Dyania Health esegue Synapsis AI su sistemi GPU di proprietà degli ospedali

Dyania Health e NVIDIA hanno annunciato il 13 novembre 2026 che Synapsis AI è in esecuzione su sistemi di calcolo accelerato NVIDIA di proprietà degli ospedali. La prima ricerca, condotta presso Cleveland Clinic, ha coinvolto 7.812 pazienti sottoposti a sostituzione della valvola aortica. La collaborazione mira a esaminare le cartelle cliniche di intere popolazioni di pazienti senza trasferirle al di fuori delle reti dei sistemi sanitari.

Dyania Health descrive Synapsis AI come un motore di ragionamento clinico che legge anni di note, referti operatori, referti di diagnostica per immagini e risultati di laboratorio, quindi risponde alle domande cliniche fornendo prove collegate alla cartella clinica. I risultati sono segnali clinici pensati per indicare ai team di assistenza quali pazienti richiedono attenzione e perché; i medici esaminano le prove e prendono tutte le decisioni.

Ragionamento clinico in sede

L’implementazione utilizza NVIDIA AI Enterprise in tutti i livelli dello stack software. Dyania addestra i propri modelli clinici proprietari con NeMo, quindi usa TensorRT e TensorRT-LLM per ottimizzare l’inferenza sui server GPU degli ospedali. L’inferenza rimane così all’interno della rete privata dell’ospedale, senza inviare le cartelle cliniche dei pazienti a un ambiente esterno.

NVIDIA ha dichiarato che il sistema mantiene una funzione di supporto: mette in evidenza le prove contenute nelle cartelle cliniche, che i medici devono verificare e utilizzare. La distinzione è importante perché l’implementazione automatizza l’esame delle cartelle e il rilevamento dei segnali, non le decisioni cliniche che ne conseguono.

Le aziende puntano a risolvere un collo di bottiglia legato alle attività manuali nella ricerca ospedaliera e nella gestione dell’assistenza. Spesso i dettagli importanti sono contenuti in testi narrativi anziché in campi strutturati, il che limita il numero di cartelle che il personale può esaminare per registri, studi sugli esiti e modelli predittivi. Synapsis AI consente di esaminare nel tempo la popolazione di un sistema sanitario; tra i possibili impieghi figurano l’individuazione di lacune nell’assistenza, la ricerca osservazionale e l’abbinamento ai trial clinici.

Studio sulle valvole a Cleveland Clinic

Lo studio ha esaminato pazienti sottoposti a sostituzione della valvola aortica tra il 2005 e il 2021, analizzando fino a 16 anni di assistenza per ciascun paziente. Synapsis AI ha risposto a 88 domande cliniche per ogni paziente, riguardanti le caratteristiche della valvola, le patologie concomitanti, gli andamenti dei valori di laboratorio, i farmaci, le misurazioni ecografiche di controllo e gli eventi clinici successivi. Gran parte di queste informazioni era contenuta in note narrative e referti ecocardiografici.

NVIDIA ha dichiarato che la piattaforma ha completato l’esame delle cartelle dell’intera coorte, un’attività che avrebbe richiesto anni ai medici se svolta manualmente. Il set di dati ottenuto è stato utilizzato per addestrare un modello predittivo di apprendimento automatico che stima il rischio di deterioramento della valvola e di un nuovo intervento a tre, cinque e 10 anni, aggiornando le stime a ogni nuova ecografia.

Dyania ha riferito che il tipo di valvola impiantata era il fattore più determinante per la rapidità del deterioramento, mentre l’età e altre patologie influivano sulla necessità e sui tempi di un secondo intervento. L’analisi ha inoltre esaminato come le informazioni raccolte durante i controlli, per esempio le ecografie postoperatorie, possano aumentare sensibilmente la precisione delle previsioni sui futuri interventi.

«Utilizzare la tecnologia per riunire e analizzare informazioni che possono aiutarci a prevedere la durata delle valvole cardiache impiantate è un passo promettente verso il miglioramento degli esiti e un’assistenza più personalizzata per i pazienti», ha dichiarato Lars G. Svensson, responsabile dell’Heart, Vascular & Thoracic Institute di Cleveland Clinic.

Lo studio dimostra la creazione di un set di dati e la previsione del rischio, non il miglioramento degli esiti per i pazienti. Dyania afferma che lo strumento è pensato per orientare l’assistenza e che, prima di un suo più ampio impiego clinico, è necessaria una convalida clinica esterna.

Piano di implementazione

Nel suo annuncio della collaborazione, Dyania afferma che le aziende intendono realizzare implementazioni presso sistemi sanitari negli Stati Uniti e a livello internazionale, pubblicare casi di studio congiunti e integrare Synapsis AI con lo stack software sanitario di NVIDIA. Tra le tecnologie in fase di valutazione figurano NVIDIA Confidential Computing per l’addestramento e l’inferenza, NVIDIA Dynamo per la gestione dell’inferenza distribuita e Multi-Instance GPU per suddividere le GPU tra carichi di lavoro clinici simultanei.

Le aziende stanno inoltre valutando la possibilità di estendere l’impiego a più GPU Blackwell Ultra, man mano che l’elaborazione passa dall’esame in batch verso informazioni cliniche quasi in tempo reale nel luogo di cura. Si tratta ancora di obiettivi in fase di valutazione, non di implementazioni già realizzate. Per i sistemi sanitari, la questione pratica è se modelli convalidati esternamente possano trasformare l’esame delle cartelle su scala di popolazione in azioni cliniche affidabili, lasciando ai medici il controllo delle decisioni assistenziali.