AI如何助力护理团队让患者更早获得恰当治疗
4 天前 6 阅读来源:blogs.nvidia.com
AI 中文改写
原文为英文,由 AI 改写为中文报道,内容完整。如需参考原文请点击下方链接
英伟达博客最新披露了一个医疗AI落地案例:新泽西州临床AI公司Dyania Health开发的Synapsis AI,正在帮助医院把堆积如山的病历文本变成可用的临床洞察。这套系统的核心能力是"读病历"——医院里几十年的患者病史大多以自由文本形式散落在医生笔记、手术报告、影像和病理解读、出院小结中,临床医生要了解一个患者的完整情况,往往需要翻阅多年的病历档案。Synapsis AI作为临床推理引擎,可以跨越多份记录、跨越数年时间把相关发现串联起来,像专科医生审阅病历那样回答临床问题,输出一组可追溯来源的临床信号,告诉护理团队哪些患者需要关注、原因是什么。最终决策权仍在医生手中。
这套系统的一个关键设计是数据不出院。Synapsis AI运行在医院自有防火墙内的英伟达加速计算环境上,整个医疗系统的患者记录可以在本地完成处理,数据既不共享也不离开医院。Dyania Health使用英伟达NeMo开源库构建和训练临床模型,再用TensorRT和TensorRT-LLM进行优化,使其在医院自有GPU服务器上运行得更快更高效。实际应用中,克利夫兰诊所曾用Synapsis AI支持一项研究,覆盖2005年至2021年间超过7800名主动脉瓣置换患者,AI跨每份病历进行推理,包括术后数年新增的每一次超声心动图,据此构建出患者术后三年、五年、十年节点上瓣膜劣化和再干预风险的预测模型——这项工作若靠人工完成需要临床医生花费数年时间。克利夫兰诊所心脏、血管与胸科研究所所长Lars Svensson博士表示,利用技术整合和分析有助于预测植入心脏瓣膜寿命的信息,是提升疗效和个性化护理的有希望的一步。同样的方法还可以用于识别符合临床试验条件的患者、填补心血管和肿瘤领域的护理缺口、填充临床登记数据库等场景。对跨境电商和AI从业者而言,这个案例的价值在于展示了一种可复制的企业级AI落地路径:模型在本地GPU上运行、数据不出私域、AI只做辅助不替代专业判断——这套模式在医疗之外的金融、法律、制造等强合规行业同样适用。
这篇文章对你有帮助吗?
觉得有用?分享给更多人
留言 · 0 条
暂无留言,来说两句吧
