Từ quét hình đến kế hoạch điều trị, AI giúp thu hẹp những khoảng trống nguy hiểm nhất trong cuộc chiến chống ung thư vú.

Ung thư vú là loại ung thư được chẩn đoán phổ biến nhất ở phụ nữ Mỹ — nhưng những khoảng trống trong chăm sóc y tế vẫn còn lớn. Phần lớn phụ nữ trên 40 tuổi bỏ qua việc tầm soát hàng năm theo khuyến nghị. Các bác sĩ X-quang phải đọc nhiều ảnh chụp X-quang tuyến vú (mammogram) hơn trong khi số lượng đồng nghiệp ít đi. Và khi có chẩn đoán, các xét nghiệm cung cấp thông tin cho việc điều trị có thể mất nhiều tuần để trả về kết quả. Các công ty trong chương trình NVIDIA Inception dành cho các công ty khởi nghiệp đang xây dựng các ứng dụng AI để hỗ trợ các bác sĩ lâm sàng tại từng điểm khó khăn này, bao gồm chẩn đoán hình ảnh, đánh giá rủi ro và lập kế hoạch điều trị. Khoảng 40 triệu ca chụp X-quang tuyến vú được thực hiện tại Hoa Kỳ mỗi năm, nhưng dự báo thiếu hụt hàng chục nghìn bác sĩ X-quang trong thập kỷ tới đang gây áp lực lên năng lực đọc ảnh của hệ thống. Ở một khía cạnh khác của quy trình chăm sóc, các quyết định điều trị thường phụ thuộc vào các xét nghiệm gen (genomic assay) được gửi đến các phòng thí nghiệm bên ngoài — những xét nghiệm này mất nhiều tuần để xử lý, vào thời điểm mà tốc độ và sự chắc chắn là quan trọng nhất. Các công ty dưới đây đang giải quyết cả hai đầu của khoảng cách đó, và mọi thứ ở giữa, được tăng tốc bởi cơ sở hạ tầng AI của NVIDIA. **Chẩn đoán hình ảnh tự động mang lại thông tin chuyên sâu được hỗ trợ bởi AI** Đối với những phụ nữ gặp khó khăn trong việc tìm thời gian hoặc địa điểm gần nhà để tầm soát ung thư vú, khả năng tiếp cận là một rào cản thực tế dẫn đến bỏ sót chẩn đoán. Công ty khởi nghiệp iSono Health thuộc NVIDIA Inception được thành lập với mục tiêu đơn giản hóa quy trình chẩn đoán hình ảnh này. Nền tảng ATUSA được FDA (Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ) cấp phép của công ty — một hệ thống siêu âm định lượng 3D tự động, đeo được — thu thập thể tích vú tiêu chuẩn hóa trong khoảng hai phút mỗi bên vú, so với tối đa 45 phút đối với siêu âm cầm tay thông thường. AI của hệ thống, được đào tạo trên hàng nghìn bản quét toàn bộ vú bao gồm hơn 1,5 triệu khung hình siêu âm, tự động hóa việc thu nhận hình ảnh. Nó sử dụng khả năng tăng tốc GPU của NVIDIA và công nghệ hình ảnh y tế mã nguồn mở để cung cấp bản quét 3D mà công ty cho biết có độ nhạy cao hơn 28% so với siêu âm 2D cầm tay. Siêu âm cầm tay phụ thuộc vào người cầm đầu dò, vì vậy các bản quét của một phụ nữ thường không thể so sánh từ năm này sang năm khác. ATUSA thu nhận toàn bộ vú theo cùng một cách mỗi lần, tạo ra một cái nhìn lặp lại về mô vú có thể giúp các bác sĩ lâm sàng phân tích cách mô của bệnh nhân thay đổi qua các lần quét liên tiếp, đồng thời giảm lỗi và sự thay đổi của người vận hành. ATUSA hiện có sẵn trên thị trường thông qua các phòng khám đối tác trên khắp California, Texas, Georgia, Tennessee và Washington D.C., với các địa điểm mới liên tục được đưa vào hoạt động. Bà Neda Razavi, Giám đốc điều hành của iSono Health, cho biết: “Việc đưa bản quét đến gần bệnh nhân hơn là bước đột phá đầu tiên. Tầm nhìn của chúng tôi là làm cho bản quét đó ngày càng cung cấp nhiều thông tin hơn: giúp các bác sĩ lâm sàng nhìn thấy những gì có, hiểu những gì đã thay đổi và đưa ra các quyết định sáng suốt hơn.” iSono Health đã phát triển các khả năng AI để phát hiện tổn thương, phân đoạn 3D và phân loại tổn thương. Tiếp theo, công ty có kế hoạch mở rộng quy trình AI của mình thành trí tuệ chẩn đoán đa phương thức bao gồm siêu âm 3D, chụp X-quang tuyến vú, MRI và thông tin lâm sàng. Công ty đang tiến hành một nghiên cứu lâm sàng đa trung tâm với 3.200 bệnh nhân để xác nhận thêm hiệu suất của nền tảng, với các địa điểm nghiên cứu chính tại UC Davis và Trung tâm Y tế Đại học Vanderbilt. **Phát hiện ung thư, giảm cảnh báo sai** Một công ty khác thuộc chương trình NVIDIA Inception, Whiterabbit.ai, đang phát triển công nghệ AI để sàng lọc ung thư vú. Phần mềm WRDensity đã được Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) cấp phép của công ty tự động đánh giá mật độ vú từ ảnh chụp X-quang tuyến vú và đã được sử dụng để chăm sóc hàng trăm nghìn bệnh nhân. Công ty cũng đã phát triển WRRisk, một phần mềm hỗ trợ quyết định lâm sàng để ước tính nguy cơ mắc ung thư vú lâu dài của bệnh nhân — và đang nghiên cứu thế hệ AI mới cho chụp X-quang tuyến vú, có thể giúp các bác sĩ X-quang phát hiện nhiều ca ung thư hơn, đồng thời tự động hóa việc sàng lọc các ảnh chụp X-quang tuyến vú âm tính với ung thư. Mục tiêu là giảm gánh nặng cho đội ngũ bác sĩ X-quang đang quá tải, đẩy nhanh kết quả và giảm các cuộc gọi lại không cần thiết cho bệnh nhân, cũng như giảm chi phí chăm sóc sức khỏe về sau. Phần mềm WRDensity đã được FDA cấp phép của Whiterabbit.ai tự động đánh giá mật độ vú từ ảnh chụp X-quang tuyến vú. Ông Jason Su, đồng sáng lập và Giám đốc Công nghệ của Whiterabbit.ai, cho biết: “Mỗi ngày, các bác sĩ X-quang tuyến vú phải đối mặt với vấn đề ‘mò kim đáy bể’, cố gắng tìm khoảng một ca ung thư trong mỗi 200 ảnh chụp X-quang tuyến vú. Chúng tôi hy vọng AI có thể là một trợ thủ đắc lực cho các bác sĩ X-quang, giúp ‘dọn dẹp đống rơm’ để họ có thể tập trung chuyên môn vào những nơi quan trọng nhất.” Whiterabbit đào tạo các mô hình AI của mình trên một cụm bộ xử lý đồ họa (GPU) NVIDIA đặt tại Đại học Washington ở St. Louis, được bổ sung thêm dung lượng GPU trên đám mây. Quá trình suy luận được thực hiện trên các GPU NVIDIA triển khai trực tiếp tại phòng khám. Dự đoán hiệu quả điều trị Khi một bệnh nhân được chẩn đoán mắc ung thư vú, câu hỏi tiếp theo là phải làm gì — và câu trả lời phụ thuộc vào việc dự đoán cách ung thư sẽ phản ứng với điều trị. Hiện nay, những dự đoán này còn hạn chế về phạm vi và độ chính xác, và thường yêu cầu sinh thiết mô riêng biệt với thời gian chờ đợi từ hai đến bốn tuần. Ataraxis AI đang xây dựng trí tuệ lâm sàng để dự đoán kết quả bệnh nhân và phản ứng với các liệu pháp khác nhau bằng cách sử dụng dữ liệu số, bao gồm các tiêu bản bệnh lý vốn đã là một phần của quy trình khám bệnh tiêu chuẩn. Các mô hình AI của Ataraxis diễn giải các mẫu trên tiêu bản bệnh lý, được hiển thị ở đây dưới dạng các cụm mã màu. Các mô hình học cách liên kết các biến thể giữa các mẫu này với sự khác biệt về nguy cơ tái phát và độ nhạy cảm với hóa trị. Ông Joseph Cappadona, thành viên đội ngũ kỹ thuật tại Ataraxis AI, cho biết: “Các công cụ mà bác sĩ ung thư dựa vào ngày nay để hướng dẫn quyết định điều trị phần lớn được đào tạo một lần, cách đây mười lăm năm, và chưa bao giờ được cập nhật. Các mô hình của chúng tôi trở nên mạnh mẽ hơn mỗi khi chúng tôi thu thập thêm dữ liệu thử nghiệm lâm sàng. Nhưng khi chúng tôi mở rộng quy mô các mô hình, sự thay đổi lớn hơn là khả năng trả lời nhiều câu hỏi hơn để giúp các bác sĩ ung thư cá nhân hóa liệu pháp cho tất cả các loại ung thư.” Các mô hình AI của Ataraxis phân tích dữ liệu số.