IA contra el cáncer de mama en tres frentes de atención
Tres empresas de NVIDIA Inception usan algoritmos para mejorar ecografías, mamografías y decisiones de tratamiento oncológico.
El cáncer de mama es el tumor más diagnosticado entre las mujeres de Estados Unidos. La cadena de atención tiene varias fallas: la mayoría de las mayores de 40 no se hace el control anual recomendado, los radiólogos leen cada vez más mamografías con menos colegas y las pruebas que definen un tratamiento pueden tardar semanas. Contra esos puntos de quiebre trabajan tres startups del programa NVIDIA Inception, una red de empresas que usan inteligencia artificial para apoyar al personal médico.
En Estados Unidos se realizan unos 40 millones de mamografías al año y se proyecta un déficit de decenas de miles de radiólogos en la próxima década. En el otro extremo, las decisiones de tratamiento dependen de pruebas genómicas que se mandan a laboratorios externos y pueden tardar semanas. Estas aplicaciones apuntan a ambas etapas.
Una ecografía rápida y siempre igual
iSono Health es una de ellas. Su sistema ATUSA, autorizado por la FDA (el regulador estadounidense), es un ultrasonido 3D automatizado y portable que captura un volumen estándar de la mama en unos dos minutos por mama. Una ecografía manual tradicional puede tomar hasta 45 minutos. La IA del sistema, entrenada con más de 1,5 millones de cuadros de ecografías, automatiza la toma de la imagen y, según la empresa, logra una sensibilidad 28% mayor que una ecografía 2D manual. El sistema usa aceleración por GPU de NVIDIA (unidades de procesamiento gráfico) y tecnología médica de código abierto.
Como la ecografía manual depende de quien mueve el transductor (la sonda), las imágenes de una paciente no siempre se pueden comparar de un año a otro. ATUSA captura la mama siempre de la misma forma, lo que permite ver cambios en el tejido y reducir errores. Ya se usa en clínicas de California, Texas, Georgia, Tennessee y Washington D.C. Su CEO, Neda Razavi, dice que el objetivo es acercar el examen a la paciente y hacerlo cada vez más informativo, para que el médico vea qué hay, qué cambió y qué decisión tomar.
La empresa desarrolló además IA para detectar lesiones, segmentarlas y clasificarlas, y planea combinar el ultrasonido 3D con mamografía, resonancia magnética e información clínica. Un estudio multicéntrico con 3.200 pacientes, liderado por UC Davis y la Universidad de Vanderbilt, busca validar la plataforma.
Menos controles innecesarios y terapias más certeras
Whiterabbit.ai trabaja en el lado de la mamografía. Su software WRDensity, también aprobado por la FDA, evalúa automáticamente la densidad mamaria y ya se ha usado en el cuidado de cientos de miles de pacientes. La startup además creó WRRisk, una herramienta para estimar el riesgo de desarrollar cáncer de mama a largo plazo, y estudia una IA de nueva generación que ayude a los radiólogos a detectar más cánceres y automatice la lectura de mamografías negativas.
El objetivo es aliviar a un gremio saturado, acelerar los resultados, reducir controles adicionales innecesarios y bajar costos. Jason Su, cofundador de Whiterabbit.ai, describe el trabajo diario como una aguja en un pajar: hay alrededor de un cáncer por cada 200 mamografías. «Esperamos que la IA sea un compañero poderoso que quite el heno para que los radiólogos concentren su experiencia donde importa», dijo. La empresa entrena sus modelos con GPU NVIDIA en la Universidad de Washington en San Luis y en la nube, y la ejecución de los modelos en la clínica corre sobre GPU NVIDIA instaladas en el lugar.
En la etapa del tratamiento aparece Ataraxis AI. Sus modelos analizan láminas de patología digitales, es decir, muestras de tejido montadas en portaobjetos y digitalizadas que ya forman parte del estudio estándar de la paciente. Así asocian patrones con el riesgo de recurrencia y con la respuesta a la quimioterapia, algo que hoy muchas veces exige una biopsia adicional con una espera de dos a cuatro semanas. Joseph Cappadona, de Ataraxis AI, sostiene que las herramientas que usan los oncólogos hoy se entrenaron hace quince años y nunca se actualizaron, mientras que sus modelos mejoran con cada nuevo dato de ensayos clínicos.
Y en Chile, ¿cuándo?
Ninguna de estas plataformas está disponible en Chile según la información publicada: las autorizaciones y las clínicas mencionadas están en Estados Unidos. Su relevancia local es, por ahora, de referencia: muestran cómo la IA puede atacar la escasez de especialistas y la demora de los resultados. No hay datos sobre cuándo llegarían al país.
Con información de NVIDIA
