Cloudphysician 宣布推出用于医院监护的 Nightingale 视频模型

临床 AI 公司 Cloudphysician 于 2026 年 9 月 9 日宣布推出 Nightingale，这是一款面向特定领域的视频基础模型，旨在全天候监测医院患者。公司表示，该系统已在印度超过 150 家医院部署，并正向美国市场扩展。

本次公告分别在印度班加罗尔和美国旧金山发布。由医生创立的 Cloudphysician 表示，其临床 AI 旨在扩大床旁容量，同时保持临床医生及其现有工作流程不变，且 Nightingale 是基于数千小时的临床视频进行训练的。公司称，该模型能够监测患者病情的临床相关变化，这些变化通常只有在医生进行例行巡查时才会被发现。

架构与本地部署

公司将 Nightingale 与通用视频 AI 系统进行对比，后者只能识别患者是否在场或是否移动等基本活动。公司称，Nightingale 专为识别细粒度临床信号而设计，包括异常呼吸模式、鼻翼鼓动、区分营养管与呼吸管的管道位置、谵妄迹象、镇静水平、跌倒风险以及压疮风险。

Cloudphysician 将 Nightingale 描述为一种紧凑的基础模型，基于其专有的临床数据并经专家标注，从零开始构建，而非改编自现有的开源模型。公司称，所有处理均在医院内部进行: 单个本地 GPU 可接收 100 条并发摄像头视频流，患者视频从未离开医院。公司称这一成果是一种面向边缘和本地部署的高效感知层，与通用的基于云端、令牌驱动的模型相比，可将推理和带宽成本降低约 100 倍。

CEO声明与美国扩张计划

联合创始人兼 CEO Dr. Dhruv Joshi 表示，他曾多年身为医生，观察患者的病情可能在数分钟内急转直下，无论是呼吸模式的变化还是无人看护的患者试图下床。Joshi 在公告中说：“Nightingale 起源于病房，旨在捕捉床旁监护仪遗漏、医生若能随时在场也能发现的信号。”他表示，公司致力于成为医生或护士的“眼睛”，这种 AI 可能决定生死。

公告称，美国约有 100 万张医院床位，其中约 20 万张已配备摄像头，预计到 2030 年将增至 50 万张。Cloudphysician 表示，这一已装配的摄像头基数使得部署能够将临床级视觉感知全天候引入护理服务的 AI 成为可能。其目标是成为护理服务的默认视觉感知层，且其所描述的市场正迈向数十亿美元规模。

公司背景与现有产品

Cloudphysician 由 Dr. Dhruv Joshi 与 Dr. Dileep Raman 于 2017 年创立，致力于为医院打造基于视频的 AI 解决方案，目标是在患者住院期间通过自主护理提升患者安全。发布稿称，公司已为超过 20 万名患者提供护理，并在超过 200 家医院的网络中帮助拯救了超过 1 万条生命。

在其网站上，Cloudphysician 另行声明已在 300 多家医院为超过 20 万名患者提供治疗，并指出死亡率降低最高可达 40%。公司列出了 Smart-ICU、Smart‑NICU、Smart‑Dialysis 和 Smart‑ER 系列产品，在旧金山、新加坡和班加罗尔设有办事处，拥有美国和印度的团队，并拥有八项涵盖其 AI 模型方法的专利。公司还称，过去十年间已构建了全球最大规模的多模态数据集之一，来源于高危住院护理，融合了视频、生命体征和电子病历数据。

公司关于页面称，Cloudphysician 由两位在高危护理环境中拥有数千小时经验的重症医学医生创立。Joshi 的背景是肺部和重症护理医学，曾在克利夫兰诊所基金会和 MedStar Health 任职。Raman 的背景涵盖肺部、重症护理和睡眠医学，曾在克利夫兰诊所基金会和德克萨斯理工大学健康科学中心任职。

Cloudphysician 还提供一款称为 AI 视频副驾驶 的产品，该产品使用在临床医生标注的视频数据上预训练的疾病特定 AI 代理。公司表示，编排层在多模态之间协调专用代理，使其洞察保持对护理人员的情境关联，列出的代理包括呼吸频率与呼吸工作检测、疼痛与镇静监测以及中心静脉导管感染预防。示例包括检测床栏下降并向床旁团队发送跌倒风险警报、标记早期谵妄风险以及可视化识别呼吸工作。

公司表示，其部署对硬件无特定要求，可在本地或客户的云环境中运行，且可与现有的监护仪、摄像头、平板电脑和手机并存，客户数据始终保留在医院内部，不会用于训练其模型。