AIGenerato
EN · IT · ES

Dyania's Synapsis AI reads 16 years of patient charts on hospital servers at Cleveland Clinic

Uno strumento di AI in grado di cercare tra gli anni di appunti manoscritti dei medici negli archivi ospedalieri — sono i medici a decidere tutto.

Dyania's Synapsis AI reads 16 years of patient charts on hospital servers at Cleveland Clinic
Immagine: blogs.nvidia.com
Come funziona

Un programma che esamina gli anni di cartelle cliniche dei pazienti e risponde alle domande sulla loro salute.

  1. Controlla ogni nota e ogni esame del dottore.
  2. Mette insieme gli indizi trovati anche a distanza di anni.
  3. Mostra le prove puntando alle fonti originali.
  4. Poi sono i medici a scegliere cosa fare.

Cosa puoi farci

  • Un team assistenziale potrebbe leggere anni di appunti manoscritti dei medici e referti delle immagini diagnostiche di un paziente per capire quali pazienti necessitino di attenzione extra e perché 2.
  • Un ricercatore potrebbe costruire un dataset per prevedere quando una valvola aortica sostituita rischia di fallire tre, cinque o dieci anni dopo l'intervento 1.
  • Un clinico potrebbe esaminare segnali clinici ripercorribili che collegano risultati trovati in anni di cartelle, pur continuando a prendere ogni decisione finale da solo 2.

Leggere la storia completa di un paziente

La maggior parte di ciò che un medico sa su un paziente risiede in appunti in testo libero, referti operatorî, risultati delle immagini diagnostiche e dimissioni — non in righe ordinate di fogli di calcolo. Comprendere la storia completa di una persona può significare leggere anni di cartelle cliniche 2.

Synapsis AI è stato costruito proprio per questo. Scansiona ogni appunto, referto e risultato di laboratorio nella cartella del paziente, collega risultati che possono essere distanti anni l'uno dall'altro e produce un insieme di segnali clinici ripercorribili — ciascuno dei quali rimanda al documento sorgente da cui proviene 2. I team assistenziali possono vedere quali pazienti necessitano attenzione e perché, ma i medici continuano a esaminare le prove e a prendere ogni decisione .

Testato su quasi 8.000 pazienti cardiopatici

Per il suo primo grande test sul campo, Cleveland Clinic ha utilizzato Synapsis AI per studiare oltre 7.800 pazienti che avevano ricevuto una sostituzione della valvola aortica tra il 2005 e il 2021 1. Il sistema ha risposto a 88 domande per ogni paziente, risalendo fino a 16 anni di cartelle 2.

Le risposte sono poi state usate per addestrare un modello che prevede quanto sia probabile che una valvola sostituita fallisca a tre, cinque e dieci anni dopo l'intervento 1. Secondo Nvidia, svolgere quella stessa revisione manuale delle cartelle avrebbe richiesto ai medici anni .

Lars Svensson, capo dell'istituto cardiologico della Cleveland Clinic, ha definito il lavoro "un passo promettente verso migliori esiti e cure più personalizzate per i pazienti" 1. Tuttavia la clinica ha anche rivelato lo scorso anno di essere un investitore in Dyania, sollevando la domanda se quel legame finanziario abbia influenzato l'entusiasmo iniziale .

Restare entro i confini dell'ospedale

La differenza chiave con questo dispiegamento è dove avviene il calcolo. Synapsis AI gira su hardware Nvidia all'interno del firewall stesso del sistema sanitario — i dati dei pazienti non lasciano mai l'edificio 12. Dyania addestra i suoi modelli con le librerie open source Nvidia NeMo, poi usa TensorRT e TensorRT-LLM per ottimizzarli in termini di velocità ed efficienza sui server GPU ospedalieri .

Questo rispecchia un modello già visto altrove: un'intelligenza artificiale per il triage del NHS britannico era anch'essa costruita con Nvidia e mantenuta interamente all'interno delle reti ospedaliere 1. Al momento, le grandi aziende tecnologiche stanno facendo mosse aggressive nell'accesso alle cartelle ospedaliere — Google Cloud ha lanciato questa settimana Gemini for Healthcare, e Bunkerhill ha raccolto 55 milioni di dollari per agenti di AI ospedalieri — ma i reali benefici per i pazienti sono ancora difficili da confermare e i medici si sono opposti a dichiarazioni esagerate .

Dyania sostiene che Synapsis AI abbia ancora bisogno di una convalida esterna prima di poter apportare miglioramenti reali nelle cure 1. Per ora, il tool ha dimostrato di saper costruire dataset e prevedere rischi, non ancora di rendere i pazienti più sani .

Quanto è bravo

La Cleveland Clinic ha testato il sistema su oltre 7.800 pazienti che avevano subito sostituzioni della valvola aortica tra il 2005 e il 2021 1. Ha risposto a 88 domande per paziente, coprendo fino a 16 anni di cartelle cliniche, un compito che Nvidia ritiene avrebbe richiesto ai medici anni da svolgere manualmente . Tuttavia lo studio ha mostrato che il tool è in grado di costruire dataset e prevedere rischi, non ancora di dimostrare di migliorare gli esiti clinici dei pazienti, e Dyania ha detto che è necessaria una convalida esterna .

I fatti principali

  • Oltre 7.800 pazienti cardiaci della Cleveland Clinic hanno avuto le proprie cartelle (fino a 16 anni) scansionate da Synapsis AI
  • È girato su server Nvidia di proprietà dell'ospedale — i dati dei pazienti non hanno mai lasciato l'edificio
  • Ha risposto a 88 domande per paziente per prevedere il rischio di fallimento della valvola a 3, 5 e 10 anni
  • I medici prendono ogni decisione finale; Dyania afferma che serve ancora una convalida esterna
  • La Cleveland Clinic è un investitore in Dyania

Fonti

  1. Nvidia and Dyania bring AI chart review onto hospital servers — thenextweb.com
  2. How AI Is Helping Care Teams Get Patients the Right Care, Sooner

Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste

Continua a leggere

Una figura dell'articolo "TLX: Hardware-Native, Evolvable MIMW GPU Compiler for Large-scale Production Environments".App e prodottiCome Meta ha costruito TLX per aiutare i normali ingegneri a spremere più prestazioni dall'hardware per l'AIHerald of AIFigure: Guan et al., arXiv:2605.10905, CC BY 4.0

Come Meta ha costruito TLX per aiutare i normali ingegneri a spremere più prestazioni dall'hardware per l'AI

Un nuovo strumento permette ai comuni sviluppatori di AI di scrivere codice GPU che raggiunge prestazioni di livello specializzato, alimentando i sistemi alla base di Facebook, Instagram e altri servizi.

App e prodotti