شراكات
تشغّل Dyania Health نظام Synapsis AI على أنظمة وحدات معالجة الرسومات المملوكة للمستشفيات
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةSynapsis AI keeps patient records inside hospital networks by running inference on…
عرض المزيد
- Synapsis AI keeps patient records inside hospital networks by running inference on on-premises GPU servers.
- Cleveland Clinic's study used Synapsis AI to build a predictive model of valve failure and reintervention risk.
- The system automates chart review and signal detection while clinicians retain every clinical decision.
أعلنت أعلنتا Dyania Health وNVIDIA في 13 نوفمبر 2026 أن Synapsis AI يعمل على أنظمة الحوسبة المُسرَّعة من NVIDIA المملوكة للمستشفيات، وذلك في إطار دراسة أولية في Cleveland Clinic شملت 7,812 مريضًا خضعوا لاستبدال الصمام الأبهري. ويهدف هذا التعاون إلى مراجعة السجلات لدى مجموعات المرضى المختلفة من دون نقلها إلى خارج شبكات الأنظمة الصحية.
تصف Dyania Health نظام Synapsis AI بأنه محرك للاستدلال السريري يقرأ ملاحظات وتقارير عمليات وتقارير تصوير ونتائج مختبرية تمتد لسنوات، ثم يجيب عن الأسئلة السريرية مستندًا إلى أدلة مرتبطة بالسجل الطبي. وتتمثل مخرجاته في مؤشرات سريرية تهدف إلى إرشاد فرق الرعاية إلى المرضى الذين يحتاجون إلى الاهتمام وأسباب ذلك؛ إذ يراجع الأطباء الأدلة ويتخذون جميع القرارات.
الاستدلال السريري داخل المستشفى
يستخدم هذا التطبيق NVIDIA AI Enterprise في مختلف طبقات البرمجيات. وتدرّب Dyania نماذجها السريرية المملوكة لها باستخدام NeMo، ثم تستخدم TensorRT وTensorRT-LLM لتحسين الاستدلال على خوادم وحدات معالجة الرسومات في المستشفى. وبذلك يبقى الاستدلال داخل الشبكة الخاصة بالمستشفى، بدلًا من إرسال سجلات المرضى إلى بيئة خارجية.
قالت NVIDIA إن النظام يظل أداة مساعدة؛ فهو يستخرج من السجلات الطبية أدلة يتعين على الأطباء التحقق منها والتصرف بناءً عليها. وهذا التمييز مهم لأن التطبيق يؤتمت مراجعة السجلات واكتشاف المؤشرات، لا القرارات السريرية التي تلي ذلك.
تستهدف الشركتان عقبةً يدويةً تعترض الأبحاث وإدارة الرعاية في المستشفيات. فكثيرًا ما ترد التفاصيل المهمة في نصوص وصفية بدلًا من الحقول المنظّمة، ما يحدّ من عدد السجلات التي يستطيع الموظفون مراجعتها لأغراض السجلات البحثية ودراسات النتائج والنماذج التنبؤية. ويُجري Synapsis AI مراجعة طولية لبيانات سكان النظام الصحي، مع استخدامات محتملة تشمل اكتشاف الثغرات في الرعاية، والبحوث الرصدية، ومطابقة المرضى مع التجارب السريرية.
دراسة الصمام في Cleveland Clinic
تناولت الدراسة مرضى خضعوا لاستبدال الصمام الأبهري بين عامي 2005 و2021، مع مراجعة ما يصل إلى 16 عامًا من الرعاية لكل مريض. وأجاب Synapsis AI عن 88 سؤالًا سريريًا لكل مريض، تناولت خصائص الصمام، والحالات المرضية المصاحبة، والاتجاهات المختبرية، والأدوية، وقياسات المتابعة بالموجات فوق الصوتية، والأحداث السريرية اللاحقة. وقد ورد جزء كبير من هذا السجل في ملاحظات وصفية وتقارير تخطيط صدى القلب.
قالت NVIDIA إن المنصة أنجزت مراجعة السجلات الطبية لجميع أفراد المجموعة، وهي مهمة كانت ستستغرق من الأطباء سنوات لإتمامها يدويًا. واستُخدمت مجموعة البيانات الناتجة لتدريب نموذج للتعلم الآلي التنبؤي يقدّر مخاطر تعطل الصمام والحاجة إلى إعادة التدخل بعد ثلاث سنوات وخمس سنوات و10 سنوات، ويحدّث هذه التقديرات مع كل فحص جديد بالموجات فوق الصوتية.
أفادت Dyania بأن نوع الصمام المزروع كان العامل الأقوى في تحديد سرعة تدهوره، في حين أثّر العمر والحالات الطبية الأخرى في احتمال إجراء تدخل ثانٍ وتوقيته. كما تناول التحليل مدى إسهام معلومات المتابعة، مثل فحوصات الموجات فوق الصوتية بعد الجراحة، في رفع دقة التنبؤ بدرجة كبيرة فيما يتعلق بالتدخلات المستقبلية.
قال لارس جي. سفينسون، رئيس معهد القلب والأوعية الدموية والصدرية في Cleveland Clinic: «إن استخدام التكنولوجيا لجمع المعلومات التي يمكن أن تساعدنا في التنبؤ بعمر الصمامات القلبية المزروعة وتحليلها يُعد خطوة واعدة نحو تحسين النتائج وتوفير رعاية أكثر تخصيصًا للمرضى».
تُظهر الدراسة كيفية إنشاء مجموعة بيانات والتنبؤ بالمخاطر، لا تحسّن النتائج الصحية للمرضى. وتقول Dyania إن الأداة تهدف إلى دعم قرارات الرعاية، وإن استخدامها على نطاق سريري أوسع يتطلب التحقق من صحتها سريريًا من جهات خارجية.
خارطة طريق التطبيق
يفيد إعلان التعاون الصادر عن Dyania بأن الشركتين تعتزمان العمل على تطبيقات في الأنظمة الصحية داخل الولايات المتحدة وعلى الصعيد الدولي، ونشر دراسات حالة مشتركة، ودمج Synapsis AI مع مجموعة برمجيات الرعاية الصحية من NVIDIA. وتشمل التقنيات قيد التقييم NVIDIA Confidential Computing للتدريب والاستدلال، وNVIDIA Dynamo لتقديم خدمات الاستدلال الموزع، وMulti-Instance GPU لتقسيم وحدات معالجة الرسومات بين أحمال العمل السريرية المتزامنة.
تقيّم الشركتان أيضًا إمكانية التوسع إلى استخدام عدة وحدات معالجة رسومات من طراز Blackwell Ultra، مع انتقال المعالجة من مراجعات الدفعات إلى توفير رؤى سريرية شبه آنية في موقع تقديم الرعاية. وما زالت هذه أهدافًا قيد التقييم وليست تطبيقات مكتملة. وبالنسبة إلى الأنظمة الصحية، يتمثل السؤال العملي في ما إذا كانت النماذج التي جرى التحقق من صحتها خارجيًا قادرة على تحويل مراجعة السجلات على مستوى السكان إلى إجراءات سريرية موثوقة، مع احتفاظ الأطباء بالسيطرة على قرارات الرعاية.
