Dyania Health betreibt Synapsis AI auf GPU-Systemen im Besitz von Krankenhäusern

Dyania Health und NVIDIA gaben am 13. November 2026 bekannt, dass Synapsis AI auf beschleunigter NVIDIA-Computing-Infrastruktur im Besitz von Krankenhäusern läuft. Eine erste Studie an der Cleveland Clinic umfasst 7.812 Patienten, denen eine Aortenklappe ersetzt wurde. Die Zusammenarbeit soll Patientenakten aus ganzen Patientengruppen auswerten, ohne sie aus den Netzwerken der Gesundheitssysteme herauszubewegen.

Dyania Health beschreibt Synapsis AI als eine Engine für klinisches Schlussfolgern, die jahrelange Verlaufsnotizen, Operationsberichte, Bildgebungsberichte und Laborergebnisse liest und anschließend klinische Fragen mit Belegen beantwortet, die mit der Patientenakte verknüpft sind. Die Ergebnisse sind klinische Hinweise, die Behandlungsteams zeigen sollen, welche Patienten Aufmerksamkeit benötigen und warum. Das medizinische Fachpersonal prüft die Belege und trifft alle Entscheidungen.

Klinisches Schlussfolgern vor Ort

Die Bereitstellung nutzt NVIDIA AI Enterprise im gesamten Software-Stack. Dyania trainiert seine proprietären klinischen Modelle mit NeMo und verwendet anschließend TensorRT und TensorRT-LLM, um die Inferenz auf den GPU-Servern der Krankenhäuser zu optimieren. Die Inferenz bleibt dadurch innerhalb des privaten Netzwerks des Krankenhauses, statt Patientenakten an eine externe Umgebung zu übermitteln.

NVIDIA erklärte, das System bleibe ein unterstützendes Werkzeug: Es macht Belege aus medizinischen Akten sichtbar, die das medizinische Fachpersonal bestätigen und auf deren Grundlage es handeln muss. Diese Unterscheidung ist wichtig, denn die Bereitstellung automatisiert die Prüfung von Patientenakten und das Erkennen klinischer Hinweise, nicht aber die anschließenden klinischen Entscheidungen.

Die Unternehmen wollen einen manuellen Engpass in der Krankenhausforschung und im Versorgungsmanagement beseitigen. Wichtige Details stehen häufig in Freitexten statt in strukturierten Feldern. Dadurch ist die Zahl der Patientenakten begrenzt, die Mitarbeitende für Register, Ergebnisstudien und Vorhersagemodelle prüfen können. Synapsis AI wertet die Krankheitsverläufe der Bevölkerung eines Gesundheitssystems über einen längeren Zeitraum aus. Mögliche Anwendungen sind das Erkennen von Versorgungslücken, Beobachtungsstudien und der Abgleich mit klinischen Studien.

Klappenstudie an der Cleveland Clinic

In der Studie wurden Patienten untersucht, denen zwischen 2005 und 2021 eine Aortenklappe ersetzt worden war. Dabei wurden pro Patient bis zu 16 Jahre der Versorgung berücksichtigt. Synapsis AI beantwortete für jeden Patienten 88 klinische Fragen zu den Merkmalen der Klappe, Begleiterkrankungen, Laborwertverläufen, Medikamenten, Ultraschallmessungen bei Nachuntersuchungen und späteren klinischen Ereignissen. Ein Großteil dieser Informationen war in Verlaufsnotizen und Echokardiografie-Berichten enthalten.

NVIDIA erklärte, die Plattform habe die Prüfung der Patientenakten für die gesamte Kohorte abgeschlossen – eine Arbeit, für die medizinisches Fachpersonal bei manueller Durchführung Jahre gebraucht hätte. Der daraus entstandene Datensatz wurde zum Trainieren eines Vorhersagemodells für maschinelles Lernen verwendet. Das Modell schätzt das Risiko eines Klappenversagens und eines erneuten Eingriffs nach drei, fünf und 10 Jahren und aktualisiert diese Schätzungen mit jedem neuen Ultraschall.

Dyania berichtete, dass der Typ der implantierten Klappe der stärkste Einflussfaktor dafür war, wie schnell sich eine Klappe verschlechterte. Das Alter und andere Erkrankungen beeinflussten, ob und wann ein zweiter Eingriff erfolgte. In der Analyse wurde außerdem untersucht, wie Nachsorgeinformationen wie Ultraschalluntersuchungen nach der Operation die Genauigkeit von Vorhersagen zu künftigen Eingriffen deutlich erhöhen können.

„Technologie zu nutzen, um Informationen zusammenzuführen und zu analysieren, die uns helfen können, die Lebensdauer implantierter Herzklappen vorherzusagen, ist ein vielversprechender Schritt hin zu besseren Behandlungsergebnissen und einer stärker personalisierten Versorgung der Patienten“, sagte Lars G. Svensson, Leiter des Herz-, Gefäß- und Thoraxinstituts der Cleveland Clinic.

Die Studie belegt den Aufbau eines Datensatzes und die Vorhersage von Risiken, nicht aber eine Verbesserung der Behandlungsergebnisse für Patienten. Dyania zufolge soll das Werkzeug die Versorgung unterstützen und muss klinisch extern validiert werden, bevor es in größerem Umfang für klinische Entscheidungen herangezogen wird.

Fahrplan für die Bereitstellung

In der Ankündigung der Zusammenarbeit erklärt Dyania, dass die Unternehmen Bereitstellungen in Gesundheitssystemen in den Vereinigten Staaten und international anstreben, gemeinsame Fallstudien veröffentlichen und Synapsis AI in den Software-Stack von NVIDIA für das Gesundheitswesen integrieren wollen. Zu den Technologien, die geprüft werden, gehören NVIDIA Confidential Computing für Training und Inferenz, NVIDIA Dynamo für die verteilte Bereitstellung von Inferenzdiensten und Multi-Instance GPU zur Aufteilung von GPUs auf gleichzeitig ausgeführte klinische Arbeitslasten.

Die Unternehmen prüfen außerdem, den Einsatz auf mehrere Blackwell Ultra-GPUs auszuweiten, wenn die Verarbeitung von gebündelten Auswertungen zu klinischen Erkenntnissen nahezu in Echtzeit am Ort der Versorgung übergeht. Dabei handelt es sich weiterhin um Prüfziele und nicht um bereits abgeschlossene Bereitstellungen. Für Gesundheitssysteme stellt sich die praktische Frage, ob extern validierte Modelle die Auswertung von Patientenakten im Maßstab ganzer Bevölkerungsgruppen in zuverlässige klinische Maßnahmen umsetzen können, während das medizinische Fachpersonal die Kontrolle über die Behandlungsentscheidungen behält.