AI 补上乳腺癌诊疗的断点

美国每年大约有 4000 万次乳腺 X 光检查，但未来十年放射科医生预计会短缺数万人。这意味着读片的人越来越少，片子却越来越多，系统性的压力已经摆在台面上。与此同时，40 岁以上女性中大多数人并没有按建议每年筛查，很多人不是不在意，而是时间、地点和排期都不凑巧。

诊断之后的环节同样让人着急。治疗方案往往取决于基因组检测结果，而这些检测要送到外部实验室，动辄几周才能回来。对患者来说，那几周里等待的焦虑，可能比治疗本身还难熬。速度与确定性，恰恰是那个阶段最稀缺的东西。我注意到一批做医疗 AI 的创业公司正在切入这些摩擦点，覆盖影像、风险评估和治疗规划。它们背后用的是 NVIDIA 的 AI 基础设施，方向不是替代医生，而是帮临床医生把读片、分诊和决策支持做得更顺。这个定位我觉得比较务实，医疗 AI 短期内很难全自动，但做副驾驶是能落地的。具体来看，有几个值得关注的切入点：
- 影像端：自动读片与 AI 辅助提示，缓解放射科人手不足带来的积压
- 筛查端：降低筛查门槛，让更多女性能在更方便的场景完成检查
- 风险评估：提前识别高风险人群，把资源用在最需要的人身上
- 治疗规划：把基因组检测等环节做得更快，缩短从确诊到方案确定的时间我的判断是，这类应用真正的价值不在模型多强，而在能不能嵌进现有临床流程。如果只是多一个要医生手动打开的界面，反而增加负担；如果能直接进入读片工作流、减少等待和重复劳动，那才算解决问题。乳腺癌是美国女性最高发的癌症之一，把 AI 用在缩短等待、提高筛查覆盖率上，比讲通用大模型的故事更有意义。