Dyania Health fait fonctionner Synapsis AI sur des systèmes GPU appartenant aux hôpitaux

Dyania Health et NVIDIA ont annoncé le 13 novembre 2026 que Synapsis AI fonctionnait sur des systèmes de calcul accéléré NVIDIA appartenant aux hôpitaux. Une première étude menée à la Cleveland Clinic porte sur 7 812 patients ayant subi un remplacement de la valve aortique. Cette collaboration vise à examiner les dossiers de populations de patients sans les transférer hors des réseaux des systèmes de santé.

Dyania Health présente Synapsis AI comme un moteur de raisonnement clinique capable de lire des années de notes, de comptes rendus opératoires, de rapports d’imagerie et de résultats d’analyses, puis de répondre à des questions cliniques en fournissant des éléments probants liés au dossier médical. Ses résultats prennent la forme de signaux cliniques destinés à indiquer aux équipes soignantes quels patients nécessitent une attention particulière et pourquoi ; les cliniciens examinent les éléments probants et prennent toutes les décisions.

Raisonnement clinique sur site

Le déploiement s’appuie sur NVIDIA AI Enterprise dans l’ensemble de la pile logicielle. Dyania entraîne ses modèles cliniques propriétaires avec NeMo, puis utilise TensorRT et TensorRT-LLM pour optimiser l’inférence sur les serveurs GPU des hôpitaux. L’inférence reste ainsi dans le réseau privé de l’hôpital, au lieu d’envoyer les dossiers des patients vers un environnement externe.

NVIDIA a précisé que le système reste un outil d’assistance : il fait ressortir des éléments probants tirés des dossiers médicaux, que les cliniciens doivent confirmer et prendre en compte. Cette distinction est importante, car le déploiement automatise l’examen des dossiers et la détection des signaux, et non les décisions cliniques qui en découlent.

Les entreprises s’attaquent à un goulot d’étranglement lié au travail manuel dans la recherche hospitalière et la gestion des soins. Des informations importantes figurent souvent dans du texte narratif plutôt que dans des champs structurés, ce qui limite le nombre de dossiers que le personnel peut examiner pour constituer des registres, mener des études sur les résultats et élaborer des modèles prédictifs. Synapsis AI permet d’effectuer un examen longitudinal de la population d’un système de santé ; ses applications potentielles comprennent la détection des lacunes dans la prise en charge, la recherche observationnelle et l’appariement avec des essais cliniques.

Étude sur les valves à la Cleveland Clinic

L’étude a porté sur des patients ayant reçu une nouvelle valve aortique entre 2005 et 2021, et a examiné jusqu’à 16 ans de soins pour chacun d’eux. Synapsis AI a répondu, pour chaque patient, à 88 questions cliniques portant sur les caractéristiques de la valve, les affections concomitantes, l’évolution des résultats d’analyses, les médicaments, les mesures échographiques de suivi et les événements cliniques ultérieurs. Une grande partie de ces antécédents figurait dans des notes narratives et des rapports d’échocardiographie.

NVIDIA a indiqué que la plateforme avait terminé l’examen des dossiers de l’ensemble de la cohorte, un travail qui aurait demandé des années aux cliniciens s’ils l’avaient effectué manuellement. Les données ainsi obtenues ont servi à entraîner un modèle prédictif d’apprentissage automatique qui estime le risque de défaillance de la valve et de réintervention à trois, cinq et 10 ans, puis actualise ces estimations à chaque nouvelle échographie.

Dyania a indiqué que le type de valve implantée était le principal facteur déterminant la vitesse de détérioration de la valve, tandis que l’âge et d’autres problèmes de santé influaient sur la survenue éventuelle d’une deuxième intervention et sur le moment où elle avait lieu. L’analyse a également examiné dans quelle mesure les informations de suivi, comme les échographies postopératoires, peuvent améliorer sensiblement la précision des prédictions concernant de futures interventions.

« Le recours à la technologie pour rassembler et analyser des informations susceptibles de nous aider à prévoir la durée de vie des valves cardiaques implantées constitue une étape prometteuse vers l’amélioration des résultats et des soins plus personnalisés pour les patients », a déclaré Lars G. Svensson, chef du Heart, Vascular & Thoracic Institute de la Cleveland Clinic.

L’étude démontre la constitution d’un jeu de données et la prédiction des risques, mais pas l’amélioration des résultats pour les patients. Dyania indique que l’outil est destiné à éclairer les soins et qu’il doit faire l’objet d’une validation clinique externe avant qu’on puisse s’y fier plus largement en pratique clinique.

Feuille de route du déploiement

Dans leur annonce de collaboration, Dyania indique que les entreprises prévoient de déployer leurs solutions dans des systèmes de santé aux États-Unis et à l’international, de publier des études de cas conjointes et d’intégrer Synapsis AI à la pile logicielle de NVIDIA pour la santé. Parmi les technologies à l’étude figurent NVIDIA Confidential Computing pour l’entraînement et l’inférence, NVIDIA Dynamo pour le service d’inférence distribuée et Multi-Instance GPU pour le partitionnement des GPU entre plusieurs charges de travail cliniques simultanées.

Les entreprises évaluent également la possibilité de passer à plusieurs GPU Blackwell Ultra, à mesure que le traitement évolue de l’examen par lots vers l’obtention d’informations cliniques quasi en temps réel au point de prise en charge. Il s’agit encore d’objectifs à l’étude, et non de déploiements réalisés. Pour les systèmes de santé, la question pratique est de savoir si des modèles validés en externe peuvent transformer l’examen des dossiers à l’échelle d’une population en actions cliniques fiables, tout en laissant aux cliniciens le contrôle des décisions relatives aux soins.