Von der pädiatrischen Forschung bis hin zu intelligenten Krankenhäusern unterstützt KI Pflegeteams dabei, weniger Zeit mit Routineaufgaben zu verbringen und mehr Zeit den Patienten zu widmen.
Gesundheitssysteme und Startups setzen KI in der gesamten Gesundheitsversorgung ein – von der Zuordnung von Patienten zu klinischen Studien über die Unterstützung von Radiologen und Krankenhausteams bis hin zur Betreuung von Patienten zu Hause. Die Kliniker bleiben im Zentrum des Geschehens: Sie prüfen die KI-Ergebnisse und treffen die Entscheidungen. NVIDIA-Technologien liefern die Rechenleistung für diese Anwendungen.
Dyania Health nutzt KI, um jahrzehntelange Patientenakten in bessere Versorgung zu verwandeln
Krankenhäuser verfügen über jahrzehntelange Patientenhistorien, die größtenteils als Freitext in Form von Arztnotizen, Operationsberichten, Bildgebungs- und Pathologiebefunden sowie Entlassungsberichten vorliegen. Um die vollständige Geschichte eines Patienten zu erfassen, müsste ein Kliniker Jahre von Akten durchlesen.
Das in New Jersey ansässige klinische KI-Unternehmen Dyania Health hat Synapsis AI entwickelt. Synapsis AI ist ein klinisches Reasoning-Engine. Es arbeitet über jede Notiz, jeden Bericht und jedes Laborergebnis in der Patientenakte hinweg, verbindet Befunde, die Jahre auseinanderliegen können, und beantwortet klinische Fragen auf die Weise, wie ein Facharzt die Akte prüfen würde.
Die Ausgabe besteht aus klinischen Signalen. Jedes Signal ist auf seine Quelle in der Akte zurückverfolgbar und zeigt den Behandlungsteams, welche Patienten Aufmerksamkeit benötigen und warum. Die Kliniker prüfen die Belege und treffen jede Entscheidung.
Patientendaten bleiben innerhalb der Krankenhausmauern
Synapsis AI läuft auf NVIDIA-beschleunigter Rechentechnik innerhalb der eigenen Firewall eines Gesundheitssystems. Die gesamten Patientenakten eines Gesundheitssystems können vor Ort verarbeitet werden, sodass Patientendaten niemals geteilt werden und das Krankenhaus nie verlassen.
Diese Verarbeitungsweise nimmt den klinischen Teams die Aktenprüfung von den Schreibtischen und ermöglicht es ihnen, diese Zeit mit den Patienten zu verbringen. Synapsis AI bleibt jedoch ein Assistenztool: Es macht Evidenz aus den medizinischen Unterlagen sichtbar, die ein Kliniker weiterhin bestätigen und auf deren Basis er handeln muss.
Dyania entwickelt und trainiert seine klinischen Modelle mit den offenen NVIDIA NeMo Bibliotheken und optimiert sie anschließend mit NVIDIA TensorRT und TensorRT-LLM, damit sie auf den eigenen GPU-Servern des Krankenhauses schneller und effizienter laufen.
Synapsis AI in der Praxis
Cleveland Clinic setzte Synapsis AI ein, um eine Studie zu unterstützen. Synapsis AI analysierte die vollständigen Patientenakten einschließlich aller nach der Operation hinzugefügten Echokardiogramme und erstellte damit ein prädiktives Modell für das Risiko eines Klappenversagens und einer erneuten Intervention. Die KI-Plattform führte eine Aktenprüfung über das gesamte Kollektiv durch, die Kliniker manuell über Jahre hinweg beschäftigt hätte.
Der gleiche Ansatz lässt sich auf jede gesundheitliche Herausforderung anwenden, bei der die Antwort in der medizinischen Akte liegt – etwa bei der Identifizierung von Patienten für klinische Studien, dem Schließen von Versorgungslücken in Kardiologie und Onkologie sowie dem Befüllen klinischer Register.
Quelle: NVIDIA Blog
FAQ
Wie funktioniert Synapsis AI bei der Verarbeitung von Patientenakten?
Synapsis AI arbeitet über alle Notizen, Berichte und Laborergebnisse einer Akte hinweg, verbindet zeitlich weit auseinanderliegende Befunde und erzeugt rückverfolgbare klinische Signale, die von Klinikern geprüft werden.
Wo werden die Patientendaten verarbeitet?
Die Verarbeitung erfolgt ausschließlich auf NVIDIA-beschleunigter Hardware innerhalb der eigenen Firewall des Gesundheitssystems. Die Daten verlassen das Krankenhaus nicht.
Welche Technologien nutzt Dyania Health für die Entwicklung und Optimierung der Modelle?
Die Modelle werden mit den offenen NVIDIA NeMo Bibliotheken entwickelt und trainiert und anschließend mit NVIDIA TensorRT und TensorRT-LLM für den Einsatz auf Krankenhaus-GPU-Servern optimiert.