O câncer de mama é o tumor mais diagnosticado entre mulheres nos Estados Unidos, mas as falhas no cuidado seguem profundas: a maioria das mulheres acima dos 40 anos não realiza a mamografia anual recomendada, radiologistas leem cada vez mais exames com equipes menores e, quando o diagnóstico chega, os testes que orientam o tratamento podem levar semanas para retornar. Em 5 de outubro de 2026, a NVIDIA publicou um panorama das startups de seu programa NVIDIA Inception que desenvolvem aplicações de inteligência artificial para atuar exatamente nesses pontos de atrito — imagem, avaliação de risco e planejamento terapêutico.
Segundo o material, cerca de 40 milhões de mamografias são realizadas por ano nos Estados Unidos, enquanto a projeção de um déficit de dezenas de milhares de radiologistas na próxima década pressiona a capacidade do sistema de interpretar esses exames. Um levantamento citado pela empresa indica que a maioria das mulheres acima de 40 anos deixa de fazer o rastreamento anual recomendado.
Do outro lado da jornada clínica, as decisões de tratamento costumam depender de ensaios genômicos enviados a laboratórios externos, com processamento que leva semanas, em um momento em que velocidade e certeza são decisivas.
Ultrassom automatizado aproxima o exame da paciente
Para mulheres que enfrentam dificuldade de tempo ou de deslocamento até um centro de rastreamento, o acesso é uma barreira prática que se converte em diagnósticos perdidos. A iSono Health, também do NVIDIA Inception, foi construída em torno da simplificação desse fluxo.
Sua plataforma ATUSA, já liberada pela FDA, é um sistema de ultrassom 3D quantitativo, vestível e automatizado, que captura um volume padronizado da mama em aproximadamente dois minutos por mama, contra até 45 minutos de um ultrassom convencional conduzido manualmente.
A IA do sistema, treinada com milhares de exames de mama completa que somam mais de 1,5 milhão de quadros de ultrassom, automatiza a aquisição das imagens. Ela usa aceleração por GPU NVIDIA e tecnologia aberta de imagem médica para entregar uma varredura 3D que, segundo a empresa, é 28% mais sensível que o ultrassom 2D portátil.
Como o exame manual depende de quem segura a sonda, as imagens de uma mulher dificilmente podem ser comparadas de um ano para o outro; a ATUSA captura a mama inteira sempre da mesma forma, criando uma visão repetível do tecido e reduzindo erros e variabilidade do operador.
A plataforma está disponível comercialmente por meio de clínicas parceiras na Califórnia, no Texas, na Geórgia, no Tennessee e em Washington D.C. A empresa conduz ainda um estudo clínico multicêntrico com 3.200 pacientes, com sites de pesquisa principais na UC Davis e no Vanderbilt University Medical Center.
"Levar o exame para mais perto da paciente é o primeiro avanço", afirmou Neda Razavi, CEO da iSono Health. Segundo ela, a visão é tornar a varredura cada vez mais informativa: ajudar os clínicos a ver o que está ali, entender o que mudou e decidir melhor.
A companhia já desenvolveu capacidades de IA para detecção de lesões, segmentação 3D e classificação, e planeja estender seu pipeline para inteligência diagnóstica multimodal, abrangendo ultrassom 3D, mamografia, ressonância magnética e informações clínicas.
Menos falsos alarmes, mais cânceres encontrados
Outra empresa do programa, a Whiterabbit.ai, desenvolve tecnologia de IA para rastreamento. 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 criou o WRRisk, software de apoio à decisão clínica que estima o risco de longo prazo de desenvolvimento de câncer de mama, e pesquisa uma nova geração de IA para mamografia capaz de ajudar radiologistas a detectar mais tumores enquanto automatiza a triagem de exames negativos.
O objetivo é reduzir a carga sobre uma força de trabalho sobrecarregada, acelerar resultados, diminuir retornos desnecessários de pacientes e baixar custos assistenciais. "Todos os dias, radiologistas de mama enfrentam um problema de agulha no palheiro, tentando encontrar cerca de um câncer a cada 200 mamografias", disse Jason Su, cofundador e diretor de tecnologia da Whiterabbit.ai.
"Esperamos que a IA possa ser uma parceira poderosa dos radiologistas, ajudando a limpar o palheiro para que eles concentrem sua expertise onde mais importa." Os modelos da empresa são treinados em um cluster de GPUs NVIDIA na Washington University em St. Louis, complementado por capacidade adicional de GPU na nuvem, com inferência rodando em GPUs NVIDIA instaladas diretamente na clínica.
Prever quais tratamentos vão funcionar
Depois do diagnóstico, a próxima pergunta é o que fazer, e a resposta depende de prever como o câncer responderá à terapia. Hoje, essas previsões têm escopo e precisão limitados e frequentemente exigem uma biópsia de tecido separada, com espera de duas a quatro semanas.
A Ataraxis AI está construindo inteligência clínica que prevê desfechos de pacientes e a resposta a diferentes terapias usando dados digitais, incluindo lâminas de patologia que já fazem parte da investigação padrão do paciente. Seus modelos interpretam padrões nessas lâminas, visualizados como agrupamentos codificados por cor.
Por que isso importa
O conjunto descrito pela NVIDIA ilustra uma estratégia de ataque em três frentes complementares: ampliar o acesso ao exame, aliviar a pressão sobre radiologistas e encurtar o caminho entre o diagnóstico e a decisão terapêutica. Nenhuma das ferramentas substitui o julgamento clínico; o que elas propõem é reduzir trabalho repetitivo e variabilidade para que o especialista concentre tempo onde há maior risco.
Os desafios, no entanto, permanecem: validação em estudos multicêntricos, aprovação regulatória, integração aos fluxos de trabalho existentes e comprovação de impacto em desfechos reais para as pacientes. É nesse intervalo entre a promessa tecnológica e a rotina clínica que se decidirá o alcance efetivo dessas aplicações.
