Dyania Health AI-ja évtizedek kórlapjait dolgozza fel a jobb betegellátásért

A kórházakban évtizedek betegtörténete halmozódik fel, és ennek nagy része szabad szövegként, orvosi jegyzetekben, műtéti leletekben, képalkotó és patológiai leletekben, valamint zárójelentésekben van rögzítve. Egy beteg teljes történetének áttekintéséhez a klinikusnak évekre visszamenően kellene végigolvasnia a dokumentációt — írja az NVIDIA Blog.

A New Jersey-i Dyania Health klinikai AI-cég ezt a munkát vállalja át a Synapsis AI nevű rendszerével. A szoftver a beteg kórlapjának minden jegyzetét, leletét és laboreredményét végigvizsgálja, és az évek múlva felbukkanó összefüggéseket is összekapcsolja, hogy klinikai kérdésekre válaszoljon, ahogy egy szakorvos tenné a dokumentáció átnézésekor.

Az eredmény klinikai jelzések sora, amelyek mindegyike visszavezethető a kórlap konkrét bejegyzésére. Ezek alapján a szakemberek láthatják, mely betegeknek van szükségük figyelemre, és miért. A döntést a klinikusok hozzák meg, a bizonyítékokat ők értékelik.

Az adatok a kórház falain belül maradnak

A Synapsis AI a kórház saját tűzfala mögött, NVIDIA-gyorsítású számítástechnikán fut. A teljes beteganyag helyben dolgozható fel, így a páciensadatok nem kerülnek megosztásra, és nem hagyják el a kórházat. A Dyania szerint ez azért fontos, mert a kórlapok átvizsgálása így nem terheli a klinikai csapatokat, és több idő marad a betegekre.

A rendszer ugyanakkor segédeszköz: a kórlapokból felszínre hozott bizonyítékokat az orvosnak még meg kell erősítenie, és ő dönt a további lépésekről. A Dyania a klinikai modelljeit az NVIDIA NeMo nyílt könyvtáraival építi és tanítja, majd a TensorRT és a TensorRT-LLM segítségével optimalizálja őket, hogy gyorsabban és hatékonyabban fussanak a kórház saját GPU-szerverein.

Példa a gyakorlatból: Cleveland Clinic

A Cleveland Clinic a Synapsis AI-t egy olyan vizsgálathoz használta, amely 2005 és 2021 között aortabillentyű-cserén átesett, több mint 7800 beteget érintett. A rendszer minden beteg kórlapját végigelemezte, beleértve a műtét utáni évek során készült összes echokardiográfiai vizsgálatot is, és ezekből prediktív modellt épített a billentyű elhasználódásának és az újabb beavatkozás kockázatának előrejelzésére a három, öt és tíz éves időpontokban.

A platform a teljes kohorszon elvégezte azt a kórlap-átvizsgálást, amelyhez a klinikusoknak kézzel évekre lett volna szükségük — ez a Dyania és az NVIDIA állítása, az időmegtakarításról szóló számítás szemléltető becslés. A Cleveland Clinic Szív-, Érrendszeri és Mellkasi Intézetének vezetője, Dr. Lars Svensson szerint a technológia ígéretes lépés a betegek személyre szabottabb ellátása felé. A prediktív modell pontosságáról és a klinikai kimenetelekről a közölt részletek nem szólnak.

A módszer elvileg más területeken is alkalmazható lenne, ahol a választ a kórlap rejti: a klinikai vizsgálatokba bevonható betegek azonosítására, a kardiológiai és onkológiai ellátási hiányosságok csökkentésére, valamint klinikai regiszterek feltöltésére. Ez azonban a forrás szerint előremutató elképzelés, nem bizonyított eredmény. A Cleveland Clinic vizsgálatában a betegek száma több mint 7800 volt, a vizsgált időszak pedig 2005 és 2021 között húzódott.