Dyania Health 与 NVIDIA 将 Synapsis AI 临床推理引入医院防火墙内
Dyania Health Brings Clinical Reasoning AI Inside the Hospital Firewall to Advance Patient Care with NVIDIA
Dyania Health 与 NVIDIA 合作,将 Synapsis AI 的临床推理能力部署到医院自有基础设施,让完整病历不出院墙即可覆盖整个患者群体。Synapsis 基于 NVIDIA AI Enterprise 构建,用 NeMo 训练并在医院内通过 TensorRT/TensorRT-LLM 推理。
Dyania 的 Synapsis AI 能够推理患者的完整医疗历史,它采用 NVIDIA 加速计算,使医疗系统能够在不将患者记录移出本机构的前提下,从自身的记录中学习。
新泽西州泽西城,/PRNewswire/ -- Dyania Health 今日宣布与 NVIDIA 开展合作,将 AI 临床推理应用于医疗系统内部,在其自有基础设施上,覆盖其全部患者群体的规模。Dyania 的 Synapsis AI 可阅读患者的完整医疗记录,涵盖多年来的病历记录、手术报告、影像报告和化验结果,并依据病历中的证据回答临床问题。NVIDIA 加速计算使这项工作能够在医院防火墙之后的大规模患者群体上完成,而无需将患者记录传输到医疗系统之外。两家公司旨在共同赋予医疗系统一种能力:从其诊治过的患者的完整历史中学习,并将这些经验转化为更早地识别护理需求、更明智的治疗决策以及为下一位患者提供更好的照护,同时将这些记录保留在其自有系统内。
将临床经验转化为更好的照护
医疗系统的医疗记录中承载着数十年的临床经验,但其中很大一部分难以大规模分析。许多重要的信息存在于叙述性文本中,而非结构化字段,解读这些信息往往需要人工审阅。登记系统、结局研究和预测模型可能受限于团队能够手工阅读的病历数量。提取并解读构建这些工具所需的临床信息,仍然是一大瓶颈。
Synapsis AI 执行这种推理。它的设计方式与专科医生研读病历的方式一致:纵向地、跨所有文档地进行,厘清患者实际何时患有何种疾病,以及依据何种证据。对一位患者完成这项工作是一个推理问题;而要在整个医疗系统内、持续地、在医院自有环境中完成这项工作,则需要可观的计算能力。Dyania 带来临床推理引擎和实施经验;NVIDIA 带来加速计算平台以及使其能够在本地安全高效运行的软件。
Synapsis AI 端到端构建于 NVIDIA AI Enterprise 软件栈之上。Dyania 使用 NVIDIA NeMo 模型训练与强化学习框架训练其专有临床模型。在医疗系统内部,Synapsis AI 运行在医院自有的 NVIDIA 加速计算基础设施上的 NVIDIA TensorRT 和 TensorRT-LLM 之上,因此推理过程始终留在医院的专用网络内。
根据此次合作,两家公司将致力于把基于 NVIDIA 基础设施的 Synapsis AI 引入美国及国际的医疗系统,发布联合案例研究,并将 Synapsis AI 与 NVIDIA 的医疗健康软件栈集成。两家公司正在评估的领域包括:用于训练和推理的 NVIDIA Confidential Computing、用于分布式推理服务的 NVIDIA Dynamo、用于在并发临床工作负载之间划分 GPU 的 Multi-Instance GPU,以及随着部署从批处理转向护理现场的近实时临床洞察,扩展到大量 NVIDIA Blackwell Ultra GPU。
"AI 在医疗健康领域的机遇在于,让护理团队拥有更多时间和洞察,从而专注于患者," NVIDIA 医疗健康 AI 创业生态负责人 Chelsea Sumner 表示。"Dyania Health 为这一机遇带来了深厚的临床专业能力,利用 NVIDIA 的 AI 平台来支持研究、帮助识别护理缺口,并更全面地理解患者的需求。"
"这是患者护理的一个分水岭时刻。每位患者的故事都分散在数年的笔记、报告和检查结果中,而我们第一次能够像专科医生那样,一次性推理所有这些信息——覆盖医疗系统中的每一位患者,而不是一次只看一份病历," Dyania Health 创始人兼首席执行官 Eirini Schlosser 表示。"Synapsis AI 阅读完整病历,得出临床结论并展示其背后的证据,而 NVIDIA 为我们提供了在医院内部完成这一切的算力,同时每份病历都留在它应在的地方。我们与 Cleveland Clinic 一起证明的是,医疗系统可以从已经治疗过的患者身上学习,从而更早地为下一位患者提供正确的护理。"
预测置换心脏瓣膜的使用寿命
这项合作的首项成果是 Cleveland Clinic 对 7,812 名在 2005 年至 2021 年间接受主动脉瓣置换术患者的研究。该研究针对患者的一个核心关切:置换瓣膜能使用多久?是否需要再次手术?为回答这一问题,研究人员回顾了长达 16 年的患者护理记录,其中大部分是叙述性笔记和超声心动图报告,这些内容在登记系统中往往难以采集。
Synapsis AI 在 Cleveland Clinic 环境内基于 NVIDIA 加速计算运行,识别出目标患者群体,并为每位患者回答了 88 个临床问题,涵盖瓣膜及其特性、合并症、实验室指标趋势、药物、随访超声测量以及后续临床事件。该研究在远少于人工审查所需的时间内生成了一个详细的临床数据集。此外,还训练了一个预测性机器学习模型,能够预测每位患者的瓣膜失效和再次干预风险时间线。
模型发现,植入瓣膜的类型是决定其退化速度的最强因素,而年龄和其他疾病则影响是否以及何时进行第二次手术。该分析还考察了随访信息(如术后心脏超声)如何能显著提高对未来干预的预测准确性。该模型会估算个体患者在三年、五年和 10 年的风险,并在每次获得新的超声结果后更新预后。该工具用于辅助护理决策,但仍需临床医生进行外部验证。
"利用技术整合并分析信息,帮助我们预测植入心脏瓣膜的使用寿命,是迈向更好治疗效果和更个性化患者护理的有前景的一步," Cleveland Clinic 心血管与胸外科研究所所长、医学博士 Lars G. Svensson 表示。
心脏瓣膜研究展示了这项合作更广泛的潜力。同样的技术可以帮助医疗系统从自身经验中学习,从而了解哪些患者会从特定疗法中获益、哪些治疗效果能够经受时间的检验,以及为何在纸面上看起来相似的患者之间会出现不同的结果。展望未来,Synapsis AI 智能体将持续训练此类预测模型,使患者护理中下一步建议行动的推荐准确性随着精准医学的进步而不断提升。
关于 Dyania Health
Dyania Health 的存在,是为了不让任何患者因为答案被埋没在病历中而被遗漏。其临床推理引擎 Synapsis AI 会阅读患者的完整医疗史,涵盖多年来的笔记、报告和检查结果,并回答临床问题且提供相应证据,使护理团队能够看到哪些患者需要关注、哪些治疗正在起效以及下一步应该做什么。它在医院防火墙内为医疗系统中的每一位患者完成这项工作,任何记录都不会外传。医疗系统使用 Synapsis AI 来发现尚未获得所需护理的患者、加强登记库和质量项目,并将自身的临床经验转化为下一位患者更好的治疗效果。Dyania Health 总部位于新泽西州泽西城。
欲了解更多信息,请访问 Dyania Health 的网站:https://dyaniahealth.com/
媒体垂询:请联系 [email protected]
来源 Dyania Health

来源:PR Newswire 健康 · prnewswire.com
