AI 如何帮助医护团队更早为患者提供正确的治疗

从儿科研究到智慧医院，AI 正在帮助医护团队减少在常规任务上花费的时间，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应用 AI，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地位，负责审查 AI 输出结果并指导决策，而 NVIDIA 技术则为这些应用提供背后的算力。

请继续阅读，了解医疗团队如何利用 AI 改善和加速患者护理。

太平洋时间 11 月 13 日星期五凌晨 5:00 🔗

Dyania Health 利用 AI 将数十年的患者病历转化为更好的护理

医院保存着数十年来的患者病史，其中大部分是自由文本——如医生的笔记、手术报告、影像和病理读片以及出院小结。要了解一位患者的完整病情，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 构建了 Synapsis AI 来完成这项工作。Synapsis AI 是一个临床推理引擎：它能处理患者病历中的每一条笔记、报告和化验结果，将可能相隔数年的发现关联起来，以专科医生查阅病历的方式回答临床问题。

其输出是一组临床信号，每个信号都可以追溯到病历中的来源，告诉医护团队哪些患者需要关注以及原因。临床医生会审查证据并做出每一个决策。

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病历都可以在本地处理，因此患者数据不会被共享，也永远不会离开医院。

以这种方式处理病历，可以让临床团队从病历审阅工作中解脱出来，把时间花在患者身上。但 Synapsis AI 仍然需要临床医生的参与——它是一种辅助工具，用于从医疗记录中呈现证据，临床医生仍需确认并据此采取行动。

Dyania 使用 NVIDIA NeMo 开放库来构建和训练其临床模型，然后利用 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。

克利夫兰诊所使用 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 对每位患者的病历进行了推理，包括术后数年内添加的每一份超声心动图，并利用这些信息构建了一个预测模型，用于预测患者在主动脉瓣置换术后三年、五年和十年时瓣膜衰败和再次干预的风险。这个 AI 平台完成了对整个队列的病历审阅，而如果由临床医生手工完成，则需要花费数年时间。

克利夫兰诊所心脏、血管与胸外科研究所所长 Lars Svensson 医生表示：“利用技术来汇集并分析信息，从而帮助我们预测植入式心脏瓣膜的使用寿命，是迈向更佳疗效和更个性化患者护理的重要一步。”

同样的方法可以应用于任何答案隐藏在医疗记录中的医疗健康挑战，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，以及充实临床登记数据。

了解更多关于 Dyania Health 的信息。