
NVIDIA 展示 AI 如何帮医疗团队减少常规工作、加快患者获得救治
来源标题:How AI Is Helping Care Teams Get Patients the Right Care, Sooner
NVIDIA 发文介绍 AI 在医疗领域的落地:从儿科研究到智慧医院,AI 帮医护减少常规任务时间、增加与患者相处时间。新泽西临床 AI 公司 Dyania Health 的 Synapsis AI 可通读患者多年病历中的自由文本记录,把相隔数年的发现关联起来回答临床问题,NVIDIA 技术为这类应用提供算力。
以下正文由 AI 翻译自 NVIDIA Blog(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
从儿科研究到智能医院,AI正在帮助护理团队减少日常事务的时间,把更多时间留给患者。
医疗系统和初创公司正在将AI应用于整个医疗领域,从为患者匹配临床试验到为放射科医生、医院团队和居家患者提供支持。临床医生始终处于核心位置,负责审核AI输出并指导决策,而NVIDIA技术则为这些应用提供算力支撑。
继续阅读,了解医疗团队如何利用AI改善并加速患者护理。
2025年11月13日,星期五,太平洋时间凌晨5:00
Dyania Health利用AI将数十年的患者记录转化为更优质的护理
医院保存着数十年的患者病史,其中大部分以自由文本形式存在,包括医生笔记、手术报告、影像和病理判读以及出院小结。要了解一位患者的完整病史,临床医生需要翻阅多年的病历。
总部位于新泽西州的临床AI公司Dyania Health为此打造了Synapsis AI。Synapsis AI是一个临床推理引擎:它能够处理患者记录中的每一份笔记、报告和化验结果,将可能相隔数年的发现关联起来,像一位审阅病历的专科医生那样回答临床问题。
其输出是一组临床信号,每个信号都可追溯到记录中的来源,告诉护理团队哪些患者需要关注以及原因。临床医生审核证据并做出所有决策。
将患者数据保存在医院防火墙内
Synapsis AI在医疗系统自己的防火墙内,运行于NVIDIA加速计算之上。整个医疗系统的患者记录都可以在本地处理,因此患者数据永远不会被共享,也永远不会离开医院。
以这种方式处理记录,可以将病历审阅从临床团队的案头工作中解放出来,让他们把时间花在患者身上。但Synapsis AI仍然需要临床医生的参与——它是一个辅助工具,从医疗记录中呈现证据,临床医生仍须确认并据此采取行动。
Dyania使用NVIDIA NeMo开放库构建和训练其临床模型,然后使用NVIDIA TensorRT和TensorRT-LLM对模型进行优化,使其在医院自己的GPU服务器上运行得更快、更高效。
Synapsis AI在现实世界中的应用
Cleveland Clinic使用Synapsis AI支持了一项研究,该研究涵盖2005年至2021年间超过7,800名主动脉瓣置换患者。
Synapsis AI对每位患者的记录进行推理,包括术后数年新增的每一次超声心动图,并利用这些信息构建了一个预测模型,用于预测患者接受主动脉瓣置换手术后三年、五年和十年节点上的瓣膜退化及再干预风险。该AI平台完成了对整个队列的病历审阅,而人工完成这项工作需要临床医生花费数年时间。
“利用技术汇总和分析信息,帮助我们预测植入心脏瓣膜的使用寿命,是朝着改善治疗结果和为患者提供更个性化护理迈出的有希望的一步,”Cleveland Clinic心脏、血管与胸科研究所所长Lars Svensson博士表示。
同样的方法可以应用于任何答案存在于医疗记录中的医疗挑战,例如识别符合临床试验条件的患者、弥合心脏病学和肿瘤学中的护理缺口,以及填充临床登记数据库。
了解更多关于Dyania Health的信息。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。