MEMORY INDUSTRY INTELLIGENCE
스캔에서 치료 계획까지, AI가 유방암의 가장 치명적인 격차를 줄이는 데 도움을 준다
한국어 번역·요약·분석
원문 제목: From Scan to Treatment Plan, AI Helps Close Breast Cancer’s Deadliest Gaps
핵심 요약
미국에서 유방암은 여성에게 가장 흔히 진단되는 암이지만, 40세 이상 여성 대다수가 권장 연간 검진을 건너뛰고 방사선과 의사 부족이 심화되는 등 진단·치료 과정에 큰 격차가 존재한다. NVIDIA Inception 프로그램에 참여하는 기업들이 영상, 위험 평가, 치료 계획 등 각 단계에서 임상의를 지원하는 AI 애플리케이션을 개발하고 있다. iSono Health는 FDA 허가를 받은 웨어러블 자동 3D 초음파 ATUSA로 약 2분 만에 표준화된 유방 볼륨을 촬영하고, Whiterabbit.ai는 FDA 허가를 받은 WRDensity와 WRRisk로 유방 밀도 평가 및 장기 위험 예측을 지원한다. Ataraxis AI는 병리 슬라이드와 임상 변수를 분석해 치료 반응과 재발 위험을 예측하는 모델을 개발했으며, SimBioSys는 3D 종양 모델링과 다중 모달 데이터 통합으로 수술 및 치료 계획을 지원한다. 이 기사에 설명된 일부 기술은 연구 단계로 미국 FDA의 상업적 사용 승인을 받지 않았다.
메모리 산업 영향 분석
이 문서는 메모리 산업과 직접적인 관련성이 없다. AI 기반 유방암 진단·치료 계획 소프트웨어와 의료 영상 기술을 다루며, NVIDIA GPU 인프라가 반복적으로 언급되지만 이는 컴퓨팅 플랫폼으로서의 역할이며 HBM, DRAM, NAND 등 메모리 제품이나 고객, 거래 관계에 대한 정보는 전혀 포함되어 있지 않다. AI 의료 영상 및 병리 데이터 처리 증가가 장기적으로 데이터센터 컴퓨팅 수요를 확대할 수 있다는 간접적 추론은 가능하나, 이는 분석가 가설이며 원문에서 확인된 사실이 아니다. 메모리 산업 영향, 관련 제품·고객, 직접 효과·계층 이동·사용량 효과·적용 범위를 판단할 근거가 원문에 없으므로 메모리 산업과의 직접 연결 근거 부족으로 표기한다. 확인할 지표로는 NVIDIA GPU 기반 의료 AI 워크로드의 데이터센터 전력·메모리 구성 변화, 의료 영상 AI의 상용화 속도 등이 있으나 원문 범위를 벗어난다.
한국어 번역 읽기
수집된 원문 v1의 전체 본문 기준 · 8352자
유방암은 미국 여성에게 가장 흔히 진단되는 암이지만, 진료의 격차는 크다. 40세 이상 여성 대다수가 권장되는 연간 검진을 건너뛴다. 방사선과 의사들은 더 적은 동료와 함께 더 많은 유방촬영술을 판독하고 있다. 그리고 진단이 내려졌을 때, 치료에 정보를 제공하는 검사 결과가 나오기까지 몇 주가 걸릴 수 있다.
스타트업을 위한 NVIDIA Inception 프로그램에 참여하는 기업들은 영상, 위험 평가, 치료 계획을 포함한 이러한 각 마찰 지점에서 임상의를 지원하는 AI 애플리케이션을 구축하고 있다.
미국에서는 매년 약 4천만 건의 유방촬영술이 시행되지만, 향후 10년간 수만 명의 방사선과 의사 부족이 예상되어 이를 판독할 시스템의 역량이 압박을 받고 있다.
진료 일정의 다른 쪽 끝에서는, 치료 결정이 종종 외부 실험실로 보내지는 유전체 검사에 달려 있는데, 이 검사는 처리에 몇 주가 걸리며, 속도와 확실성이 가장 중요한 순간에 이루어진다.
아래 기업들은 그 격차의 양쪽 끝과 그 사이의 모든 것을 다루고 있으며, NVIDIA AI 인프라에 의해 가속화되고 있다.
자동화된 영상이 AI 기반 인사이트를 제공한다
유방암 검진을 받을 시간이나 가까운 장소를 찾는 데 어려움을 겪는 여성들에게 접근성은 놓친 진단으로 이어지는 실질적인 장벽이다. NVIDIA Inception 스타트업인 iSono Health는 이 영상 워크플로를 단순화하는 것을 중심으로 설립되었다.
이 회사의 FDA 허가를 받은 ATUSA 플랫폼은 웨어러블 자동 3D 정량 초음파 시스템으로, 유방당 약 2분 만에 표준화된 유방 볼륨을 포착하며, 이는 기존 핸드헬드 초음파의 최대 45분과 비교된다.
이 시스템의 AI는 150만 개 이상의 초음파 프레임으로 구성된 수천 건의 전체 유방 스캔으로 훈련되어 영상 획득을 자동화한다. NVIDIA GPU 가속과 오픈 소스 의료 영상 기술을 사용하여 3D 스캔을 제공하며, 회사에 따르면 이는 핸드헬드 2D 초음파보다 28% 더 민감하다고 한다.
https://blogs.nvidia.com/wp-content/uploads/2026/10/ATUSA_software_show_10s.mp4
핸드헬드 초음파는 탐촉자를 누가 잡는지에 따라 달라지므로, 여성의 스캔은 일반적으로 해마다 비교할 수 없다. ATUSA는 매번 같은 방식으로 전체 유방을 포착하여, 임상의가 연속 스캔에 걸쳐 환자의 조직 변화를 분석하는 데 도움이 될 수 있는 반복 가능한 유방 조직 뷰를 생성하며, 동시에 조작자 오류와 변동성을 줄인다.
ATUSA는 캘리포니아, 텍사스, 조지아, 테네시, 워싱턴 D.C. 전역의 파트너 클리닉을 통해 상업적으로 이용 가능하며, 새로운 사이트가 정기적으로 온라인에 들어오고 있다.
iSono Health의 CEO인 Neda Razavi는 "스캔을 환자에게 더 가까이 가져가는 것이 첫 번째 돌파구"라며 "우리의 비전은 그 스캔을 점점 더 유익하게 만드는 것입니다. 임상의가 무엇이 있는지 보고, 무엇이 변했는지 이해하고, 더 정보에 입각한 결정을 내릴 수 있도록 돕는 것입니다."라고 말했다.
iSono Health는 병변 탐지, 3D 분할 및 병변 분류를 위한 AI 역량을 개발했다. 다음으로 3D 초음파, 유방촬영술, MRI 및 임상 정보를 아우르는 다중 모달 진단 인텔리전스로 AI 파이프라인을 확장할 계획이다.
이 회사는 플랫폼의 성능을 추가로 검증하기 위해 3,200명의 환자를 대상으로 한 다기관 임상 연구를 진행 중이며, 주요 연구 기관은 UC Davis와 Vanderbilt University Medical Center에 있다.
암을 찾고 거짓 경보를 줄인다
또 다른 NVIDIA Inception 기업인 Whiterabbit.ai는 유방암 검진을 위한 AI 기술을 개발한다. FDA 허가를 받은 WRDensity 소프트웨어는 유방촬영술에서 유방 밀도를 자동으로 평가하며, 수십만 명의 환자 진료에 사용되었다.
이 회사는 또한 환자의 장기 유방암 발병 위험을 추정하기 위한 임상 의사 결정 지원 소프트웨어인 WRRisk를 개발했으며, 방사선과 의사가 더 많은 암을 탐지하도록 돕고 유방암 음성인 유방촬영술의 판독을 자동화할 수 있는 차세대 유방촬영 AI를 연구하고 있다.
목표는 압박받는 방사선과 의사 인력의 부담을 줄이고, 결과를 가속화하며, 환자의 피할 수 있는 재검사를 줄이고, 하류 의료 비용을 낮추는 것이다.
Whiterabbit.ai의 FDA 허가를 받은 WRDensity 소프트웨어는 유방촬영술에서 유방 밀도를 자동으로 평가한다.
Whiterabbit.ai의 공동 창립자이자 최고 기술 책임자인 Jason Su는 "매일 유방 방사선과 의사들은 200건의 유방촬영술 중 약 1건의 암을 찾으려고 애쓰는 건초더미 속 바늘 찾기 문제에 직면합니다."라며 "우리는 AI가 방사선과 의사의 강력한 조력자가 되어 건초를 치워 그들이 가장 중요한 곳에 전문성을 집중할 수 있도록 돕기를 바랍니다."라고 말했다.
Whiterabbit은 세인트루이스의 Washington University에 위치한 NVIDIA GPU 클러스터에서 AI 모델을 훈련하며, 클라우드의 추가 GPU 용량으로 보완한다. 추론은 클리닉에 직접 배치된 NVIDIA GPU에서 실행된다.
어떤 치료가 효과가 있을지 예측한다
환자가 유방암 진단을 받으면, 다음 질문은 그것에 대해 무엇을 할 것인가이며, 그 답은 암이 치료에 어떻게 반응할지 예측하는 데 달려 있다.
오늘날 이러한 예측은 범위와 정확성이 제한적이며, 종종 별도의 조직 생검이 필요하고 2~4주를 기다려야 한다. Ataraxis AI는 이미 표준 환자 검사 과정의 일부인 병리 슬라이드를 포함한 디지털 데이터를 사용하여 환자 결과와 다양한 치료법에 대한 반응을 예측하는 임상 인텔리전스를 구축하고 있다.
Ataraxis의 AI 모델은 병리 슬라이드의 패턴을 해석하며, 여기서는 색상으로 구분된 클러스터로 시각화된다. 모델은 이러한 패턴 간의 변이를 재발 위험과 화학요법 민감도의 차이와 연관시키는 것을 학습한다.
Ataraxis AI의 기술 직원인 Joseph Cappadona는 "오늘날 종양 전문의가 치료 결정을 안내하기 위해 의존하는 도구는 대부분 15년 전에 한 번 훈련되었고 결코 업데이트되지 않았습니다. 우리 모델은 더 많은 임상 시험 데이터를 확보할 때마다 더 강해집니다."라며 "하지만 모델을 확장하면서 더 큰 변화는 모든 암에서 종양 전문의가 치료를 개인화하도록 돕기 위해 더 많은 질문에 답할 수 있게 되는 것입니다."라고 말했다.
Ataraxis의 AI 모델은 디지털 병리 슬라이드와 표준 임상 변수를 분석하여 치료 반응과 재발 위험을 예측한다. 한 모델은 수술 전 화학요법이 환자의 종양을 수술실에 가기 전에 반응할 정도로 축소시킬 가능성이 있는지 예측한다. 수술 후에는 다른 모델이 환자의 5년 재발 위험과 다음 단계로서 화학요법의 예상 이익을 추정한다.
두 모델 모두 10개 이상의 기관과 여러 임상 시험에서 검증되었으며, 활발한 임상 사용 중이다. 이들은 온프레미스, 외부 데이터 센터 및 클라우드의 NVIDIA GPU에서 실행되며, 전체적으로 NVIDIA CUDA로 가속화된 PyTorch를 사용한다.
3D 시각화로 종양 인사이트 제공
또 다른 NVIDIA Inception 기업인 SimBioSys는 최근 유방암 인식의 달을 기념하는 패널에서 NVIDIA와 함께했다.
이 회사는 유방 종양, 정맥 및 기타 연조직의 정확한 3D 모델을 생성하여 수술을 안내하고 치료 계획에 영향을 미치는 중요한 인사이트를 제공하는 AI 기반 정밀 의학 기술을 구축한다. 또한 환자의 유방 MRI, 종양 병리 및 임상 데이터의 3D 체적 데이터를 기반으로 유방암 재발 위험을 추정하는 도구를 구축했다.
SimBioSys의 CEO인 Stacey Stevens는 행사에서 "우리는 이제 영상 검사, 병리 결과, 해당되는 경우 유전체 검사 및 기타 생물학적 입력을 포함한 다중 모달 데이터를 가져와 AI를 사용하여 모두 통합할 수 있는 플랫폼을 구축하고 있습니다."라며 "그렇게 하면 개별 조각에서 얻은 것을 넘어서는 새로운 인사이트가 생성됩니다."라고 말했다.
SimBioSys의 CEO Stacey Stevens와 NVIDIA의 북미 및 라틴 아메리카 의료 AI 스타트업 리드인 Chelsea Sumner는 10월 1일 애리조나주 피닉스에서 열린 패널에서 유방암 치료 발전에 있어 AI의 역할에 대해 이야기했다.
SimBioSys는 훈련 및 검증 데이터에 NVIDIA MONAI를 사용하고, 클라우드의 NVIDIA GPU에서 실행되는 영상 기술에 cuBLAS 및 MONAI Deploy를 포함한 NVIDIA CUDA-X 라이브러리를 사용한다.
Stevens는 "NVIDIA 기술은 수백 또는 수천 개의 이미지를 가져와 AI를 적용하고 빠르게 분석할 수 있는 컴퓨팅 파워를 제공합니다."라며 "그 속도는 환자와 의사가 빠른 답을 필요로 하기 때문에 중요합니다. 그들은 며칠이나 몇 주를 기다릴 여유가 없습니다."라고 말했다.
스타트업을 위한 NVIDIA Inception 프로그램에 대해 더 알아보세요.
이 기사에 설명된 특정 기술은 연구 단계에 있으며 미국 FDA의 상업적 사용 승인을 받지 않았다.
스타트업을 위한 NVIDIA Inception 프로그램에 참여하는 기업들은 영상, 위험 평가, 치료 계획을 포함한 이러한 각 마찰 지점에서 임상의를 지원하는 AI 애플리케이션을 구축하고 있다.
미국에서는 매년 약 4천만 건의 유방촬영술이 시행되지만, 향후 10년간 수만 명의 방사선과 의사 부족이 예상되어 이를 판독할 시스템의 역량이 압박을 받고 있다.
진료 일정의 다른 쪽 끝에서는, 치료 결정이 종종 외부 실험실로 보내지는 유전체 검사에 달려 있는데, 이 검사는 처리에 몇 주가 걸리며, 속도와 확실성이 가장 중요한 순간에 이루어진다.
아래 기업들은 그 격차의 양쪽 끝과 그 사이의 모든 것을 다루고 있으며, NVIDIA AI 인프라에 의해 가속화되고 있다.
자동화된 영상이 AI 기반 인사이트를 제공한다
유방암 검진을 받을 시간이나 가까운 장소를 찾는 데 어려움을 겪는 여성들에게 접근성은 놓친 진단으로 이어지는 실질적인 장벽이다. NVIDIA Inception 스타트업인 iSono Health는 이 영상 워크플로를 단순화하는 것을 중심으로 설립되었다.
이 회사의 FDA 허가를 받은 ATUSA 플랫폼은 웨어러블 자동 3D 정량 초음파 시스템으로, 유방당 약 2분 만에 표준화된 유방 볼륨을 포착하며, 이는 기존 핸드헬드 초음파의 최대 45분과 비교된다.
이 시스템의 AI는 150만 개 이상의 초음파 프레임으로 구성된 수천 건의 전체 유방 스캔으로 훈련되어 영상 획득을 자동화한다. NVIDIA GPU 가속과 오픈 소스 의료 영상 기술을 사용하여 3D 스캔을 제공하며, 회사에 따르면 이는 핸드헬드 2D 초음파보다 28% 더 민감하다고 한다.
https://blogs.nvidia.com/wp-content/uploads/2026/10/ATUSA_software_show_10s.mp4
핸드헬드 초음파는 탐촉자를 누가 잡는지에 따라 달라지므로, 여성의 스캔은 일반적으로 해마다 비교할 수 없다. ATUSA는 매번 같은 방식으로 전체 유방을 포착하여, 임상의가 연속 스캔에 걸쳐 환자의 조직 변화를 분석하는 데 도움이 될 수 있는 반복 가능한 유방 조직 뷰를 생성하며, 동시에 조작자 오류와 변동성을 줄인다.
ATUSA는 캘리포니아, 텍사스, 조지아, 테네시, 워싱턴 D.C. 전역의 파트너 클리닉을 통해 상업적으로 이용 가능하며, 새로운 사이트가 정기적으로 온라인에 들어오고 있다.
iSono Health의 CEO인 Neda Razavi는 "스캔을 환자에게 더 가까이 가져가는 것이 첫 번째 돌파구"라며 "우리의 비전은 그 스캔을 점점 더 유익하게 만드는 것입니다. 임상의가 무엇이 있는지 보고, 무엇이 변했는지 이해하고, 더 정보에 입각한 결정을 내릴 수 있도록 돕는 것입니다."라고 말했다.
iSono Health는 병변 탐지, 3D 분할 및 병변 분류를 위한 AI 역량을 개발했다. 다음으로 3D 초음파, 유방촬영술, MRI 및 임상 정보를 아우르는 다중 모달 진단 인텔리전스로 AI 파이프라인을 확장할 계획이다.
이 회사는 플랫폼의 성능을 추가로 검증하기 위해 3,200명의 환자를 대상으로 한 다기관 임상 연구를 진행 중이며, 주요 연구 기관은 UC Davis와 Vanderbilt University Medical Center에 있다.
암을 찾고 거짓 경보를 줄인다
또 다른 NVIDIA Inception 기업인 Whiterabbit.ai는 유방암 검진을 위한 AI 기술을 개발한다. FDA 허가를 받은 WRDensity 소프트웨어는 유방촬영술에서 유방 밀도를 자동으로 평가하며, 수십만 명의 환자 진료에 사용되었다.
이 회사는 또한 환자의 장기 유방암 발병 위험을 추정하기 위한 임상 의사 결정 지원 소프트웨어인 WRRisk를 개발했으며, 방사선과 의사가 더 많은 암을 탐지하도록 돕고 유방암 음성인 유방촬영술의 판독을 자동화할 수 있는 차세대 유방촬영 AI를 연구하고 있다.
목표는 압박받는 방사선과 의사 인력의 부담을 줄이고, 결과를 가속화하며, 환자의 피할 수 있는 재검사를 줄이고, 하류 의료 비용을 낮추는 것이다.
Whiterabbit.ai의 FDA 허가를 받은 WRDensity 소프트웨어는 유방촬영술에서 유방 밀도를 자동으로 평가한다.
Whiterabbit.ai의 공동 창립자이자 최고 기술 책임자인 Jason Su는 "매일 유방 방사선과 의사들은 200건의 유방촬영술 중 약 1건의 암을 찾으려고 애쓰는 건초더미 속 바늘 찾기 문제에 직면합니다."라며 "우리는 AI가 방사선과 의사의 강력한 조력자가 되어 건초를 치워 그들이 가장 중요한 곳에 전문성을 집중할 수 있도록 돕기를 바랍니다."라고 말했다.
Whiterabbit은 세인트루이스의 Washington University에 위치한 NVIDIA GPU 클러스터에서 AI 모델을 훈련하며, 클라우드의 추가 GPU 용량으로 보완한다. 추론은 클리닉에 직접 배치된 NVIDIA GPU에서 실행된다.
어떤 치료가 효과가 있을지 예측한다
환자가 유방암 진단을 받으면, 다음 질문은 그것에 대해 무엇을 할 것인가이며, 그 답은 암이 치료에 어떻게 반응할지 예측하는 데 달려 있다.
오늘날 이러한 예측은 범위와 정확성이 제한적이며, 종종 별도의 조직 생검이 필요하고 2~4주를 기다려야 한다. Ataraxis AI는 이미 표준 환자 검사 과정의 일부인 병리 슬라이드를 포함한 디지털 데이터를 사용하여 환자 결과와 다양한 치료법에 대한 반응을 예측하는 임상 인텔리전스를 구축하고 있다.
Ataraxis의 AI 모델은 병리 슬라이드의 패턴을 해석하며, 여기서는 색상으로 구분된 클러스터로 시각화된다. 모델은 이러한 패턴 간의 변이를 재발 위험과 화학요법 민감도의 차이와 연관시키는 것을 학습한다.
Ataraxis AI의 기술 직원인 Joseph Cappadona는 "오늘날 종양 전문의가 치료 결정을 안내하기 위해 의존하는 도구는 대부분 15년 전에 한 번 훈련되었고 결코 업데이트되지 않았습니다. 우리 모델은 더 많은 임상 시험 데이터를 확보할 때마다 더 강해집니다."라며 "하지만 모델을 확장하면서 더 큰 변화는 모든 암에서 종양 전문의가 치료를 개인화하도록 돕기 위해 더 많은 질문에 답할 수 있게 되는 것입니다."라고 말했다.
Ataraxis의 AI 모델은 디지털 병리 슬라이드와 표준 임상 변수를 분석하여 치료 반응과 재발 위험을 예측한다. 한 모델은 수술 전 화학요법이 환자의 종양을 수술실에 가기 전에 반응할 정도로 축소시킬 가능성이 있는지 예측한다. 수술 후에는 다른 모델이 환자의 5년 재발 위험과 다음 단계로서 화학요법의 예상 이익을 추정한다.
두 모델 모두 10개 이상의 기관과 여러 임상 시험에서 검증되었으며, 활발한 임상 사용 중이다. 이들은 온프레미스, 외부 데이터 센터 및 클라우드의 NVIDIA GPU에서 실행되며, 전체적으로 NVIDIA CUDA로 가속화된 PyTorch를 사용한다.
3D 시각화로 종양 인사이트 제공
또 다른 NVIDIA Inception 기업인 SimBioSys는 최근 유방암 인식의 달을 기념하는 패널에서 NVIDIA와 함께했다.
이 회사는 유방 종양, 정맥 및 기타 연조직의 정확한 3D 모델을 생성하여 수술을 안내하고 치료 계획에 영향을 미치는 중요한 인사이트를 제공하는 AI 기반 정밀 의학 기술을 구축한다. 또한 환자의 유방 MRI, 종양 병리 및 임상 데이터의 3D 체적 데이터를 기반으로 유방암 재발 위험을 추정하는 도구를 구축했다.
SimBioSys의 CEO인 Stacey Stevens는 행사에서 "우리는 이제 영상 검사, 병리 결과, 해당되는 경우 유전체 검사 및 기타 생물학적 입력을 포함한 다중 모달 데이터를 가져와 AI를 사용하여 모두 통합할 수 있는 플랫폼을 구축하고 있습니다."라며 "그렇게 하면 개별 조각에서 얻은 것을 넘어서는 새로운 인사이트가 생성됩니다."라고 말했다.
SimBioSys의 CEO Stacey Stevens와 NVIDIA의 북미 및 라틴 아메리카 의료 AI 스타트업 리드인 Chelsea Sumner는 10월 1일 애리조나주 피닉스에서 열린 패널에서 유방암 치료 발전에 있어 AI의 역할에 대해 이야기했다.
SimBioSys는 훈련 및 검증 데이터에 NVIDIA MONAI를 사용하고, 클라우드의 NVIDIA GPU에서 실행되는 영상 기술에 cuBLAS 및 MONAI Deploy를 포함한 NVIDIA CUDA-X 라이브러리를 사용한다.
Stevens는 "NVIDIA 기술은 수백 또는 수천 개의 이미지를 가져와 AI를 적용하고 빠르게 분석할 수 있는 컴퓨팅 파워를 제공합니다."라며 "그 속도는 환자와 의사가 빠른 답을 필요로 하기 때문에 중요합니다. 그들은 며칠이나 몇 주를 기다릴 여유가 없습니다."라고 말했다.
스타트업을 위한 NVIDIA Inception 프로그램에 대해 더 알아보세요.
이 기사에 설명된 특정 기술은 연구 단계에 있으며 미국 FDA의 상업적 사용 승인을 받지 않았다.
브리프용 요약 초안
NVIDIA Inception 참여 기업들이 유방암 검진·진단·치료 계획 전반에 AI를 적용하며 영상 획득 자동화, 유방 밀도 평가, 치료 반응 예측, 3D 종양 모델링을 추진 중이다. iSono Health의 ATUSA, Whiterabbit.ai의 WRDensity 등 일부는 FDA 허가를 받았고 Ataraxis AI 모델은 10개 이상 기관에서 검증되어 임상 사용 중이다. 다만 이 기사는 메모리 산업과 직접 관련된 제품·고객·거래 정보를 포함하지 않아 메모리 산업 관점의 시사점은 제한적이다.
원문 텍스트
원문 열기 ↗Breast cancer is the most commonly diagnosed cancer among American women — yet the gaps in care are wide. A
majority of women over age 40
skip the recommended annual screening. Radiologists are reading more mammograms with fewer colleagues. And when a diagnosis arrives, the tests that inform treatment can take weeks to return results.
Companies in the
NVIDIA Inception
program for startups are building AI applications to support clinicians at each of these friction points, including imaging, risk assessment and treatment planning.
About 40 million mammograms are performed in the U.S. each year, but a projected shortfall of tens of thousands of radiologists over the next decade is straining the system’s capacity to read them.
At the other end of the care timeline, treatment decisions often hinge on genomic assays sent off to outside labs — assays that take weeks to process, at a moment when speed and certainty matter most.
The companies below are addressing both ends of that gap, and everything in between, accelerated by NVIDIA AI infrastructure.
Automated Imaging Delivers AI-Powered Insights
For women struggling to find time or a nearby location for breast cancer screening, access is a practical barrier that translates into missed diagnoses. NVIDIA Inception startup
iSono Health
was built around simplifying this imaging workflow.
The company’s FDA-cleared ATUSA platform — a wearable, automated 3D quantitative ultrasound system — captures a standardized breast volume in approximately two minutes per breast, compared with up to 45 minutes for a conventional handheld ultrasound.
The system’s AI, trained on thousands of full-breast scans comprising over 1.5 million ultrasound frames, automates image acquisition. It uses NVIDIA GPU acceleration and open source medical imaging technology to deliver a 3D scan that the company says is 28% more sensitive than a handheld 2D ultrasound.
https://blogs.nvidia.com/wp-content/uploads/2026/10/ATUSA_software_show_10s.mp4
Handheld ultrasound depends on whoever holds the probe, so a woman’s scans typically can’t be compared from one year to the next. ATUSA captures the whole breast the same way every time, creating a repeatable view of breast tissue that could help clinicians analyze how a patient’s tissue changes across successive scans, while also reducing operator errors and variability.
ATUSA is commercially available through partner clinics across California, Texas, Georgia, Tennessee and Washington D.C., with new sites coming online regularly.
“Getting the scan closer to the patient is the first breakthrough,” said Neda Razavi, CEO of iSono Health. “Our vision is to make that scan increasingly informative: helping clinicians see what is there, understand what has changed and make more informed decisions.”
iSono Health has developed AI capabilities for lesion detection, 3D segmentation and lesion classification. It next plans to extend its AI pipeline into multimodal diagnostic intelligence spanning 3D ultrasound, mammography, MRI and clinical information.
The company has a multicenter clinical study with 3,200 patients underway to further validate the platform’s performance, with lead research sites at UC Davis and Vanderbilt University Medical Center.
Finding Cancers, Cutting False Alarms
Another NVIDIA Inception company, Whiterabbit.ai, develops AI technology for breast cancer screening. Its FDA-cleared WRDensity software automatically assesses breast density from mammograms and has been used in the care of hundreds of thousands of patients.
The company has also developed WRRisk, a clinical decision support software for estimating patients’ long-term risk of developing breast cancer — and is researching a new generation of AI for mammography that could help radiologists detect more cancers while automating the screening of mammograms that are negative for breast cancer.
The goal is to reduce the burden on a strained radiologist workforce, accelerate results and reduce avoidable callbacks for patients, and lower downstream healthcare costs.
Whiterabbit.ai’s FDA-cleared WRDensity software automatically assesses breast density from mammograms.
“Every day, breast radiologists face a needle-in-a-haystack problem, trying to find roughly one cancer in every 200 mammograms,” said Jason Su, cofounder and chief technology officer of Whiterabbit.ai. “We hope AI can be a powerful sidekick to radiologists, helping to clear away the hay so they can focus their expertise where it matters most.”
Whiterabbit trains its AI models on a cluster of NVIDIA GPUs housed at Washington University in St. Louis, supplemented by additional GPU capacity in the cloud. Inference runs on NVIDIA GPUs deployed directly in the clinic.
Predicting Which Treatments Will Work
Once a patient is diagnosed with breast cancer, the next question is what to do about it — and the answer depends on predicting how the cancer will respond to treatment.
Today, these predictions are limited in scope and accuracy, and often require a separate tissue biopsy with a two- to four-week wait. Ataraxis AI is building clinical intelligence that predicts patient outcomes and response to different therapies using digital data, including pathology slides that are already part of the standard patient workup.
Ataraxis’ AI models interpret patterns in pathology slides, visualized here as color-coded clusters. The models learn to associate variations among these patterns with differences in recurrence risk and chemosensitivity.
“The tools oncologists rely on today to guide therapy decisions were largely trained once, fifteen years ago, and never updated. Our models get stronger every time we acquire more clinical trial data,” said Joseph Cappadona, member of technical staff at Ataraxis AI. “But as we scale our models, the bigger shift is being able to answer more questions to help oncologists personalize therapy across all cancers.”
Ataraxis’s AI models analyze digital pathology slides and standard clinical variables to predict treatment response and recurrence risk. One model predicts whether presurgical chemotherapy is likely to shrink a patient’s tumor to the point of response before the operating room. After surgery, another model estimates a patient’s five-year recurrence risk and the likely benefit of chemotherapy as a next step.
Both models have been validated across more than 10 institutions and multiple clinical trials, and are in active clinical use. They run on NVIDIA GPUs on premises, in an offsite data center and in the cloud — using PyTorch accelerated by NVIDIA CUDA throughout.
Providing Tumor Insights With 3D Visualization
Another NVIDIA Inception company,
SimBioSys
, joined NVIDIA on a recent panel marking Breast Cancer Awareness Month.
The company builds AI-powered precision medicine technology that creates accurate 3D models of breast tumors, veins and other soft tissue, delivering important insights to help guide surgeries and influence treatment plans. It has also built a tool to estimate the risk of breast cancer recurrence based on 3D volumetric data from a patient’s breast MRI, tumor pathology and clinical data.
“We’re building a platform that now allows us to take multimodal data — imaging exams, pathology results, genomic testing when applicable and other biological inputs — and, using AI, bring that all together,” said Stacey Stevens, CEO of SimBioSys, at the event. “When we do that, it generates new insights beyond what we had from any individual piece.”
Stacey Stevens, CEO of SimBioSys, and Chelsea Sumner, healthcare AI startups lead for North and Latin America at NVIDIA, spoke on an October 1 panel in Phoenix, Arizona, on AI’s role in advancing breast cancer care.
SimBioSys uses
NVIDIA MONAI
for training and validation data, and
NVIDIA CUDA-X
libraries including
cuBLAS
and
MONAI Deploy
for its imaging technology, which runs on NVIDIA GPUs in the cloud.
“NVIDIA technology gives us the computing power to take hundreds or thousands of images, apply our AI and analyze them quickly,” Stevens said. “That speed matters because patients and physicians need answers quickly. They can’t afford to wait days or weeks.”
Learn more about the
NVIDIA Inception
program for startups.
Certain technologies described in this article are investigational and have not been approved by the U.S. FDA for commercial use.
majority of women over age 40
skip the recommended annual screening. Radiologists are reading more mammograms with fewer colleagues. And when a diagnosis arrives, the tests that inform treatment can take weeks to return results.
Companies in the
NVIDIA Inception
program for startups are building AI applications to support clinicians at each of these friction points, including imaging, risk assessment and treatment planning.
About 40 million mammograms are performed in the U.S. each year, but a projected shortfall of tens of thousands of radiologists over the next decade is straining the system’s capacity to read them.
At the other end of the care timeline, treatment decisions often hinge on genomic assays sent off to outside labs — assays that take weeks to process, at a moment when speed and certainty matter most.
The companies below are addressing both ends of that gap, and everything in between, accelerated by NVIDIA AI infrastructure.
Automated Imaging Delivers AI-Powered Insights
For women struggling to find time or a nearby location for breast cancer screening, access is a practical barrier that translates into missed diagnoses. NVIDIA Inception startup
iSono Health
was built around simplifying this imaging workflow.
The company’s FDA-cleared ATUSA platform — a wearable, automated 3D quantitative ultrasound system — captures a standardized breast volume in approximately two minutes per breast, compared with up to 45 minutes for a conventional handheld ultrasound.
The system’s AI, trained on thousands of full-breast scans comprising over 1.5 million ultrasound frames, automates image acquisition. It uses NVIDIA GPU acceleration and open source medical imaging technology to deliver a 3D scan that the company says is 28% more sensitive than a handheld 2D ultrasound.
https://blogs.nvidia.com/wp-content/uploads/2026/10/ATUSA_software_show_10s.mp4
Handheld ultrasound depends on whoever holds the probe, so a woman’s scans typically can’t be compared from one year to the next. ATUSA captures the whole breast the same way every time, creating a repeatable view of breast tissue that could help clinicians analyze how a patient’s tissue changes across successive scans, while also reducing operator errors and variability.
ATUSA is commercially available through partner clinics across California, Texas, Georgia, Tennessee and Washington D.C., with new sites coming online regularly.
“Getting the scan closer to the patient is the first breakthrough,” said Neda Razavi, CEO of iSono Health. “Our vision is to make that scan increasingly informative: helping clinicians see what is there, understand what has changed and make more informed decisions.”
iSono Health has developed AI capabilities for lesion detection, 3D segmentation and lesion classification. It next plans to extend its AI pipeline into multimodal diagnostic intelligence spanning 3D ultrasound, mammography, MRI and clinical information.
The company has a multicenter clinical study with 3,200 patients underway to further validate the platform’s performance, with lead research sites at UC Davis and Vanderbilt University Medical Center.
Finding Cancers, Cutting False Alarms
Another NVIDIA Inception company, Whiterabbit.ai, develops AI technology for breast cancer screening. Its FDA-cleared WRDensity software automatically assesses breast density from mammograms and has been used in the care of hundreds of thousands of patients.
The company has also developed WRRisk, a clinical decision support software for estimating patients’ long-term risk of developing breast cancer — and is researching a new generation of AI for mammography that could help radiologists detect more cancers while automating the screening of mammograms that are negative for breast cancer.
The goal is to reduce the burden on a strained radiologist workforce, accelerate results and reduce avoidable callbacks for patients, and lower downstream healthcare costs.
Whiterabbit.ai’s FDA-cleared WRDensity software automatically assesses breast density from mammograms.
“Every day, breast radiologists face a needle-in-a-haystack problem, trying to find roughly one cancer in every 200 mammograms,” said Jason Su, cofounder and chief technology officer of Whiterabbit.ai. “We hope AI can be a powerful sidekick to radiologists, helping to clear away the hay so they can focus their expertise where it matters most.”
Whiterabbit trains its AI models on a cluster of NVIDIA GPUs housed at Washington University in St. Louis, supplemented by additional GPU capacity in the cloud. Inference runs on NVIDIA GPUs deployed directly in the clinic.
Predicting Which Treatments Will Work
Once a patient is diagnosed with breast cancer, the next question is what to do about it — and the answer depends on predicting how the cancer will respond to treatment.
Today, these predictions are limited in scope and accuracy, and often require a separate tissue biopsy with a two- to four-week wait. Ataraxis AI is building clinical intelligence that predicts patient outcomes and response to different therapies using digital data, including pathology slides that are already part of the standard patient workup.
Ataraxis’ AI models interpret patterns in pathology slides, visualized here as color-coded clusters. The models learn to associate variations among these patterns with differences in recurrence risk and chemosensitivity.
“The tools oncologists rely on today to guide therapy decisions were largely trained once, fifteen years ago, and never updated. Our models get stronger every time we acquire more clinical trial data,” said Joseph Cappadona, member of technical staff at Ataraxis AI. “But as we scale our models, the bigger shift is being able to answer more questions to help oncologists personalize therapy across all cancers.”
Ataraxis’s AI models analyze digital pathology slides and standard clinical variables to predict treatment response and recurrence risk. One model predicts whether presurgical chemotherapy is likely to shrink a patient’s tumor to the point of response before the operating room. After surgery, another model estimates a patient’s five-year recurrence risk and the likely benefit of chemotherapy as a next step.
Both models have been validated across more than 10 institutions and multiple clinical trials, and are in active clinical use. They run on NVIDIA GPUs on premises, in an offsite data center and in the cloud — using PyTorch accelerated by NVIDIA CUDA throughout.
Providing Tumor Insights With 3D Visualization
Another NVIDIA Inception company,
SimBioSys
, joined NVIDIA on a recent panel marking Breast Cancer Awareness Month.
The company builds AI-powered precision medicine technology that creates accurate 3D models of breast tumors, veins and other soft tissue, delivering important insights to help guide surgeries and influence treatment plans. It has also built a tool to estimate the risk of breast cancer recurrence based on 3D volumetric data from a patient’s breast MRI, tumor pathology and clinical data.
“We’re building a platform that now allows us to take multimodal data — imaging exams, pathology results, genomic testing when applicable and other biological inputs — and, using AI, bring that all together,” said Stacey Stevens, CEO of SimBioSys, at the event. “When we do that, it generates new insights beyond what we had from any individual piece.”
Stacey Stevens, CEO of SimBioSys, and Chelsea Sumner, healthcare AI startups lead for North and Latin America at NVIDIA, spoke on an October 1 panel in Phoenix, Arizona, on AI’s role in advancing breast cancer care.
SimBioSys uses
NVIDIA MONAI
for training and validation data, and
NVIDIA CUDA-X
libraries including
cuBLAS
and
MONAI Deploy
for its imaging technology, which runs on NVIDIA GPUs in the cloud.
“NVIDIA technology gives us the computing power to take hundreds or thousands of images, apply our AI and analyze them quickly,” Stevens said. “That speed matters because patients and physicians need answers quickly. They can’t afford to wait days or weeks.”
Learn more about the
NVIDIA Inception
program for startups.
Certain technologies described in this article are investigational and have not been approved by the U.S. FDA for commercial use.