Start-ups im NVIDIA-Inception-Programm setzen künstliche Intelligenz ein, um verschiedene Lücken in der Brustkrebsversorgung zu schließen – von erschwertem Zugang zu Untersuchungen und einem Mangel an Radiologen bis hin zu langen Wartezeiten bei Testergebnissen, auf deren Grundlage die Behandlung ausgewählt wird. Diese Anwendungen kommen in den Vereinigten Staaten zum Einsatz, wo jährlich rund 40 Millionen Mammografien durchgeführt werden. Gleichzeitig wird erwartet, dass der Mangel an Radiologen im kommenden Jahrzehnt den Druck auf das System zur Befundung und Diagnosestellung erhöhen wird.
NVIDIA zufolge nutzen die vorgestellten Unternehmen ihre Recheninfrastruktur, darunter Grafikprozessoren sowie CUDA und MONAI, um Tools zu entwickeln, die von automatisierter Bildgebung über die Analyse pathologischer Schnitte bis zur Zusammenführung klinischer und genetischer Daten reichen.
Einheitlichere Bildgebung, näher an der Patientin
iSono Health entwickelt die Plattform ATUSA, ein tragbares, quantitatives 3D-Ultraschallsystem, das eine FDA-Zulassung erhalten hat. Das System erfasst innerhalb von etwa zwei Minuten pro Brust ein standardisiertes Brustvolumen – verglichen mit bis zu 45 Minuten bei einer herkömmlichen manuellen Ultraschalluntersuchung.
Das System nutzt künstliche Intelligenz, um die Bildaufnahme zu automatisieren, und wurde anhand von Tausenden vollständigen Untersuchungen trainiert, die mehr als 1,5 Millionen Ultraschallbilder umfassen. Nach Angaben des Unternehmens ist das System 28 % sensitiver als der manuelle zweidimensionale Ultraschall. Die Standardisierung der Bildaufnahme könnte außerdem dabei helfen, jährliche Untersuchungen zu vergleichen und die von der Erfahrung des Bedieners abhängige Variabilität zu verringern.
ATUSA ist derzeit über Partnerkliniken in Kalifornien, Texas, Georgia, Tennessee und Washington, D.C., kommerziell verfügbar. iSono Health führt eine multizentrische Studie mit 3.200 Patientinnen und Patienten durch, um die Leistungsfähigkeit der Plattform zu validieren. Zu den wichtigsten Studienzentren gehören UC Davis und das Vanderbilt University Medical Center. Das Unternehmen arbeitet daran, seine Tools um die Erkennung, Segmentierung und Klassifizierung von Läsionen zu erweitern und anschließend 3D-Ultraschall mit Mammografie, Magnetresonanztomografie und klinischen Informationen zu verknüpfen.
Die Belastung für Radiologen verringern
Whiterabbit.ai entwickelt die Software WRDensity, ein von der FDA zugelassenes Tool zur automatisierten Bewertung der Brustdichte anhand von Mammografien, das bereits bei Hunderttausenden Patientinnen und Patienten eingesetzt wurde. Außerdem bietet das Unternehmen WRRisk zur Unterstützung klinischer Entscheidungen und zur Einschätzung des langfristigen Brustkrebsrisikos an.
Das Unternehmen erforscht eine neue Generation von KI-Tools für die Mammografie, die Radiologen dabei helfen könnte, mehr Krebserkrankungen zu erkennen, während die Untersuchung von Bildern ohne Hinweise auf eine Erkrankung automatisiert wird. Der praktische Ansatz besteht dabei nicht darin, den Arzt zu ersetzen, sondern die Suche nach seltenen Fällen zu erleichtern. Der Mitgründer und technische Leiter Jason Su sagt, dass ein Brust radiologe versucht, ungefähr einen Krebsfall unter jeweils 200 Mammografien zu finden.
Vom Bild zur Behandlungsentscheidung
Ataraxis AI konzentriert sich auf die Phase nach der Diagnose, in der Behandlungsentscheidungen histologische Tests erfordern können, deren Ergebnisse zwei bis vier Wochen dauern. Die Modelle des Unternehmens analysieren digitale pathologische Schnitte und standardisierte klinische Variablen, um das Ansprechen des Tumors auf die Behandlung und das Rückfallrisiko vorherzusagen.
Ein Modell sagt die Wahrscheinlichkeit voraus, dass der Tumor als Reaktion auf eine Chemotherapie vor der Operation schrumpft. Ein anderes Modell schätzt nach der Operation das Risiko eines Krankheitsrückfalls innerhalb von fünf Jahren sowie den möglichen Nutzen einer Chemotherapie. Nach Angaben des Unternehmens wurden beide Modelle in mehr als zehn Einrichtungen und mehreren klinischen Studien validiert und werden klinisch eingesetzt. Sie können auf lokalen Infrastrukturen, in externen Rechenzentren oder in der Cloud betrieben werden.
Daten in einem 3D-Modell zusammenführen
SimBioSys entwickelt eine Technologie für die Präzisionsmedizin, die 3D-Modelle von Brusttumoren, Blutgefäßen und Weichgewebe erstellt, um Operationen und die Behandlungsplanung zu unterstützen. Außerdem entwickelte das Unternehmen ein Tool zur Einschätzung des Krebsrückfallrisikos auf Grundlage volumetrischer Daten aus der Magnetresonanztomografie, pathologischer Befunde und klinischer Daten.
Die wichtigste Veränderung besteht darin, mehrere Datentypen zusammenzuführen, anstatt jede Quelle einzeln zu analysieren. Der Beitrag weist jedoch auch auf eine wesentliche Einschränkung hin: Einige der genannten Technologien befinden sich noch in der Erprobung und haben keine FDA-Zulassung für die kommerzielle Nutzung erhalten. Auch die Ergebnisse laufender Studien und die klinische Validierung werden entscheidend sein, bevor diese Tools allgemein eingesetzt werden können – insbesondere dann, wenn die Vorhersagen unmittelbare Auswirkungen auf Behandlungsentscheidungen haben.
Warum ist diese Nachricht wichtig?
Diese Anwendungen zeigen, dass der praktische Nutzen künstlicher Intelligenz bei Brustkrebs nicht auf die Erkennung eines auffälligen Bildes beschränkt ist. Er reicht vielmehr von einer besser reproduzierbaren Bildgebung über die Priorisierung von Risiken bis zur Beschleunigung der Datenanalyse, die einer Behandlungsentscheidung vorausgeht. Die klinische Nutzung wird jedoch nicht allein durch die Geschwindigkeit von KI-Modellen bestimmt. Regulatorische Zulassungen, die Validierung in mehreren Einrichtungen und die Genauigkeit der Vorhersagen bei unterschiedlichen Patientengruppen sind weiterhin offene Fragen.