Badania

iSono Health skanuje pierś w dwie minuty. NVIDIA opisuje AI w leczeniu raka piersi

NVIDIA pokazała cztery firmy, które używają AI przy raku piersi: od automatycznego USG po przewidywanie, czy chemioterapia zadziała. Wyjaśniamy, co robią i które deklaracje czekają na potwierdzenie.

Łukasz Niesyto
prowadzi serwis · wdraża systemy AI w firmach
Opublikowano 3 min czytania
AITekst przygotowany przez AI na podstawie źródła: blogs.nvidia.com · jak powstaje
Zdjęcie: głowica do USG leżąca obok małej czerwonej klepsydry, w której przesypało się już prawie całe ziarno.

NVIDIA opisała 5 października cztery firmy, które używają AI na różnych etapach opieki nad pacjentkami z rakiem piersi: od badania obrazowego, przez ocenę ryzyka, po wybór leczenia. Wszystkie należą do programu NVIDIA Inception dla startupów. Wpis na blogu NVIDIA ukazał się w październiku, miesiącu świadomości raka piersi. Wpis wymienia placówki tylko w USA, o Polsce i Europie nie wspomina. Pokazuje za to, w których miejscach AI zaczyna pomagać lekarzom.

Gdzie AI wchodzi w diagnostykę

NVIDIA zaczyna od problemów, które te firmy próbują rozwiązać. W USA wykonuje się około 40 mln mammografii rocznie, a w ciągu dekady może brakować dziesiątek tysięcy radiologów. Na drugim końcu ścieżki badania genetyczne, od których zależy wybór leczenia, trafiają do zewnętrznych laboratoriów i wracają po tygodniach.

FirmaCo robiStatus według wpisu
iSono Healthautomatyczne USG piersi 3D (ATUSA)dopuszczone przez FDA, dostępne w części stanów USA
Whiterabbit.aiocena gęstości piersi z mammografii (WRDensity), ocena ryzyka (WRRisk)WRDensity dopuszczone przez FDA
Ataraxis AIprzewidywanie odpowiedzi na chemioterapię i ryzyka nawrotu z preparatów histopatologicznychsprawdzone w ponad 10 ośrodkach, używane w klinikach
SimBioSysmodele 3D guza i naczyń z rezonansu, ocena ryzyka nawrotuwpis nie podaje statusu

USG w dwie minuty zamiast 45

Najbardziej namacalny przykład to ATUSA od iSono Health. To noszone na ciele, automatyczne urządzenie do USG piersi w trzech wymiarach. Według firmy jedno badanie trwa około dwóch minut na pierś, a klasyczne USG wykonywane ręczną głowicą do 45 minut. Firma twierdzi też, że jej skan 3D jest o 28 proc. czulszy niż ręczne USG 2D. To deklaracja producenta; wyniki ma potwierdzić badanie z udziałem 3200 pacjentek, prowadzone m.in. z UC Davis i Vanderbilt University Medical Center.

Druga zaleta jest mniej oczywista. Wynik ręcznego USG zależy od osoby, która trzyma głowicę, więc badań z kolejnych lat zwykle nie da się porównać jeden do jednego. ATUSA skanuje pierś za każdym razem tak samo. Lekarz może więc sprawdzić, jak tkanka zmienia się między badaniami.

Igła w stogu siana

Jason Su, współzałożyciel Whiterabbit.ai, opisuje pracę radiologa jako szukanie igły w stogu siana: na mniej więcej 200 mammografii przypada jeden rak. Firma bada AI, które pomogłoby wyłapać więcej nowotworów i automatycznie przesiewać badania bez zmian. Według wpisu to wciąż etap badań, a nie gotowy produkt.

Ataraxis AI odpowiada na pytanie, co dalej po diagnozie. Jej modele analizują preparaty histopatologiczne, które i tak powstają przy standardowej diagnostyce. Jeden przewiduje, czy chemioterapia przed operacją zmniejszy guz, drugi szacuje ryzyko nawrotu w ciągu pięciu lat. Dziś taka ocena często wymaga osobnej biopsji i czekania od dwóch do czterech tygodni.

Czego wpis nie mówi

NVIDIA nie podaje wyników porównań z lekarzami, cen ani planów wejścia tych firm do Europy. Część opisanych technologii jest, jak zastrzega sama NVIDIA, w fazie badań i nie ma zgody amerykańskiej Agencji Żywności i Leków (FDA) na użycie komercyjne. Wpis promuje też sprzęt NVIDIA: każda z firm trenuje albo uruchamia modele na jej kartach graficznych.

O innych zastosowaniach AI w medycynie pisaliśmy przy MedGemma od Google, która pomaga lekarzom w Afryce i Azji, oraz przy AlphaFold i białkach wirusów. Kliniczne badanie ATUSA z udziałem 3200 pacjentek trwa.

Źródła
  1. NVIDIA, „From Scan to Treatment Plan, AI Helps Close Breast Cancer's Deadliest Gaps”, dostęp 2026-10-06

Ten tekst napisał model AI na podstawie źródeł wymienionych wyżej. Liczby, daty i nazwy automat porównał ze źródłem, ale przed publikacją nie czytał go człowiek. Jak powstają teksty.

Widzisz błąd? Napisz, poprawiamy i dopisujemy notę o zmianie.

Łukasz Niesyto
Łukasz Niesyto

Wdraża systemy oparte na AI w firmach produkcyjnych i usługowych. Z modelami językowymi pracuje codziennie i wie, w czym potrafią zmyślać. Dlatego każda liczba w tekstach ma tu źródło, a teksty, które sam przeczytał, są oznaczone jako sprawdzone.

wszystkie teksty autora

Powiązane

6 października 2026

GitHub ReviewBench sprawdza, jak AI przegląda kod. Test jest otwarty dla każdego agenta

Badaniagithub.blog2 min
5 października 2026

ProvenanceGuard sprawdza, czy agent AI cytuje właściwe źródło

Badaniahuggingface.co2 min
4 października 2026

Microsoft ThinkingBox sprawdza agentów AI 20 razy. Claude Opus 5.5 zalicza bez błędu mniej niż połowę zadań

Badaniahuggingface.co3 min