Dyania Health kör Synapsis AI på sjukhusägda GPU-system

Dyania Health och NVIDIA tillkännagav den 13 november 2026 att Synapsis AI körs på sjukhusägda NVIDIA-system för accelererad databehandling. Den inledande studien vid Cleveland Clinic omfattar 7 812 patienter som genomgått aortaklaffbyte. Samarbetet syftar till att granska journaler för patientpopulationer utan att flytta dem utanför vårdsystemens nätverk.

Dyania Health beskriver Synapsis AI som en motor för kliniskt beslutsstöd som läser flera års journalanteckningar, operationsrapporter, bilddiagnostiska utlåtanden och laboratorieresultat och sedan besvarar kliniska frågor med belägg som är kopplade till journalen. Resultatet är kliniska signaler avsedda att visa vårdteamen vilka patienter som behöver uppmärksamhet och varför. Kliniker granskar beläggen och fattar alla beslut.

Kliniskt beslutsstöd på plats

Driftsättningen använder NVIDIA AI Enterprise i hela programvarustacken. Dyania tränar sina egenutvecklade kliniska modeller med NeMo och använder sedan TensorRT och TensorRT-LLM för att optimera inferensen på sjukhusens GPU-servrar. Inferensen stannar därmed inom sjukhusets privata nätverk i stället för att patientjournaler skickas till en extern miljö.

NVIDIA uppgav att systemet fortfarande är ett stöd: det lyfter fram belägg ur journaler som kliniker måste bekräfta och agera utifrån. Den skillnaden är viktig eftersom driftsättningen automatiserar journalgranskning och identifiering av signaler, inte de kliniska beslut som följer.

Företagen vill komma åt en flaskhals i manuellt arbete med sjukhusforskning och vårdadministration. Viktiga uppgifter finns ofta i löpande text i stället för i strukturerade fält, vilket begränsar hur många journaler personalen kan granska för kvalitetsregister, utfallsstudier och prediktiva modeller. Synapsis AI granskar en vårdgivares patientpopulation över tid. Möjliga användningsområden är bland annat att identifiera brister i vården, bedriva observationsforskning och matcha patienter till kliniska prövningar.

Klaffstudie vid Cleveland Clinic

Studien omfattade patienter som fick en aortaklaff utbytt mellan 2005 och 2021 och granskade upp till 16 års vårdhistorik för varje patient. Synapsis AI besvarade 88 kliniska frågor per patient om klaffegenskaper, samtidiga sjukdomar, laboratorievärden över tid, läkemedel, uppföljande ultraljudsmätningar och senare kliniska händelser. Mycket av den här historiken fanns i löpande journalanteckningar och ekokardiografirapporter.

NVIDIA uppgav att plattformen slutförde journalgranskningen för hela patientgruppen, ett arbete som skulle ha tagit kliniker flera år att utföra manuellt. Den resulterande datamängden användes för att träna en prediktiv maskininlärningsmodell som uppskattar risken för klaffsvikt och ett nytt ingrepp efter tre, fem och tio år och uppdaterar uppskattningarna varje gång ett nytt ultraljud görs.

Dyania uppgav att den inopererade klafftypen var den främsta faktorn för hur snabbt en klaff försämrades, medan ålder och andra sjukdomstillstånd påverkade om och när ett andra ingrepp genomfördes. Analysen undersökte också hur uppföljningsinformation, till exempel ultraljud efter operationen, kan öka träffsäkerheten i förutsägelser om framtida ingrepp avsevärt.

”Att använda teknik för att sammanställa och analysera information som kan hjälpa oss att förutsäga hur länge inopererade hjärtklaffar håller är ett lovande steg mot bättre behandlingsresultat och mer individanpassad vård för patienter”, sade Lars G. Svensson, chef för Heart, Vascular & Thoracic Institute vid Cleveland Clinic.

Studien visar hur datauppsättningar kan byggas upp och risk förutsägas, inte att patienternas behandlingsresultat har förbättrats. Dyania uppger att verktyget är avsett att ge underlag för vården och behöver valideras kliniskt externt innan det används i större utsträckning inom vården.

Plan för fortsatt driftsättning

I Dyanias tillkännagivande om samarbetet står det att företagen planerar att gå vidare med driftsättningar hos vårdsystem i USA och internationellt, publicera gemensamma fallstudier och integrera Synapsis AI med NVIDIAs programvarustack för hälso- och sjukvård. Teknik som utvärderas omfattar NVIDIA Confidential Computing för träning och inferens, NVIDIA Dynamo för distribuerad inferenshantering och Multi-Instance GPU för att dela upp GPU:er mellan samtidiga kliniska arbetsbelastningar.

Företagen utvärderar också möjligheten att skala upp till flera Blackwell Ultra-GPU:er när bearbetningen går från batchgranskningar mot kliniska insikter i nära realtid vid vårdtillfället. Detta är fortfarande mål för utvärdering, inte genomförda driftsättningar. För vårdsystem är den praktiska frågan om externt validerade modeller kan omvandla granskning av journaler i stora patientpopulationer till tillförlitliga kliniska åtgärder, samtidigt som klinikerna behåller kontrollen över vårdbesluten.