Dyania Health Menjalankan Synapsis AI pada Sistem GPU Milik Rumah Sakit

Dyania Health dan NVIDIA mengumumkan pada 13 November 2026 bahwa Synapsis AI berjalan menggunakan komputasi akselerasi NVIDIA milik rumah sakit, dengan studi awal di Cleveland Clinic yang mencakup 7.812 pasien penggantian katup aorta. Kolaborasi ini dirancang untuk meninjau rekam medis dari populasi pasien tanpa memindahkannya ke luar jaringan sistem kesehatan.

Dyania Health menjelaskan bahwa Synapsis AI adalah mesin penalaran klinis yang membaca catatan, laporan operasi, laporan pencitraan, dan hasil laboratorium selama bertahun-tahun, lalu menjawab pertanyaan klinis dengan bukti yang ditautkan ke rekam medis. Hasilnya berupa sinyal klinis yang dimaksudkan untuk menunjukkan kepada tim perawatan pasien mana yang perlu mendapat perhatian dan alasannya; klinisi meninjau bukti tersebut dan mengambil setiap keputusan.

Penalaran Klinis di Lokasi

Penerapan ini menggunakan NVIDIA AI Enterprise di seluruh tumpukan perangkat lunak. Dyania melatih model klinis proprieternya dengan NeMo, lalu menggunakan TensorRT dan TensorRT-LLM untuk mengoptimalkan inferensi pada server GPU rumah sakit. Dengan demikian, inferensi tetap berlangsung di dalam jaringan privat rumah sakit, alih-alih mengirim rekam medis pasien ke lingkungan eksternal.

NVIDIA menyatakan bahwa sistem ini tetap berfungsi sebagai alat bantu: sistem menampilkan bukti dari rekam medis yang harus dikonfirmasi dan ditindaklanjuti oleh klinisi. Perbedaan ini penting karena penerapan tersebut mengotomatiskan peninjauan rekam medis dan deteksi sinyal, bukan keputusan klinis yang menyusul.

Kedua perusahaan menyasar hambatan dalam riset dan pengelolaan perawatan di rumah sakit yang selama ini ditangani secara manual. Rincian penting sering kali terdapat dalam teks naratif, bukan kolom terstruktur, sehingga membatasi jumlah rekam medis yang dapat ditinjau staf untuk keperluan registri, studi luaran, dan model prediktif. Synapsis AI meninjau data longitudinal di seluruh populasi suatu sistem kesehatan, dengan potensi penggunaan yang mencakup deteksi kesenjangan perawatan, riset observasional, dan pencocokan uji klinis.

Studi Katup di Cleveland Clinic

Studi ini meneliti pasien yang menjalani penggantian katup aorta antara 2005 dan 2021, dengan meninjau riwayat perawatan hingga 16 tahun untuk setiap pasien. Synapsis AI menjawab 88 pertanyaan klinis untuk setiap pasien, yang mencakup karakteristik katup, kondisi penyerta, tren hasil laboratorium, obat-obatan, pengukuran ultrasonografi tindak lanjut, dan kejadian klinis berikutnya. Sebagian besar riwayat tersebut tercatat dalam catatan naratif dan laporan ekokardiogram.

NVIDIA menyatakan bahwa platform tersebut telah menyelesaikan peninjauan rekam medis untuk seluruh kohort, pekerjaan yang akan memerlukan waktu bertahun-tahun jika dilakukan klinisi secara manual. Kumpulan data yang dihasilkan digunakan untuk melatih model pembelajaran mesin prediktif yang memperkirakan risiko kegagalan katup dan intervensi ulang dalam tiga, lima, dan 10 tahun, serta memperbarui perkiraan tersebut setiap kali ada hasil ultrasonografi baru.

Dyania melaporkan bahwa jenis katup yang ditanamkan merupakan faktor penentu terkuat dalam kecepatan kerusakan katup, sementara usia dan kondisi medis lainnya memengaruhi kemungkinan dan waktu dilakukannya prosedur kedua. Analisis tersebut juga menelaah bagaimana informasi tindak lanjut, seperti ultrasonografi setelah operasi, dapat meningkatkan akurasi prediksi secara signifikan terkait intervensi di masa mendatang.

“Pemanfaatan teknologi untuk menghimpun dan menganalisis informasi yang dapat membantu kita memperkirakan daya tahan katup jantung yang ditanamkan merupakan langkah menjanjikan menuju peningkatan hasil perawatan dan layanan yang lebih personal bagi pasien,” ujar Lars G. Svensson, kepala Heart, Vascular & Thoracic Institute di Cleveland Clinic.

Studi ini menunjukkan penyusunan kumpulan data dan prediksi risiko, bukan peningkatan hasil perawatan pasien. Dyania menyatakan bahwa alat ini dimaksudkan untuk membantu pengambilan keputusan perawatan dan memerlukan validasi klinis eksternal sebelum dapat lebih luas dijadikan acuan dalam praktik klinis.

Peta Jalan Penerapan

Dalam pengumuman kolaborasinya, Dyania menyatakan bahwa kedua perusahaan berencana menerapkan teknologi ini di sistem kesehatan di Amerika Serikat dan secara internasional, menerbitkan studi kasus bersama, serta mengintegrasikan Synapsis AI dengan tumpukan perangkat lunak layanan kesehatan NVIDIA. Teknologi yang sedang dievaluasi mencakup NVIDIA Confidential Computing untuk pelatihan dan inferensi, NVIDIA Dynamo untuk layanan inferensi terdistribusi, serta Multi-Instance GPU untuk membagi GPU di antara beban kerja klinis yang berjalan secara bersamaan.

Kedua perusahaan juga sedang mengevaluasi peningkatan skala hingga menggunakan beberapa GPU Blackwell Ultra, seiring peralihan pemrosesan dari peninjauan secara berkelompok menuju wawasan klinis nyaris waktu nyata di tempat perawatan. Hal-hal ini masih menjadi sasaran evaluasi, bukan penerapan yang telah selesai. Bagi sistem kesehatan, pertanyaan praktisnya adalah apakah model yang telah divalidasi secara eksternal dapat mengubah peninjauan rekam medis dalam skala populasi menjadi tindakan klinis yang andal, sementara klinisi tetap memegang kendali atas keputusan perawatan.