Cofepris en México.
El cáncer de mama es el cáncer más diagnosticado entre las mujeres en Estados Unidos, y aun así las brechas en la atención son amplias. La mayoría de las mujeres mayores de 40 años no se realiza el tamizaje anual recomendado. Los radiólogos leen más mamografías con menos colegas. Y, cuando llega el diagnóstico, los estudios que orientan el tratamiento pueden tardar semanas en dar resultados.
Startups en Estados Unidos están construyendo aplicaciones de IA para apoyar a los equipos clínicos en cada uno de esos puntos de fricción, incluidos imagen, evaluación de riesgo y planeación del tratamiento.
Se realizan alrededor de 40 millones de mamografías al año en Estados Unidos, pero la proyección de un déficit de decenas de miles de radiólogos en la próxima década presiona la capacidad del sistema para leerlas.
En el otro extremo de la línea de atención, las decisiones de tratamiento a menudo dependen de estudios genómicos enviados a laboratorios externos, estudios que tardan semanas en procesarse, en un momento en el que la velocidad y la certeza son lo que más importa.
Las empresas que se presentan a continuación, todas integrantes del programa NVIDIA Inception para startups, trabajan en ambos extremos de esa brecha, y en todo lo que hay en medio, aceleradas por infraestructura de IA de NVIDIA.
La imagen automatizada entrega insights con IA
Para las mujeres que tienen dificultad para encontrar tiempo o un lugar cercano para el tamizaje de cáncer de mama, el acceso es una barrera práctica que se traduce en diagnósticos perdidos. iSono Health, startup de NVIDIA Inception, nació en torno a la simplificación de ese flujo de imagen.
La plataforma ATUSA de la empresa, autorizada por la FDA, es un sistema de ultrasonido cuantitativo 3D automatizado y wearable que captura un volumen mamario estandarizado en cerca de dos minutos por mama, frente a hasta 45 minutos de un ultrasonido manual convencional.
La IA del sistema, entrenada con miles de estudios de mama completos que suman más de 1.5 millones de cuadros de ultrasonido, automatiza la adquisición de las imágenes. Usa aceleración por GPU NVIDIA y tecnología open source de imagen médica para entregar un estudio 3D que, según la empresa, es 28% más sensible que un ultrasonido 2D manual.
El ultrasonido manual depende de quien sostiene el transductor, así que los estudios de una mujer normalmente no se pueden comparar de un año a otro. ATUSA captura la mama completa siempre de la misma forma, lo que crea una vista repetible del tejido mamario que puede ayudar a los equipos clínicos a analizar cómo cambia el tejido de una paciente a lo largo de estudios sucesivos, además de reducir errores y variabilidad de operación.
ATUSA está disponible comercialmente en clínicas aliadas en California, Texas, Georgia, Tennessee y Washington, D.C., con nuevas sedes que entran en operación de forma regular.
“Acercar el estudio a la paciente es el primer avance”, dijo Neda Razavi, CEO de iSono Health. “Nuestra visión es hacer que ese estudio sea cada vez más informativo, para ayudar a los equipos clínicos a ver lo que está ahí, entender qué cambió y tomar decisiones mejor fundamentadas.”
iSono Health desarrolló capacidades de IA para detección de lesiones, segmentación 3D y clasificación de lesiones. El siguiente paso es extender su pipeline de IA hacia una inteligencia diagnóstica multimodal que abarque ultrasonido 3D, mamografía, resonancia magnética e información clínica.
La empresa lleva a cabo un estudio clínico multicéntrico con 3,200 pacientes para validar mejor el rendimiento de la plataforma, con los centros de investigación principales en UC Davis y Vanderbilt University Medical Center.
Encontrar cánceres y reducir falsas alarmas
Otra empresa de NVIDIA Inception, Whiterabbit.ai, desarrolla tecnología de IA para el tamizaje de cáncer de mama. Su software WRDensity, autorizado por la FDA, evalúa automáticamente la densidad mamaria a partir de mamografías y ya se ha usado en la atención de cientos de miles de pacientes.
La empresa también desarrolló WRRisk, un software de apoyo a la decisión clínica para estimar el riesgo de largo plazo de que una paciente desarrolle cáncer de mama, e investiga una nueva generación de IA para mamografía que podría ayudar a los radiólogos a detectar más cánceres mientras automatiza el tamizaje de mamografías negativas para cáncer de mama.
El objetivo es reducir la carga de una fuerza de trabajo de radiología presionada, acelerar resultados, reducir reconvocaciones evitables de pacientes y bajar costos de salud más adelante en la cadena.
“Todos los días, los radiólogos de mama enfrentan un problema de aguja en un pajar, al tratar de encontrar más o menos un cáncer por cada 200 mamografías”, dijo Jason Su, cofundador y chief technology officer de Whiterabbit.ai. “Esperamos que la IA pueda ser una aliada poderosa de los radiólogos, y ayude a quitar el pajar del camino para que concentren su especialidad donde más importa.”
Whiterabbit entrena sus modelos de IA en un clúster de GPU NVIDIA instalado en Washington University en St. Louis, complementado con capacidad adicional de GPU en la nube. La inferencia se ejecuta en GPU NVIDIA desplegadas directamente en la clínica.
Predecir qué tratamientos van a funcionar
Una vez que una paciente recibe el diagnóstico de cáncer de mama, la siguiente pregunta es qué hacer al respecto, y la respuesta depende de predecir cómo responderá el cáncer al tratamiento.
Hoy, esas predicciones son limitadas en alcance y en precisión, y a menudo requieren una biopsia de tejido aparte, con una espera de dos a cuatro semanas. Ataraxis AI está construyendo una inteligencia clínica que predice desenlaces de pacientes y respuesta a distintas terapias usando datos digitales, incluidas laminillas de patología que ya forman parte del estudio clínico estándar.
“Las herramientas en las que se apoyan los oncólogos hoy para orientar decisiones de terapia se entrenaron, en su mayoría, una sola vez, hace quince años, y nunca se actualizaron. Nuestros modelos se fortalecen cada vez que adquirimos más datos de ensayos clínicos”, dijo Joseph Cappadona, member of technical staff de Ataraxis AI. “Pero, conforme escalamos nuestros modelos, el cambio mayor es poder responder a más preguntas para ayudar a los oncólogos a personalizar la terapia en todos los tipos de cáncer.”
Los modelos de IA de Ataraxis analizan laminillas de patología digital y variables clínicas estándar para predecir respuesta al tratamiento y riesgo de recurrencia. Un modelo predice si la quimioterapia preoperatoria tiene probabilidad de reducir el tumor de una paciente hasta el punto de respuesta antes del quirófano. Después de la cirugía, otro modelo estima el riesgo de recurrencia a cinco años y el beneficio probable de la quimioterapia como paso siguiente.
Los dos modelos se validaron en más de 10 instituciones y en varios ensayos clínicos, y están en uso clínico activo. Se ejecutan en GPU NVIDIA on-premises, en un data center externo y en la nube, con PyTorch acelerado por NVIDIA CUDA de principio a fin.
Ofrecer insights de tumor con visualización 3D
Otra empresa de NVIDIA Inception, SimBioSys, participó con NVIDIA en un panel reciente que marcó el mes de concientización sobre el cáncer de mama.
La empresa desarrolla tecnología de medicina de precisión con IA que crea modelos 3D precisos de tumores de mama, venas y otros tejidos blandos, y entrega insights importantes para orientar cirugías e influir en los planes de tratamiento. También construyó una herramienta para estimar el riesgo de recurrencia del cáncer de mama a partir de datos volumétricos 3D de la resonancia magnética de la mama, la patología del tumor y datos clínicos.
“Estamos construyendo una plataforma que ahora nos permite tomar datos multimodales, estudios de imagen, resultados de patología, pruebas genómicas cuando aplica y otras entradas biológicas, y, con IA, reunir todo eso”, dijo Stacey Stevens, CEO de SimBioSys, en el evento. “Cuando lo hacemos, surgen insights nuevos, más allá de lo que teníamos a partir de cada pieza por separado.”
SimBioSys usa NVIDIA MONAI para datos de entrenamiento y validación, y bibliotecas NVIDIA CUDA-X, incluidas cuBLAS y MONAI Deploy, para su tecnología de imagen, que se ejecuta en GPU NVIDIA en la nube.
“La tecnología de NVIDIA nos da el poder de cómputo para tomar cientos o miles de imágenes, aplicar nuestra IA y analizarlas con rapidez”, dijo Stevens. “Esa velocidad importa porque las pacientes y los médicos necesitan respuestas rápidas. No pueden esperar días ni semanas.”
Conozca más sobre el programa NVIDIA Inception para startups.
Ciertas tecnologías descritas en este artículo son de investigación y no han sido aprobadas por la FDA de Estados Unidos para uso comercial.