Nota da redação: este artigo foi publicado originalmente em inglês e descreve o cenário dos Estados Unidos. Os dados epidemiológicos, as startups citadas e as liberações regulatórias mencionadas referem-se ao mercado norte-americano. Liberação pela FDA, a agência reguladora dos Estados Unidos, não equivale a registro na Anvisa.
O câncer de mama é o câncer mais diagnosticado entre as mulheres nos Estados Unidos, e ainda assim as falhas no cuidado são grandes. A maioria das mulheres acima de 40 anos deixa de fazer o rastreamento anual recomendado. Há mais mamografias para ler e menos radiologistas para lê-las. E, quando o diagnóstico chega, os exames que orientam o tratamento podem levar semanas para dar resultado.
Startups nos Estados Unidos estão construindo aplicações de IA para apoiar as equipes clínicas em cada um desses pontos de atrito, incluindo imagem, avaliação de risco e planejamento de tratamento.
São cerca de 40 milhões de mamografias por ano nos Estados Unidos, mas a projeção de um déficit de dezenas de milhares de radiologistas na próxima década pressiona a capacidade do sistema de lê-las.
Na outra ponta da linha do cuidado, as decisões de tratamento muitas vezes dependem de exames genômicos enviados a laboratórios externos, exames que levam semanas para serem processados, num momento em que velocidade e certeza são o que mais importa.
As empresas abaixo, todas integrantes do programa NVIDIA Inception para startups, atuam nas duas pontas dessa lacuna, e em tudo que está no meio, aceleradas por infraestrutura de IA da NVIDIA.
Imagem automatizada entrega insights com IA
Para as mulheres que têm dificuldade de encontrar tempo ou um local próximo para o rastreamento de câncer de mama, o acesso é uma barreira prática que se traduz em diagnósticos perdidos. A iSono Health, startup do NVIDIA Inception, nasceu em torno da simplificação desse fluxo de imagem.
A plataforma ATUSA da empresa, liberada pela FDA, é um sistema de ultrassom quantitativo 3D automatizado e wearable que captura um volume mamário padronizado em cerca de dois minutos por mama, contra até 45 minutos de um ultrassom manual convencional.
A IA do sistema, treinada com milhares de exames de mama completos que somam mais de 1,5 milhão de quadros de ultrassom, automatiza a aquisição das imagens. Ela usa aceleração por GPU NVIDIA e tecnologia open source de imagem médica para entregar um exame 3D que, segundo a empresa, é 28% mais sensível que um ultrassom 2D manual.
O ultrassom manual depende de quem segura o transdutor, então os exames de uma mulher normalmente não podem ser comparados de um ano para o outro. O ATUSA captura a mama inteira sempre do mesmo jeito, criando uma visão repetível do tecido mamário que pode ajudar as equipes clínicas a analisar como o tecido de uma paciente muda ao longo de exames sucessivos, além de reduzir erros e variabilidade de operação.
O ATUSA está disponível comercialmente em clínicas parceiras na Califórnia, no Texas, na Geórgia, no Tennessee e em Washington, D.C., com novos locais entrando em operação regularmente.
“Levar o exame para mais perto da paciente é o primeiro avanço”, disse Neda Razavi, CEO da iSono Health. “Nossa visão é tornar esse exame cada vez mais informativo, ajudando as equipes clínicas a ver o que está ali, entender o que mudou e tomar decisões mais bem fundamentadas.”
A iSono Health desenvolveu capacidades de IA para detecção de lesões, segmentação 3D e classificação de lesões. O próximo passo é estender o pipeline de IA para uma inteligência diagnóstica multimodal que abranja ultrassom 3D, mamografia, ressonância magnética e informação clínica.
A empresa conduz um estudo clínico multicêntrico com 3.200 pacientes para validar melhor a performance da plataforma, com os centros de pesquisa principais na UC Davis e no Vanderbilt University Medical Center.
Encontrar cânceres e cortar alarmes falsos
Outra empresa do NVIDIA Inception, a Whiterabbit.ai, desenvolve tecnologia de IA para rastreamento de câncer de mama. Seu software WRDensity, liberado pela FDA, avalia automaticamente a densidade mamária a partir de mamografias e já foi usado no cuidado de centenas de milhares de pacientes.
A empresa também desenvolveu o WRRisk, um software de apoio à decisão clínica para estimar o risco de longo prazo de uma paciente desenvolver câncer de mama, e pesquisa uma nova geração de IA para mamografia que poderia ajudar a detectar mais cânceres enquanto automatiza a triagem de mamografias negativas para câncer de mama.
O objetivo é reduzir a sobrecarga de uma força de trabalho de radiologia pressionada, acelerar resultados, reduzir reconvocações evitáveis de pacientes e baixar custos de saúde mais adiante na cadeia.
“Todo dia, os radiologistas de mama enfrentam um problema de agulha no palheiro, tentando encontrar mais ou menos um câncer a cada 200 mamografias”, disse Jason Su, cofundador e chief technology officer da Whiterabbit.ai. “Esperamos que a IA possa ser uma aliada poderosa dos radiologistas, ajudando a tirar o palheiro do caminho para que concentrem sua especialidade onde ela mais importa.”
A Whiterabbit treina seus modelos de IA em um cluster de GPUs NVIDIA instalado na Washington University em St. Louis, complementado por capacidade adicional de GPU na nuvem. A inferência roda em GPUs NVIDIA implantadas diretamente na clínica.
Prever quais tratamentos vão funcionar
Depois que uma paciente recebe o diagnóstico de câncer de mama, a pergunta seguinte é o que fazer a respeito, e a resposta depende de prever como o câncer vai responder ao tratamento.
Hoje, essas previsões são limitadas em escopo e em precisão, e muitas vezes exigem uma biópsia de tecido separada, com espera de duas a quatro semanas. A Ataraxis AI está construindo uma inteligência clínica que prevê desfechos de pacientes e resposta a diferentes terapias usando dados digitais, incluindo lâminas de patologia que já fazem parte da investigação clínica padrão.
“As ferramentas em que os oncologistas se apoiam hoje para orientar decisões de terapia foram treinadas, em sua maior parte, uma única vez, quinze anos atrás, e nunca atualizadas. Nossos modelos ficam mais fortes a cada vez que adquirimos mais dados de ensaios clínicos”, disse Joseph Cappadona, member of technical staff da Ataraxis AI. “Mas, conforme escalamos nossos modelos, a mudança maior é poder responder a mais perguntas para ajudar os oncologistas a personalizar a terapia em todos os tipos de câncer.”
Os modelos de IA da Ataraxis analisam lâminas de patologia digital e variáveis clínicas padrão para prever resposta ao tratamento e risco de recidiva. Um modelo prevê se a quimioterapia pré-operatória tem probabilidade de encolher o tumor de uma paciente até o ponto de resposta antes do centro cirúrgico. Depois da cirurgia, outro modelo estima o risco de recidiva em cinco anos e o provável benefício da quimioterapia como passo seguinte.
Os dois modelos foram validados em mais de 10 instituições e em vários ensaios clínicos, e estão em uso clínico ativo. Eles rodam em GPUs NVIDIA on-premises, em um data center externo e na nuvem, com PyTorch acelerado por NVIDIA CUDA do começo ao fim.
Oferecer insights de tumor com visualização 3D
Outra empresa do NVIDIA Inception, a SimBioSys, participou com a NVIDIA de um painel recente que marcou o mês de conscientização sobre o câncer de mama.
A empresa desenvolve tecnologia de medicina de precisão com IA que cria modelos 3D precisos de tumores de mama, veias e outros tecidos moles, entregando insights importantes para orientar cirurgias e influenciar planos de tratamento. Também construiu uma ferramenta para estimar o risco de recidiva do câncer de mama a partir de dados volumétricos 3D da ressonância magnética da mama, da patologia do tumor e de dados clínicos.
“Estamos construindo uma plataforma que agora nos permite pegar dados multimodais, exames de imagem, resultados de patologia, testes genômicos quando aplicável e outras entradas biológicas, e, com IA, reunir tudo isso”, disse Stacey Stevens, CEO da SimBioSys, no evento. “Quando fazemos isso, surgem insights novos, além do que tínhamos a partir de cada peça isolada.”
A SimBioSys usa o NVIDIA MONAI para dados de treinamento e validação, e bibliotecas NVIDIA CUDA-X, incluindo cuBLAS e MONAI Deploy, para sua tecnologia de imagem, que roda em GPUs NVIDIA na nuvem.
“A tecnologia da NVIDIA nos dá o poder computacional para pegar centenas ou milhares de imagens, aplicar nossa IA e analisá-las rapidamente”, disse Stevens. “Essa velocidade importa porque pacientes e médicos precisam de respostas rápidas. Não dá para esperar dias ou semanas.”
Saiba mais sobre o programa NVIDIA Inception para startups.
Certas tecnologias descritas neste artigo são investigacionais e não foram aprovadas pela FDA dos Estados Unidos para uso comercial.