Dyania Health הכריזה היום על שיתוף פעולה עם NVIDIA כדי להפעיל חשיבה קלינית בינה מלאכותית בתוך מערכות הבריאות, על התשתית שלהן, בקנה מידה של כל אוכלוסיית המטופלים שלהן. ה-Synapsis AI של Dyania קורא את הרשומה הרפואית המלאה של המטופל, על פני שנים של הערות, דוחות ניתוח, דוחות הדמיה ותוצאות מעבדה, ועונה על שאלות קליניות עם עדויות מהתרשים. מחשוב מואץ של NVIDIA מאפשר לעשות זאת על פני אוכלוסיות מטופלים גדולות מאחורי חומת האש של בית החולים, מבלי להעביר רשומות מטופלים מחוץ למערכת הבריאות. יחד, החברות שואפות לתת למערכות הבריאות את היכולת ללמוד מההיסטוריה המלאה של החולים בהם טיפלו ולהפוך את החוויה הזו לזיהוי מוקדם יותר של צרכי טיפול, החלטות טיפול מושכלות יותר וטיפול טוב יותר במטופל הבא, תוך שמירת רישומים אלו בתוך המערכות שלהן.
הפיכת ניסיון קליני לטיפול טוב יותר
למערכות הבריאות יש עשרות שנים של ניסיון קליני בתיעוד הרפואי שלהן, אך חלק ניכר ממנו קשה לנתח בקנה מידה. חלק גדול מהמידע החשוב נמצא בטקסט סיפורי ולא בשדות מובנים, ולפעמים פרשנותו דורשת סקירה ידנית. ניתן להגביל רישום, מחקרי תוצאות ומודלים חזויים לפי מספר תרשימים שצוות יכול לקרוא ביד. חילוץ ופירוש המידע הקליני הדרוש לבנייתם נותר צוואר בקבוק מרכזי.
Synapsis AI מבצע את ההיגיון הזה. הוא בנוי לעבוד כמו המומחה עובד באמצעות תרשים: לאורך, על פני כל מסמך, ולפתור מה באמת היה למטופל, מתי ועם אילו ראיות. לעשות זאת עבור מטופל אחד היא בעיית הגיון. לעשות זאת עבור מערכת בריאות שלמה, באופן רציף, בתוך הסביבה של בית החולים עצמו, דורש יכולת מחשוב משמעותית. דיאניה מביאה את מנוע החשיבה הקלינית ואת ניסיון היישום; NVIDIA מביאה את פלטפורמת המחשוב המואצת ואת התוכנה המאפשרת לה לפעול בצורה מאובטחת ויעילה במקום.
Synapsis AI בנוי על מחסנית התוכנה NVIDIA AI Enterprise מקצה לקצה. Dyania מכשירה את המודלים הקליניים הקנייניים שלה עם מסגרת NVIDIA NeMo לאימון מודלים ולמידת חיזוק. בתוך מערכת הבריאות, Synapsis AI פועל על NVIDIA TensorRT ו- TensorRT-LLM על תשתית המחשוב המואצת של בית החולים NVIDIA עצמו, כך שהמסק נשאר בתוך הרשת הפרטית של בית החולים.
במסגרת שיתוף הפעולה, החברות יפעלו להביא את Synapsis AI על תשתית NVIDIA למערכות בריאות בארה"ב ובעולם, לפרסם מקרים משותפים, ולשלב את Synapsis AI עם ערימת תוכנות הבריאות של NVIDIA. תחומים שהחברות בוחנות כוללים NVIDIA Confidential Computing להדרכה והסקת מסקנות, NVIDIA Dynamo לשרת הסקות מבוזרות, Multi-Instance GPU לחלוקת GPUs על פני עומסי עבודה קליניים במקביל, וקנה מידה למספר רב של NVIDIA Blackwell Ultra GPUs כאשר פריסות עוברות מעיבוד אצווה לנקודת טיפול בזמן אמת כמעט.
"ההזדמנות של AI בתחום הבריאות היא לתת לצוותי טיפול יותר זמן ותובנות כדי להתמקד בחולים", אמרה צ'לסי סאמנר, מובילת מערכות אקולוגיות של AI Startups ב-NVIDIA. "Dyania Health מביאה מומחיות קלינית עמוקה להזדמנות זו, תוך שימוש בפלטפורמת ה-AI של NVIDIA כדי לתמוך במחקר, לעזור לזהות פערים בטיפול ולבנות הבנה מלאה יותר של צרכי המטופלים."
"זהו רגע קו פרשת מים לטיפול בחולים. הסיפור של כל חולה מתפזר על פני שנים של הערות, דיווחים ותוצאות, ולראשונה אנחנו יכולים לחשוב על הכל בבת אחת, כמו שמומחה עושה, עבור כל חולה במערכת בריאות ולא בתרשים אחד בכל פעם", אמרה איריני שלוסר, מייסדת ומנכ"לית Dyania Health. "Synapsis AI קורא את הרשומה המלאה, מסיקה את המסקנות הקליניות ומראה את הראיות מאחוריהן, ו-NVIDIA נותנת לנו את כוח המחשוב לעשות זאת בתוך בית החולים, כשכל רשומה נשארת במקום שהיא שייכת. מה שהראינו עם קליבלנד קליניק הוא שמערכת בריאות יכולה ללמוד מהמטופלים שכבר טיפלה כדי לתת למטופל הבא את הטיפול הנכון מוקדם יותר".
חיזוי כמה זמן יחזיקו מסתמי הלב החלופיים
העבודה הראשונה משיתוף הפעולה היא מחקר בקליבלנד קליניק על 7,812 חולים שקיבלו החלפת מסתם אבי העורקים בין השנים 2005 ל-2021. המחקר התייחס לדאגה מרכזית לחולים: כמה זמן יחזיק המסתם החלופי, והאם יהיה צורך בהליך נוסף? כדי לענות על כך, חוקרים סקרו עד 16 שנות טיפול בחולים, רובם בהערות סיפוריות ובדוחות אקו לב שיכולים להיות מאתגרים ללכוד ברישום.
פועל על מחשוב מואץ של NVIDIA בתוך הסביבה של Cleveland Clinic, Synapsis AI זיהה את אוכלוסיית המטופלים וענה על 88 שאלות קליניות עבור כל מטופל, מכסה את המסתם ומאפייניו, מצבים קיימים, מגמות מעבדה, תרופות, מדידות אולטרסאונד מעקב ואירועים קליניים מאוחרים יותר. המחקר הפיק מערך נתונים קליני מפורט בהרבה פחות זמן ממה שתיקח סקירה ידנית. בנוסף, הוכשר מודל חיזוי של למידה חיזוי המסוגל לחזות כשל במסתמים ולוחות זמנים של סיכון להתערבות חוזרת עבור כל מטופל.
המודל מצא שסוג המסתם שהושתל היה הקובע החזק ביותר למהירות הידרדרותו, בעוד שהגיל ומצבים רפואיים אחרים עיצבו האם ומתי בוצע הליך שני. הניתוח גם בדק כיצד מידע מעקב, כגון אולטרסאונד לב לאחר ניתוח, יכול להעלות באופן משמעותי את דיוק הניבוי לגבי התערבויות עתידיות. המודל מעריך את הסיכון של מטופל בודד בשלוש, חמש ועשר שנים ומשנה את התחזית עם כל אולטרסאונד חדש. הכלי משמש כדי לעזור ליידע את הטיפול אך דורש אימות חיצוני מרופאים.
"שימוש בטכנולוגיה כדי להפגיש ולנתח מידע שיכול לעזור לנו לחזות את משך מסתמי הלב המושתלים הוא צעד מבטיח לקראת תוצאות משופרות וטיפול מותאם יותר למטופלים", אמר לארס ג' סוונסון, MD, PhD, ראש מכון הלב, כלי הדם והחזה בקליבלנד קליניק.
מחקר מסתמי הלב ממחיש את הפוטנציאל הרחב יותר של שיתוף הפעולה. אותה טכנולוגיה יכולה לעזור למערכות הבריאות ללמוד מניסיונן כדי להבין אילו מטופלים ייהנו מטיפולים מסוימים, אילו טיפולים מחזיקים לאורך זמן, ומדוע התוצאות שונות בין מטופלים שנראים דומים על הנייר. במבט קדימה, סוכני בינה מלאכותית של Synapsis יאמנו באופן רציף מודלים חזויים מסוג זה, כך שההמלצות לפעולה המומלצת הבאה בטיפול בחולה ממשיכות להשתפר ברמת הדיוק ככל שהרפואה המדויקת מתקדמת.
