NVIDIA 如何用 AI 帮护理团队让患者更快获得正确治疗

从儿科研究到智慧医院，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整个医疗领域将其投入使用，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 输出并主导决策，而 NVIDIA 技术则为这些应用提供底层算力。

继续阅读，了解医疗团队如何利用 AI 改善并加速患者护理。

11月13日星期五，太平洋时间上午5:00 🔗

Dyania Health 利用 AI 将数十年的患者记录转化为更好的护理

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书写，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：它可处理患者记录中的每一条笔记、报告和化验结果，将可能相隔数年的发现关联起来，像专科医生审阅病历时那样回答临床问题。

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。

Synapsis AI 在医疗系统自己的防火墙内、基于 NVIDIA 加速计算运行。整个医疗系统的患者记录都可在本地处理，因此患者数据绝不会被共享，也绝不会离开医院。

以这种方式处理记录，可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 仍需要临床医生参与——它是一个辅助工具，负责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 开源库构建和训练其临床模型，然后使用 NVIDIA TensorRT 和 TensorRT-LLM 对其进行优化，使其在医院自有 GPU 服务器上运行得更快、更高效。

Cleveland Clinic 使用 Synapsis AI 支持了一项针对 2005 年至 2021 年间 7,800 多名主动脉瓣置换患者的研究。

Synapsis AI 对每位患者的记录进行了推理，包括术后数年间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，用于评估患者接受主动脉瓣置换手术后三年、五年和十年时瓣膜恶化和再次干预的风险。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。

“利用技术汇集并分析信息，帮助我们预测植入心脏瓣膜的使用寿命，这是迈向改善疗效和为患者提供更个性化护理的有希望的一步，”Lars Svensson 博士说，他是克利夫兰诊所心脏、血管与胸科研究所所长。

同样的方法可以应用于任何答案存在于病历中的医疗挑战，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差距，以及填充临床登记库。

了解更多关于 Dyania Health 的信息。