파트너십
Dyania Health, 병원 소유 GPU 시스템에서 Synapsis AI 운영
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트Synapsis AI keeps patient records inside hospital networks by running inference on…
더 보기
- Synapsis AI keeps patient records inside hospital networks by running inference on on-premises GPU servers.
- Cleveland Clinic's study used Synapsis AI to build a predictive model of valve failure and reintervention risk.
- The system automates chart review and signal detection while clinicians retain every clinical decision.
Dyania Health와 NVIDIA는 2026년 11월 13일, Synapsis AI가 병원 소유의 NVIDIA 가속 컴퓨팅 시스템에서 구동되고 있다고 발표했다. 초기 연구는 대동맥판막 치환술을 받은 환자 7,812명을 대상으로 Cleveland Clinic에서 진행된다. 이번 협력은 환자 집단 전반의 기록을 검토하되, 기록을 의료 시스템 네트워크 밖으로 옮기지 않도록 설계됐다.
Dyania Health는 Synapsis AI를 수년간의 진료 기록, 수술 보고서, 영상 검사 보고서와 검사실 결과를 읽고 차트에 연결된 근거를 바탕으로 임상 질문에 답하는 임상 추론 엔진이라고 설명한다. 이 시스템의 출력은 어떤 환자에게 주의가 필요한지, 그 이유는 무엇인지를 진료팀에 알리기 위한 임상 신호다. 임상의는 근거를 검토하고 모든 의사결정을 내린다.
온프레미스 임상 추론
이 구축 환경은 소프트웨어 스택 전반에서 NVIDIA AI Enterprise를 사용한다. Dyania는 NeMo로 자체 임상 모델을 학습한 다음 TensorRT와 TensorRT-LLM을 사용해 병원 GPU 서버에서의 추론을 최적화한다. 따라서 추론은 병원의 사설 네트워크 안에서 이루어지며, 환자 기록을 외부 환경으로 전송하지 않는다.
NVIDIA는 이 시스템이 보조 기능으로 유지된다고 밝혔다. 즉, 의료 기록에서 근거를 찾아 제시하지만, 임상의가 이를 확인하고 조치를 취해야 한다. 이 구분이 중요한 이유는 이 구축 환경이 차트 검토와 신호 탐지를 자동화할 뿐, 그에 뒤따르는 임상적 결정을 자동화하는 것은 아니기 때문이다.
양사는 병원의 연구와 진료 관리에서 수작업으로 처리되는 병목을 해소하려 한다. 중요한 정보가 구조화된 필드가 아니라 서술형 텍스트에 담겨 있는 경우가 많아, 직원들이 등록 자료, 결과 연구, 예측 모델에 활용하기 위해 검토할 수 있는 차트 수가 제한된다. Synapsis AI는 의료 시스템의 환자 집단 전체를 대상으로 장기간에 걸친 기록 검토를 수행하며, 잠재적 활용 분야로 진료 공백 탐지, 관찰 연구, 임상시험 대상자 매칭 등이 있다.
Cleveland Clinic 대동맥판막 연구
이 연구는 2005년부터 2021년 사이에 대동맥판막 치환술을 받은 환자를 조사했으며, 환자 한 명당 최대 16년간의 진료 기록을 검토했다. Synapsis AI는 환자별로 판막 특성, 동반 질환, 검사 결과의 추이, 복용 약물, 추적 관찰 초음파 측정값, 이후 발생한 임상 사건을 다루는 임상 질문 88개에 답했다. 해당 이력의 상당 부분은 서술형 진료 기록과 심장초음파 보고서에 담겨 있었다.
NVIDIA는 플랫폼이 전체 환자 집단의 차트 검토를 완료했으며, 임상의가 수작업으로 진행했다면 수년이 걸렸을 것이라고 밝혔다. 이 과정에서 확보한 데이터 세트는 판막 부전 및 재시술 위험을 3년, 5년, 10년 시점으로 추정하고 새로운 초음파 검사 때마다 추정치를 갱신하는 예측 머신러닝 모델을 학습하는 데 사용됐다.
Dyania는 이식된 판막의 유형이 판막이 얼마나 빠르게 악화되는지를 결정하는 가장 중요한 요인이었으며, 나이와 기타 질환은 2차 시술을 받을지 여부와 시기에 영향을 미쳤다고 보고했다. 또한 수술 후 초음파와 같은 추적 관찰 정보를 활용하면 향후 시술에 대한 예측 정확도를 크게 높일 수 있는지도 분석했다.
“이식된 심장판막의 수명을 예측하는 데 도움이 되는 정보를 기술로 통합하고 분석하는 것은 환자의 치료 결과를 개선하고 개인별 맞춤 진료를 강화하는 유망한 단계입니다”라고 Cleveland Clinic 심장·혈관·흉부 연구소 소장인 Lars G. Svensson은 말했다.
이 연구는 데이터 세트 구축과 위험 예측을 보여 줄 뿐, 환자의 치료 결과가 개선됐음을 입증하지는 않는다. Dyania는 이 도구가 진료에 참고 정보를 제공하도록 설계됐으며, 임상 현장에서 더 폭넓게 활용하기 전에 외부 임상 검증이 필요하다고 밝혔다.
구축 로드맵
Dyania의 협력 발표에 따르면, 양사는 미국과 해외에서 의료 시스템에 Synapsis AI를 도입하고, 공동 사례 연구를 발표하며, Synapsis AI를 NVIDIA의 의료 소프트웨어 스택과 통합할 계획이다. 현재 평가 중인 기술에는 학습과 추론을 위한 NVIDIA Confidential Computing, 분산 추론 서비스를 위한 NVIDIA Dynamo, 그리고 동시에 실행되는 임상 워크로드에 맞춰 GPU를 분할하는 Multi-Instance GPU가 포함된다.
양사는 처리 방식이 일괄 검토에서 진료 현장의 거의 실시간 임상 인사이트 제공으로 전환됨에 따라 Blackwell Ultra GPU 여러 대로 확장하는 방안도 평가하고 있다. 이는 완료된 배포가 아니라 여전히 평가 목표다. 의료 시스템이 실질적으로 확인해야 할 점은 외부 검증을 거친 모델이 대규모 환자 집단의 기록 검토를 신뢰할 수 있는 임상 조치로 전환할 수 있는지, 그리고 임상의가 진료 의사결정에 대한 통제권을 유지할 수 있는지다.
