Dyania Health kører Synapsis AI på hospitalernes egne GPU-systemer

Dyania Health og NVIDIA meddelte den 13. november 2026, at Synapsis AI kører på hospitalernes egne NVIDIA-systemer til accelereret databehandling. Et indledende studie på Cleveland Clinic omfattede 7.812 patienter, der havde fået indsat en aortaklap. Samarbejdet skal gøre det muligt at gennemgå journaler på tværs af patientgrupper uden at flytte dem uden for sundhedssystemernes netværk.

Dyania Health beskriver Synapsis AI som en klinisk ræsonneringsmotor, der læser års journalnotater, operationsbeskrivelser, billeddiagnostiske rapporter og laboratorieresultater og derefter besvarer kliniske spørgsmål med dokumentation, der er knyttet til patientjournalen. Systemet leverer kliniske signaler, som skal vise behandlingsteams, hvilke patienter der har brug for opmærksomhed, og hvorfor; klinikerne gennemgår dokumentationen og træffer alle beslutninger.

Klinisk ræsonnering på hospitalets egne systemer

Implementeringen anvender NVIDIA AI Enterprise på tværs af hele softwarestakken. Dyania træner sine egne proprietære kliniske modeller med NeMo og bruger derefter TensorRT og TensorRT-LLM til at optimere inferens på hospitalernes GPU-servere. Inferensen forbliver dermed på hospitalets private netværk i stedet for at sende patientjournaler til et eksternt miljø.

NVIDIA oplyste, at systemet fortsat fungerer som et støtteværktøj: Det fremhæver dokumentation fra patientjournaler, som klinikerne skal bekræfte og handle på. Forskellen er vigtig, fordi implementeringen automatiserer gennemgangen af journaler og registreringen af signaler, men ikke de efterfølgende kliniske beslutninger.

Virksomhederne vil afhjælpe en manuel flaskehals inden for hospitalsforskning og behandlingsstyring. Vigtige oplysninger står ofte i fritekst frem for i strukturerede felter, hvilket begrænser antallet af journaler, personalet kan gennemgå til registre, effektstudier og prædiktive modeller. Synapsis AI gennemgår patientforløb over tid på tværs af en sundhedsorganisations patientpopulation og kan blandt andet bruges til at finde mangler i behandlingsforløb, observationsforskning og matchning med kliniske forsøg.

Cleveland Clinic-studie af hjerteklapper

Studiet omfattede patienter, der fik indsat en aortaklap mellem 2005 og 2021, og gennemgik op til 16 års behandling for hver patient. Synapsis AI besvarede 88 kliniske spørgsmål for hver patient om klapegenskaber, samtidige sygdomme, udviklingen i laboratorieresultater, medicin, opfølgende ultralydsmålinger og efterfølgende kliniske hændelser. En stor del af disse oplysninger fandtes i fritekstnotater og ekkokardiografirapporter.

NVIDIA oplyste, at platformen gennemgik journalerne for hele patientgruppen – en opgave, som det ville have taget klinikere flere år at udføre manuelt. Det resulterende datasæt blev brugt til at træne en prædiktiv maskinlæringsmodel, der estimerer risikoen for klapsvigt og en ny operation efter tre, fem og 10 år og opdaterer estimaterne, hver gang der foretages en ny ultralydsundersøgelse.

Dyania oplyste, at typen af indsat hjerteklap var den vigtigste faktor for, hvor hurtigt klappen blev forringet, mens alder og andre sygdomme påvirkede, om og hvornår patienten fik foretaget endnu et indgreb. Analysen undersøgte også, hvordan opfølgningsoplysninger, såsom ultralydsundersøgelser efter operationen, kan øge præcisionen af forudsigelser om fremtidige indgreb betydeligt.

»Brugen af teknologi til at samle og analysere oplysninger, der kan hjælpe os med at forudsige levetiden for indsatte hjerteklapper, er et lovende skridt mod bedre behandlingsresultater og mere personlig behandling af patienterne,« sagde Lars G. Svensson, chef for Cleveland Clinics Heart, Vascular & Thoracic Institute.

Studiet viser, hvordan datasæt kan opbygges, og risici forudsiges, men ikke at patienternes behandlingsresultater er blevet bedre. Dyania oplyser, at værktøjet skal understøtte behandlingen og kræver ekstern klinisk validering, før det kan anvendes bredere i klinisk praksis.

Plan for udrulning

Dyanias meddelelse om samarbejdet oplyser, at virksomhederne planlægger at arbejde hen imod implementeringer i sundhedsorganisationer i USA og internationalt, offentliggøre fælles casestudier og integrere Synapsis AI med NVIDIAs softwarepakke til sundhedssektoren. Teknologier, der evalueres, omfatter NVIDIA Confidential Computing til træning og inferens, NVIDIA Dynamo til distribueret inferensafvikling og Multi-Instance GPU til opdeling af GPU’er mellem samtidige kliniske arbejdsbelastninger.

Virksomhederne undersøger også, om løsningen kan skaleres til flere Blackwell Ultra-GPU’er, efterhånden som behandlingen bevæger sig fra batchvis gennemgang mod klinisk indsigt næsten i realtid på behandlingsstedet. Der er fortsat tale om mål for evalueringen, ikke om gennemførte implementeringer. For sundhedsorganisationer er det praktiske spørgsmål, om eksternt validerede modeller kan omsætte gennemgang af journaler på tværs af hele patientpopulationer til pålidelige kliniske handlinger, samtidig med at klinikerne bevarer kontrollen over behandlingsbeslutningerne.