Parcerias
Dyania Health executa Synapsis AI em sistemas de GPU de propriedade dos hospitais
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveSynapsis AI keeps patient records inside hospital networks by running inference on…
Ver mais
- 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 Health e NVIDIA anunciaram em 13 de novembro de 2026 que o Synapsis AI está sendo executado em sistemas de computação acelerada da NVIDIA de propriedade dos hospitais, com um estudo inicial na Cleveland Clinic que abrangeu 7.812 pacientes submetidos à substituição da válvula aórtica. A colaboração foi concebida para analisar prontuários de populações de pacientes sem transferi-los para fora das redes dos sistemas de saúde.
Dyania Health descreve o Synapsis AI como um mecanismo de raciocínio clínico que lê anos de anotações, relatórios operatórios, exames de imagem e resultados laboratoriais e, em seguida, responde a perguntas clínicas com evidências vinculadas ao prontuário. Seus resultados são sinais clínicos destinados a indicar às equipes de atendimento quais pacientes precisam de atenção e por quê; os profissionais de saúde analisam as evidências e tomam todas as decisões.
Raciocínio clínico nas instalações do hospital
A implantação utiliza o NVIDIA AI Enterprise em toda a pilha de software. A Dyania treina seus modelos clínicos proprietários com o NeMo e, em seguida, usa o TensorRT e o TensorRT-LLM para otimizar a inferência nos servidores de GPU dos hospitais. Assim, a inferência permanece na rede privada do hospital, em vez de enviar os prontuários dos pacientes para um ambiente externo.
A NVIDIA afirmou que o sistema continua sendo uma ferramenta de apoio: ele apresenta evidências dos prontuários médicos que os profissionais de saúde precisam confirmar e usar. Essa distinção é importante porque a implantação automatiza a análise de prontuários e a detecção de sinais, não as decisões clínicas subsequentes.
As empresas buscam resolver um gargalo operacional na pesquisa hospitalar e na gestão do atendimento. Detalhes importantes costumam estar em textos narrativos, e não em campos estruturados, o que limita o número de prontuários que as equipes conseguem analisar para registros, estudos de desfechos e modelos preditivos. O Synapsis AI realiza análises longitudinais da população atendida por um sistema de saúde, com possíveis aplicações que incluem a detecção de lacunas no atendimento, pesquisas observacionais e a identificação de pacientes para ensaios clínicos.
Estudo da válvula na Cleveland Clinic
O estudo analisou pacientes que receberam substituições da válvula aórtica entre 2005 e 2021, examinando até 16 anos de atendimento por paciente. O Synapsis AI respondeu a 88 perguntas clínicas para cada paciente, abrangendo características da válvula, doenças concomitantes, tendências dos resultados laboratoriais, medicamentos, medições de ultrassom no acompanhamento e eventos clínicos subsequentes. Grande parte desse histórico estava registrada em anotações narrativas e relatórios de ecocardiogramas.
A NVIDIA afirmou que a plataforma concluiu a análise dos prontuários de toda a coorte, um trabalho que levaria anos para os profissionais de saúde realizarem manualmente. O conjunto de dados resultante foi usado para treinar um modelo preditivo de aprendizado de máquina que estima o risco de falha da válvula e de reintervenção em três, cinco e 10 anos e atualiza essas estimativas a cada novo ultrassom.
A Dyania informou que o tipo de válvula implantada foi o fator mais determinante para a rapidez com que ela se deteriorava, enquanto a idade e outras condições médicas influenciavam se e quando ocorreria um segundo procedimento. A análise também examinou como informações de acompanhamento, como ultrassons realizados após a cirurgia, podem aumentar substancialmente a precisão das previsões sobre futuras intervenções.
“Usar a tecnologia para reunir e analisar informações que podem nos ajudar a prever a durabilidade das válvulas cardíacas implantadas é um passo promissor rumo a melhores desfechos e a um atendimento mais personalizado para os pacientes”, afirmou Lars G. Svensson, chefe do Heart, Vascular & Thoracic Institute da Cleveland Clinic.
O estudo demonstra a construção de um conjunto de dados e a previsão de riscos, não a melhoria dos desfechos dos pacientes. A Dyania afirma que a ferramenta se destina a orientar o atendimento e que precisa de validação clínica externa antes de ser adotada de forma mais ampla na prática clínica.
Plano de implantação
O anúncio da colaboração da Dyania afirma que as empresas planejam buscar implantações em sistemas de saúde nos Estados Unidos e em outros países, publicar estudos de caso conjuntos e integrar o Synapsis AI à pilha de software de saúde da NVIDIA. Entre as tecnologias em avaliação estão o NVIDIA Confidential Computing para treinamento e inferência, o NVIDIA Dynamo para o atendimento de inferência distribuída e o Multi-Instance GPU para particionar GPUs entre cargas de trabalho clínicas simultâneas.
As empresas também estão avaliando a possibilidade de ampliar a escala para várias GPUs Blackwell Ultra, à medida que o processamento passa de análises em lote para informações clínicas quase em tempo real no ponto de atendimento. Essas iniciativas ainda são objetivos em avaliação, não implantações concluídas. Para os sistemas de saúde, a questão prática é se modelos validados externamente podem transformar a análise de prontuários em escala populacional em ações clínicas confiáveis, mantendo os profissionais de saúde no controle das decisões de atendimento.
