From Scan to Treatment Plan, AI Helps Close Breast Cancer’s Deadliest Gaps

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

NVIDIA Inception 스타트업들은 AI로 유방암 검진 접근성, 영상 판독 부담, 치료 반응 예측의 공백을 줄이려 하고 있으며, 소개된 기술 중 일부는 아직 연구 단계로 미국 FDA의 상업적 사용 승인을 받지 않았다.

📌 핵심 요약

• 미국에서는 40세 초과 여성의 과반이 권장되는 연례 유방암 검진을 받지 않는다. 매년 약 4,000만 건의 유방촬영이 시행되지만 향후 10년간 영상의학과 전문의 수만 명이 부족할 것으로 예상되며, 치료 결정에 쓰이는 외부 검사실의 유전체 검사도 수주가 걸린다.
• iSono Health의 FDA 허가 플랫폼 ATUSA는 착용형 자동 3D 정량 초음파로 유방 한쪽을 약 2분에 촬영한다. 기존 수동 초음파는 최대 45분이 걸리며, 회사는 ATUSA의 민감도가 수동 2D 초음파보다 28% 높다고 설명한다. UC Davis와 Vanderbilt University Medical Center를 주요 연구기관으로 하는 3,200명 규모의 다기관 임상연구가 진행 중이다.
• Whiterabbit.ai의 FDA 허가 소프트웨어 WRDensity는 유방촬영에서 유방 밀도를 자동 평가하며 수십만 명의 환자 진료에 사용됐다. WRRisk는 장기 유방암 발생 위험을 추정하는 임상 의사결정 지원 소프트웨어이고, 회사는 암 검출을 돕고 암이 없는 유방촬영 영상의 선별을 자동화할 차세대 AI를 연구하고 있다.
• Ataraxis AI는 디지털 병리 슬라이드와 표준 임상 변수로 수술 전 항암화학요법 반응, 수술 후 5년 재발 위험 및 항암화학요법의 예상 이득을 예측한다. 두 모델은 10곳이 넘는 기관과 여러 임상시험에서 검증됐고 실제 임상에서 사용 중이며, 기존 예측 검사에는 별도 조직 생검과 2~4주의 대기가 필요한 경우가 있다.
• SimBioSys는 유방 종양·정맥·기타 연조직의 3D 모델로 수술과 치료 계획을 지원하고, 유방 MRI의 3D 체적 데이터·종양 병리·임상 데이터로 재발 위험을 추정하는 도구도 개발했다. NVIDIA MONAI, CUDA-X의 cuBLAS, MONAI Deploy와 클라우드 NVIDIA GPU를 활용하며, 기사에 소개된 기술 중 일부는 연구 단계로 미국 FDA의 상업적 사용 승인을 받지 않았다.

🧩 주요 포인트

1. ATUSA의 약 2분 촬영과 반복 가능한 전체 유방 영상 → 검진 접근성과 검사 간 조직 변화 비교를 개선할 가능성.
2. WRDensity의 임상 사용과 차세대 유방촬영 AI 연구 → 유방 밀도 평가를 자동화하고 판독 부담·불필요한 재검 요청을 줄이려는 접근.
3. Ataraxis AI의 치료 반응 예측과 SimBioSys의 다중 데이터 분석 → 개인별 치료 판단을 지원하되, 임상 검증·실제 사용·FDA 허가 상태를 기술별로 구분할 필요.

🧠 상세 정리

1. 검진부터 치료 결정까지 이어지는 진료 공백

유방암은 미국 여성에게 가장 흔히 진단되는 암이지만, 검진과 치료를 잇는 과정에는 큰 공백이 있다. 40세 초과 여성의 과반은 권장되는 연례 검진을 받지 않으며, 시간을 내기 어렵거나 가까운 검사 장소가 없는 문제가 검진 누락과 진단 기회 상실로 이어진다. 미국에서는 매년 약 4,000만 건의 유방촬영이 시행되지만, 향후 10년간 영상의학과 전문의 수만 명이 부족할 것으로 예상돼 판독 역량에 부담이 커지고 있다. 진단 이후에도 치료 결정에 필요한 유전체 검사를 외부 검사실로 보내면 결과를 받기까지 수주가 걸린다. 기사는 NVIDIA Inception 스타트업들이 NVIDIA AI 인프라를 활용해 영상 획득, 위험 평가, 치료 계획의 각 단계에서 이러한 마찰을 줄이려는 사례를 소개한다.

2. ATUSA의 자동 촬영과 반복 가능한 유방 영상

iSono Health의 FDA 허가 플랫폼 ATUSA는 착용형 자동 3D 정량 초음파 시스템으로, 유방 한쪽의 표준화된 전체 체적 영상을 약 2분에 획득하며 기존 수동 초음파는 최대 45분이 걸린다. 수천 건의 전체 유방 스캔과 150만 개가 넘는 초음파 프레임으로 학습한 AI가 영상 획득을 자동화하고, NVIDIA GPU 가속과 오픈소스 의료영상 기술을 활용한다. 회사는 ATUSA의 민감도가 수동 2D 초음파보다 28% 높다고 설명하며, 촬영자의 조작에 좌우되는 수동 검사와 달리 매번 같은 방식으로 전체 유방을 촬영해 검사 간 조직 변화 비교를 돕고 조작 오류와 변동성을 줄일 수 있다고 본다. ATUSA는 캘리포니아·텍사스·조지아·테네시·워싱턴 D.C.의 제휴 클리닉에서 상업적으로 제공되고 있으며 새 검사 장소도 계속 추가되고 있다. 회사는 병변 탐지·3D 분할·병변 분류 AI를 개발했고, 향후 3D 초음파·유방촬영·MRI·임상 정보를 결합하는 진단 지능으로 확장할 계획이다. 성능을 추가 검증하기 위한 3,200명 규모의 다기관 임상연구가 진행 중이며, 주요 연구기관은 UC Davis와 Vanderbilt University Medical Center다.

3. Whiterabbit.ai의 밀도·위험 평가와 판독 지원

Whiterabbit.ai의 FDA 허가 소프트웨어 WRDensity는 유방촬영 영상에서 유방 밀도를 자동 평가하며, 이미 수십만 명의 환자 진료에 사용됐다. 회사는 장기 유방암 발생 위험을 추정하는 임상 의사결정 지원 소프트웨어 WRRisk도 개발했고, 영상의학과 전문의의 암 검출을 돕는 차세대 유방촬영 AI를 연구하고 있다. 이 연구에는 암이 없는 유방촬영 영상의 선별을 자동화해 판독 부담을 줄이고, 결과 제공을 앞당기며, 피할 수 있는 재검 요청과 후속 의료비를 낮추려는 목표가 포함된다. 공동창업자이자 최고기술책임자인 Jason Su는 전문의가 유방촬영 약 200건마다 암 한 건을 찾는 상황을 설명하며, AI가 전문가의 주의를 중요한 사례에 집중시키는 보조 역할을 하길 기대한다고 말했다. 모델 학습에는 Washington University in St. Louis에 설치된 NVIDIA GPU 클러스터와 추가 클라우드 GPU가 사용되며, 추론은 클리닉에 직접 배치된 NVIDIA GPU에서 실행된다.

4. Ataraxis AI의 치료 반응과 재발 위험 예측

유방암 진단 이후에는 어떤 치료가 효과적일지 예측하는 일이 중요하지만, 현재의 예측은 범위와 정확도에 한계가 있고 별도 조직 생검과 2~4주의 대기를 요구하는 경우가 있다. Ataraxis AI는 표준 진료 과정에 이미 포함되는 디지털 병리 슬라이드와 임상 변수를 분석해 치료 반응과 재발 위험을 예측하며, 병리 패턴의 차이를 재발 위험 및 항암화학요법 민감도와 연결한다. 한 모델은 수술 전 항암화학요법이 종양을 줄여 치료 반응에 도달할 가능성을 예측하고, 다른 모델은 수술 후 5년 재발 위험과 다음 단계로 항암화학요법을 시행할 때의 예상 이득을 추정한다. 기술진 Joseph Cappadona는 기존 치료 결정 도구가 대체로 15년 전 한 차례 학습된 뒤 갱신되지 않았다고 주장하면서, 자사 모델은 임상시험 데이터가 추가될 때마다 개선된다고 설명했다. 두 모델은 10곳이 넘는 기관과 여러 임상시험에서 검증됐고 실제 임상에서 사용 중이다. 모델은 기관 내부·외부 데이터센터·클라우드의 NVIDIA GPU에서 실행되며, 전반적으로 NVIDIA CUDA로 가속한 PyTorch를 사용한다.

5. SimBioSys의 3D 시각화와 다중 데이터 통합

SimBioSys는 유방 종양·정맥·기타 연조직의 정확한 3D 모델을 만드는 AI 기반 정밀의료 기술로 수술을 안내하고 치료 계획에 필요한 정보를 제공한다. 유방 MRI의 3D 체적 데이터, 종양 병리, 임상 데이터를 바탕으로 유방암 재발 위험을 추정하는 도구도 개발했다. CEO Stacey Stevens는 영상 검사, 병리 결과, 해당되는 경우의 유전체 검사 및 기타 생물학적 입력을 AI로 통합하면 개별 자료만으로 얻기 어려운 새로운 정보를 도출할 수 있다고 설명했다. 이 발언은 10월 1일 애리조나주 피닉스에서 열린 유방암 인식의 달 관련 패널에서 나왔으며, NVIDIA의 북미·중남미 의료 AI 스타트업 담당자인 Chelsea Sumner도 참여했다. 회사는 학습·검증 데이터에 NVIDIA MONAI를 활용하고 영상 기술에는 CUDA-X의 cuBLAS와 MONAI Deploy 등을 사용하며, 해당 기술은 클라우드 NVIDIA GPU에서 실행된다. Stevens는 수백~수천 장의 영상을 빠르게 분석하는 계산 능력이 환자와 의사가 며칠이나 수주를 기다리지 않고 답을 얻는 데 중요하다고 강조했다.

6. 단계별 성과와 남아 있는 검증·허가의 구분

기사의 흐름은 환자 가까이에서 영상을 획득하는 문제에서 출발해, 영상 판독과 위험 평가를 거쳐 진단 이후의 치료 선택으로 이어진다. iSono Health는 촬영 속도와 반복 가능성을, Whiterabbit.ai는 판독 지원과 불필요한 재검 감소를, Ataraxis AI와 SimBioSys는 치료 반응·재발 위험 예측과 여러 자료의 통합을 강조한다. 다만 근거의 성격은 서로 달라 ATUSA의 28% 높은 민감도는 회사의 설명이며 추가 임상연구가 진행 중이고, Whiterabbit.ai의 차세대 유방촬영 AI도 연구 단계로 소개된다. ATUSA와 WRDensity에는 FDA 허가가 명시돼 있고 Ataraxis AI의 두 모델에는 다기관·임상시험 검증 및 실제 임상 사용이 제시되지만, 이를 소개된 모든 기술의 FDA 허가로 확대할 근거는 없다. 기사는 마지막에 일부 기술이 연구 단계이며 미국 FDA의 상업적 사용 승인을 받지 않았다고 명시하므로, 각 기술의 기대 효과와 현재 확인된 사용·검증 상태를 구분해 읽어야 한다.

🧾 핵심 주장 / 시사점

• 유방암 진료의 지연은 검진 접근성, 판독 인력, 치료 예측 검사에 걸쳐 발생하므로, 기사 속 AI의 가치는 각 단계의 병목을 얼마나 줄이는지에 따라 달라질 수 있다.
• ATUSA의 표준화된 반복 촬영은 검사 시간을 줄이는 효과 외에도 환자의 조직 변화를 연속적으로 비교할 기반을 제공할 가능성이 있다.
• Ataraxis AI와 SimBioSys는 병리·영상·임상 자료를 치료 판단에 연결하지만, 임상 사용이나 검증 사실과 FDA 상업적 사용 허가는 별도로 판단해야 한다.

✅ 액션 아이템

• ATUSA의 약 2분 촬영과 반복 가능한 전체 유방 영상이 검진 접근성과 검사 간 조직 변화 비교에 주는 가치를 검토한다.
• WRDensity의 임상 사용과 차세대 유방촬영 AI의 연구 상태를 구분해 판독 부담·불필요한 재검 요청 감소 가능성을 평가한다.
• Ataraxis AI와 SimBioSys의 치료 판단 지원 가능성을 검토할 때 임상 검증·실제 사용·FDA 허가 상태를 기술별로 확인한다.

❓ 열린 질문

• ATUSA의 3,200명 규모 다기관 임상연구는 회사가 설명한 28% 높은 민감도를 어느 정도 뒷받침할까?
• Whiterabbit.ai의 차세대 유방촬영 AI는 암 검출을 지원하면서 판독 부담과 불필요한 재검 요청을 얼마나 줄일 수 있을까?
• Ataraxis AI의 치료 반응 예측과 SimBioSys의 다중 데이터 분석은 개인별 치료 판단에 각각 어떤 기여를 하며, 기술별 FDA 허가 상태는 어떠한가?