Dyania Health uruchamia Synapsis AI w systemach GPU należących do szpitali

Dyania Health i NVIDIA ogłosiły 13 listopada 2026 r., że Synapsis AI działa w oparciu o przyspieszone przetwarzanie danych NVIDIA w systemach należących do szpitali. W ramach pierwszego badania w Cleveland Clinic przeanalizowano dane 7 812 pacjentów po wymianie zastawki aortalnej. Współpraca ma umożliwić analizę dokumentacji całych populacji pacjentów bez przenoszenia jej poza sieci systemów opieki zdrowotnej.

Dyania Health opisuje Synapsis AI jako silnik wnioskowania klinicznego, który analizuje dokumentację z wielu lat, w tym notatki, opisy operacji i badań obrazowych oraz wyniki badań laboratoryjnych, a następnie odpowiada na pytania kliniczne, wskazując powiązane z dokumentacją dowody. System generuje sygnały kliniczne, które mają pokazywać zespołom opieki, którym pacjentom należy poświęcić uwagę i dlaczego; lekarze weryfikują dowody i podejmują wszystkie decyzje.

Wnioskowanie kliniczne w lokalnym środowisku

Wdrożenie wykorzystuje NVIDIA AI Enterprise w całym stosie oprogramowania. Dyania trenuje własne modele kliniczne za pomocą NeMo, a następnie używa TensorRT i TensorRT-LLM do optymalizacji wnioskowania na szpitalnych serwerach GPU. Dzięki temu wnioskowanie odbywa się w prywatnej sieci szpitala, a dokumentacja pacjentów nie jest przesyłana do środowiska zewnętrznego.

NVIDIA poinformowała, że system pełni funkcję wspomagającą: wskazuje dowody zawarte w dokumentacji medycznej, które lekarze muszą potwierdzić i uwzględnić w dalszym postępowaniu. To rozróżnienie jest istotne, ponieważ wdrożenie automatyzuje przegląd dokumentacji i wykrywanie sygnałów, a nie podejmowanie następujących po nim decyzji klinicznych.

Firmy chcą rozwiązać problem wąskiego gardła wynikającego z ręcznej pracy w badaniach szpitalnych i zarządzaniu opieką. Ważne informacje często znajdują się w opisowych notatkach, a nie w ustrukturyzowanych polach, co ogranicza liczbę dokumentacji, które personel może przeanalizować na potrzeby rejestrów, badań wyników leczenia i modeli predykcyjnych. Synapsis AI umożliwia analizę danych pacjentów w dłuższym okresie w całej populacji objętej opieką danego systemu opieki zdrowotnej. Potencjalne zastosowania obejmują wykrywanie luk w opiece, badania obserwacyjne i dopasowywanie pacjentów do badań klinicznych.

Badanie zastawki w Cleveland Clinic

W badaniu uwzględniono pacjentów, którym wszczepiono zastawkę aortalną w latach 2005–2021, analizując dokumentację obejmującą opiekę trwającą do 16 lat na pacjenta. Synapsis AI odpowiedziało dla każdego pacjenta na 88 pytań klinicznych dotyczących cech zastawki, współistniejących schorzeń, zmian wyników badań laboratoryjnych, leków, kontrolnych pomiarów ultrasonograficznych i późniejszych zdarzeń klinicznych. Znaczna część tych informacji znajdowała się w opisowych notatkach i raportach z badań echokardiograficznych.

NVIDIA poinformowała, że platforma przeprowadziła przegląd dokumentacji całej kohorty — zadanie, którego ręczne wykonanie przez lekarzy zajęłoby lata. Utworzony zbiór danych posłużył do wytrenowania predykcyjnego modelu uczenia maszynowego, który szacuje ryzyko niewydolności zastawki i ponownej interwencji po trzech, pięciu i 10 latach, a następnie aktualizuje te szacunki po każdym nowym badaniu ultrasonograficznym.

Dyania poinformowała, że rodzaj wszczepionej zastawki był najważniejszym czynnikiem wpływającym na tempo jej zużycia, natomiast wiek i inne schorzenia wpływały na to, czy i kiedy przeprowadzano drugi zabieg. W analizie zbadano również, jak informacje z badań kontrolnych, na przykład ultrasonograficznych po operacji, mogą znacznie zwiększyć dokładność prognoz dotyczących przyszłych interwencji.

„Wykorzystanie technologii do łączenia i analizowania informacji, które mogą pomóc przewidzieć trwałość wszczepionych zastawek serca, to obiecujący krok w kierunku poprawy wyników leczenia i bardziej spersonalizowanej opieki nad pacjentami” — powiedział Lars G. Svensson, kierownik Heart, Vascular & Thoracic Institute w Cleveland Clinic.

Badanie pokazuje, jak tworzyć zbiory danych i prognozować ryzyko, ale nie dowodzi poprawy wyników leczenia pacjentów. Dyania podkreśla, że narzędzie ma wspierać opiekę, a przed szerszym wykorzystaniem w praktyce klinicznej wymaga zewnętrznej walidacji klinicznej.

Plan wdrożenia

W komunikacie o współpracy Dyania informuje, że firmy zamierzają wdrażać rozwiązanie w systemach opieki zdrowotnej w Stanach Zjednoczonych i na świecie, publikować wspólne opisy przypadków oraz integrować Synapsis AI ze stosem oprogramowania NVIDIA dla ochrony zdrowia. Oceniane technologie obejmują NVIDIA Confidential Computing do trenowania i wnioskowania, NVIDIA Dynamo do obsługi rozproszonego wnioskowania oraz Multi-Instance GPU do partycjonowania układów GPU na potrzeby równoległych obciążeń klinicznych.

Firmy oceniają również możliwość skalowania rozwiązania do wielu układów GPU Blackwell Ultra, w miarę jak przetwarzanie danych przechodzi od analiz wsadowych do uzyskiwania informacji klinicznych niemal w czasie rzeczywistym w miejscu udzielania opieki. Są to nadal cele podlegające ocenie, a nie zrealizowane wdrożenia. Dla systemów opieki zdrowotnej kluczowe jest to, czy modele zweryfikowane zewnętrznie mogą przekształcić analizę dokumentacji obejmującej całe populacje w wiarygodne działania kliniczne, przy jednoczesnym zachowaniu przez lekarzy kontroli nad decyzjami dotyczącymi opieki.