Η Dyania Health εκτελεί το Synapsis AI σε συστήματα GPU που ανήκουν σε νοσοκομεία

Η Dyania Health και η NVIDIA ανακοίνωσαν στις 13 Νοεμβρίου 2026 ότι το Synapsis AI λειτουργεί σε συστήματα επιταχυνόμενης υπολογιστικής της NVIDIA που ανήκουν σε νοσοκομεία, με μια αρχική μελέτη στην Cleveland Clinic, η οποία περιλαμβάνει 7.812 ασθενείς που υποβλήθηκαν σε αντικατάσταση αορτικής βαλβίδας. Η συνεργασία αποσκοπεί στην εξέταση φακέλων ασθενών από διαφορετικούς πληθυσμούς, χωρίς τα δεδομένα να μεταφέρονται έξω από τα δίκτυα των συστημάτων υγείας.

Dyania Health περιγράφει το Synapsis AI ως μηχανή κλινικού συλλογισμού που διαβάζει σημειώσεις, χειρουργικές εκθέσεις, απεικονιστικές εκθέσεις και εργαστηριακά αποτελέσματα πολλών ετών και, στη συνέχεια, απαντά σε κλινικά ερωτήματα παραθέτοντας τεκμηρίωση συνδεδεμένη με τον ιατρικό φάκελο. Τα αποτελέσματά του είναι κλινικές ενδείξεις που αποσκοπούν στο να δείχνουν στις ομάδες φροντίδας ποιοι ασθενείς χρειάζονται προσοχή και γιατί· οι κλινικοί εξετάζουν τα στοιχεία και λαμβάνουν κάθε απόφαση.

Κλινικός συλλογισμός εντός νοσοκομείου

Η ανάπτυξη χρησιμοποιεί το NVIDIA AI Enterprise σε όλη τη στοίβα λογισμικού. Η Dyania εκπαιδεύει τα ιδιόκτητα κλινικά μοντέλα της με το NeMo και, στη συνέχεια, χρησιμοποιεί τα TensorRT και TensorRT-LLM για να βελτιστοποιήσει την εκτέλεση συμπερασμού σε διακομιστές GPU των νοσοκομείων. Έτσι, η εκτέλεση συμπερασμού παραμένει στο ιδιωτικό δίκτυο του νοσοκομείου, αντί να αποστέλλονται οι ιατρικοί φάκελοι σε εξωτερικό περιβάλλον.

Η NVIDIA δήλωσε ότι το σύστημα εξακολουθεί να λειτουργεί υποστηρικτικά: αναδεικνύει στοιχεία από τους ιατρικούς φακέλους, τα οποία οι κλινικοί πρέπει να επιβεβαιώσουν και να αξιοποιήσουν. Η διάκριση αυτή έχει σημασία, επειδή η ανάπτυξη αυτοματοποιεί την εξέταση των ιατρικών φακέλων και τον εντοπισμό ενδείξεων, όχι τις κλινικές αποφάσεις που ακολουθούν.

Οι εταιρείες στοχεύουν σε ένα σημείο συμφόρησης που οφείλεται στη χειρωνακτική εργασία στην έρευνα και τη διαχείριση της φροντίδας στα νοσοκομεία. Σημαντικές λεπτομέρειες συχνά περιέχονται σε αφηγηματικό κείμενο και όχι σε δομημένα πεδία, περιορίζοντας τον αριθμό των ιατρικών φακέλων που μπορεί να εξετάσει το προσωπικό για μητρώα, μελέτες εκβάσεων και προγνωστικά μοντέλα. Το Synapsis AI εφαρμόζει διαχρονική επισκόπηση στον πληθυσμό ενός συστήματος υγείας, με πιθανές χρήσεις τον εντοπισμό κενών στη φροντίδα, την παρατηρησιακή έρευνα και την αντιστοίχιση ασθενών με κλινικές δοκιμές.

Μελέτη καρδιακών βαλβίδων στην Cleveland Clinic

Η μελέτη εξέτασε ασθενείς που υποβλήθηκαν σε αντικατάσταση αορτικής βαλβίδας από το 2005 έως το 2021, αναλύοντας έως και 16 χρόνια φροντίδας για κάθε ασθενή. Το Synapsis AI απάντησε για κάθε ασθενή σε 88 κλινικά ερωτήματα σχετικά με τα χαρακτηριστικά της βαλβίδας, τις συνυπάρχουσες παθήσεις, τις εργαστηριακές τάσεις, τα φάρμακα, τις μετρήσεις υπερήχων κατά την παρακολούθηση και τα μεταγενέστερα κλινικά συμβάντα. Μεγάλο μέρος αυτού του ιστορικού περιλαμβανόταν σε αφηγηματικές σημειώσεις και εκθέσεις υπερηχοκαρδιογραφημάτων.

Η NVIDIA δήλωσε ότι η πλατφόρμα ολοκλήρωσε την εξέταση των ιατρικών φακέλων ολόκληρης της ομάδας ασθενών, μια εργασία που θα απαιτούσε χρόνια για να την ολοκληρώσουν κλινικοί με μη αυτόματο τρόπο. Το σύνολο δεδομένων που προέκυψε χρησιμοποιήθηκε για την εκπαίδευση ενός μοντέλου μηχανικής μάθησης που προβλέπει τον κίνδυνο ανεπάρκειας της βαλβίδας και επανεπέμβασης στα τρία, πέντε και 10 χρόνια και αναθεωρεί τις εκτιμήσεις με κάθε νέο υπερηχογράφημα.

Η Dyania ανέφερε ότι ο τύπος της εμφυτευμένης βαλβίδας ήταν ο σημαντικότερος παράγοντας που καθόριζε πόσο γρήγορα φθειρόταν, ενώ η ηλικία και άλλες παθήσεις επηρέαζαν το αν και πότε θα πραγματοποιούνταν δεύτερη επέμβαση. Η ανάλυση εξέτασε επίσης πώς οι πληροφορίες παρακολούθησης, όπως οι υπέρηχοι μετά την επέμβαση, μπορούν να αυξήσουν σημαντικά την ακρίβεια των προβλέψεων σχετικά με μελλοντικές παρεμβάσεις.

«Η αξιοποίηση της τεχνολογίας για τη συγκέντρωση και ανάλυση πληροφοριών που μπορούν να μας βοηθήσουν να προβλέψουμε τη διάρκεια λειτουργίας των εμφυτευμένων καρδιακών βαλβίδων είναι ένα ελπιδοφόρο βήμα προς τη βελτίωση των αποτελεσμάτων και την πιο εξατομικευμένη φροντίδα των ασθενών», δήλωσε ο Lars G. Svensson, επικεφαλής του Heart, Vascular & Thoracic Institute της Cleveland Clinic.

Η μελέτη καταδεικνύει τη δημιουργία συνόλου δεδομένων και την πρόβλεψη κινδύνου, όχι τη βελτίωση των εκβάσεων για τους ασθενείς. Η Dyania αναφέρει ότι το εργαλείο προορίζεται να ενημερώνει τη φροντίδα και ότι απαιτείται εξωτερική κλινική επικύρωση πριν από την ευρύτερη κλινική αξιοποίησή του.

Οδικός χάρτης ανάπτυξης

Η ανακοίνωση της συνεργασίας από την Dyania αναφέρει ότι οι εταιρείες σχεδιάζουν να προχωρήσουν σε υλοποιήσεις σε συστήματα υγείας στις Ηνωμένες Πολιτείες και διεθνώς, να δημοσιεύσουν από κοινού μελέτες περίπτωσης και να ενσωματώσουν το Synapsis AI στη στοίβα λογισμικού υγειονομικής περίθαλψης της NVIDIA. Οι τεχνολογίες που αξιολογούνται περιλαμβάνουν το NVIDIA Confidential Computing για εκπαίδευση και εκτέλεση συμπερασμού, το NVIDIA Dynamo για την εξυπηρέτηση κατανεμημένων εργασιών συμπερασμού και το Multi-Instance GPU για τον διαμερισμό των GPU μεταξύ ταυτόχρονων κλινικών φόρτων εργασίας.

Οι εταιρείες αξιολογούν επίσης την επέκταση σε πολλαπλές GPU Blackwell Ultra, καθώς η επεξεργασία μετατοπίζεται από την εξέταση παρτίδων προς την παροχή κλινικών πληροφοριών σχεδόν σε πραγματικό χρόνο, στο σημείο παροχής της φροντίδας. Αυτά παραμένουν στόχοι υπό αξιολόγηση και δεν αποτελούν ολοκληρωμένες υλοποιήσεις. Για τα συστήματα υγείας, το πρακτικό ερώτημα είναι αν μοντέλα που έχουν επικυρωθεί εξωτερικά μπορούν να μετατρέψουν την εξέταση ιατρικών φακέλων σε κλίμακα πληθυσμού σε αξιόπιστη κλινική δράση, διατηρώντας παράλληλα στους κλινικούς τον έλεγχο των αποφάσεων περί φροντίδας.