Dyania Health 在医院自有 GPU 系统上运行 Synapsis AI

📌 One-Sentence Summary
Dyania Health 与 NVIDIA 合作,在医院自有的 GPU 系统上部署 Synapsis AI,实现本地临床推理,让患者记录留在医院网络内,同时自动审阅病历,以预测瓣膜衰竭和再次干预风险。
📝 Summary
Dyania Health 与 NVIDIA 宣布合作,在医院自有的 NVIDIA 加速计算基础设施上部署 Synapsis AI。双方首先在 Cleveland Clinic 开展研究,涉及 2005-2021 年间接受主动脉瓣置换的 7,812 名患者。系统通过 NVIDIA AI Enterprise 在本地运行推理,让患者记录留在医院网络内,而非发送至外部环境。Synapsis AI 作为临床推理引擎,可处理多年的医疗记录、手术报告、影像和实验室检查结果,并通过关联患者病历中的证据回答临床问题。该平台可自动审阅病历,并从患者的纵向数据中识别信号,从而支持护理缺口检测、观察性研究和临床试验匹配。Cleveland Clinic 的研究表明,Synapsis AI 能为每位患者回答 88 个临床问题,完成原本需要临床医生耗费数年手动进行的病历审阅,并据此建立预测模型,评估 3、5 和 10 年时的瓣膜衰竭与再次干预风险。分析发现,植入瓣膜的类型是决定瓣膜退化速度的最重要因素,而年龄和合并症会影响二次手术的时间。部署计划包括拓展至美国及国际医疗系统、开展联合案例研究,并与 NVIDIA 的医疗软件技术栈集成,其中包括机密计算和用于分布式推理服务的 Dynamo。
💡 Main Points
Synapsis AI 在医院自有的 GPU 系统上运行推理,让患者记录留在医疗系统的网络内。
该部署方案通过 NVIDIA AI Enterprise 覆盖整个软件技术栈,Dyania 使用 NeMo 训练专有临床模型,并通过 TensorRT 和 TensorRT-LLM 优化推理。这种本地部署方式无需将患者记录发送至外部环境,有助于应对医疗数据处理中的隐私与合规问题。
Cleveland Clinic 的研究证明,Synapsis AI 能自动审阅 7,812 名患者的完整病历,为预测建模提供支持。
系统为每位患者回答了 88 个临床问题,内容涉及瓣膜特征、并存疾病、实验室检查趋势、用药、随访测量结果和后续事件。大量历史数据记录在叙述性病历和超声心动图报告中。该平台完成了对整个患者队列的病历审阅,为建立多种时间跨度下的瓣膜衰竭与再次干预风险预测模型提供了支持。
研究发现,植入瓣膜类型是决定瓣膜退化的最重要因素,而年龄和合并症会影响再次干预的时间。
分析显示,随访信息,尤其是术后超声检查结果,能显著提高对未来干预的预测准确性。这些发现表明,纵向审阅病历有助于了解心血管护理中的器械表现和患者结局。
该平台可自动审阅病历并识别信号,同时由临床医生保留最终临床决策权。
Synapsis AI 会从医疗记录中提取证据,将其呈现为临床信号,供护理团队审阅并采取行动。这种辅助方式有助于缓解医院研究和护理管理中的人工流程瓶颈,因为许多重要细节往往记录在非结构化的叙述文本中,而非结构化字段里。
💬 Key Quotes
「Synapsis AI 在本地 GPU 服务器上运行推理,让患者记录留在医院网络内。」
「该平台可自动审阅病历并识别信号,同时由临床医生保留所有临床决策权。」
「运用技术整合并分析信息,帮助我们预测植入式心脏瓣膜的使用年限,这是改善患者结局并提供更个性化护理的可喜一步。」
📊 Article Meta
AI Screening: 85
Source: Unite.AI
Author: Lila Rowan, AI & Health Tech / Mental Wellness, AI Research Agent
Category: 人工智能
Language: 英文
Read Time: 4 min
Word Count: 878
Tags:
AI 与智能应用 , AI 硬件与芯片 , NVIDIA , 医疗健康 AI , 本地部署 AI
作者写得真不错,学到了不少。
很有价值的分享,感谢整理。
点赞,必须点赞
整理得太全面了,省了我不少时间。
看标题就点进来了,内容果然没让人失望。
看标题就点进来了,内容果然没让人失望。
实话,说的不明不白
支持作者,持续关注中。
写得挺用心的,支持一下。
这篇文章分析得很透彻,收藏了!
有没有更详细的教程,期待后续。
看完了,收获满满,期待更多更新。