Az egészségügyi AI egyre több kórházban segít abban, hogy az ellátók kevesebb időt töltsenek rutinfeladatokkal, és többet foglalkozhassanak a betegekkel. Az NVIDIA blogja szerint az egészségügyi rendszerek és startupok a mesterséges intelligenciát a klinikai vizsgálatokra való beválogatástól a radiológusok támogatásán át az otthoni betegellátásig számos területen használják. A döntések közben végig az orvosoknál maradnak, az NVIDIA technológiái pedig a számítási hátteret adják.
Évtizedek betegadatai szabad szövegben
A kórházak évtizedek óta gyűjtik a betegek adatait, ezek többsége azonban szabad szöveges formában létezik. Ilyenek az orvosi jegyzetek, a műtéti leírások, a képalkotó és patológiai leletek, valamint a zárójelentések. Egyetlen beteg teljes történetének megismeréséhez egy orvosnak évek dokumentációját kellene végigolvasnia.
Erre kínál megoldást a New Jersey-i székhelyű Dyania Health klinikai AI-cég Synapsis AI nevű rendszere. Ez egy klinikai következtetőmotor, amely a beteg dokumentációjának minden jegyzetén, leletén és laboreredményén végigmegy. Az akár évekkel egymástól elszakadt megállapításokat összekapcsolja, és úgy válaszol klinikai kérdésekre, ahogyan egy szakorvos tenné a kórlap áttekintésekor.
A kimenet klinikai jelzések összessége, amelyek mindegyike visszavezethető a forrására a betegdokumentációban. Megmutatják, mely betegekre kell odafigyelni, és miért. A bizonyítékokat az orvosok vizsgálják át, és minden döntést ők hoznak meg.
Az adat a kórház falain belül marad
A Synapsis AI NVIDIA-gyorsítású számítási kapacitáson fut, az egészségügyi intézmény saját tűzfalán belül. Az egész rendszer betegnyilvántartása helyben feldolgozható, így az adatok nem kerülnek megosztásra, és nem hagyják el a kórházat. A kórlapok átnézése így lekerül a klinikai csapatok asztaláról, az idő pedig a betegekre fordítható.
A rendszer ugyanakkor kisegítő eszköz: a felszínre hozott bizonyítékokat egy orvosnak kell megerősítenie, és neki kell cselekednie is.
Technológiai háttér
- A Dyania a klinikai modelljeit az NVIDIA NeMo nyílt könyvtáraival építi és tanítja.
- A modelleket az NVIDIA TensorRT és TensorRT-LLM segítségével optimalizálja.
- Így gyorsabban és hatékonyabban futnak a kórház saját GPU-szerverein.
Cleveland Clinic: több mint 7800 beteg adatai
A Cleveland Clinic a Synapsis AI-t egy olyan tanulmányhoz használta, amely több mint 7800, 2005 és 2021 között aortabillentyű-cserén átesett beteget érintett. A rendszer minden beteg dokumentációját átelemezte, beleértve a műtét után évekkel készült összes echokardiográfiás vizsgálatot is. Ezekből prediktív modellt épített a billentyű romlásának és az újabb beavatkozás kockázatának előrejelzésére három, öt és tíz évvel a beavatkozás után.
Az AI-platform a teljes kohorsz kórlapjainak átvizsgálását elvégezte. Ez kézzel az orvosoknak évekig tartott volna.
Dr. Lars Svensson, a Cleveland Clinic Szív-, Érrendszeri és Mellkasi Intézetének vezetője szerint a beültetett szívbillentyűk élettartamának előrejelzése ígéretes lépés a jobb eredmények és a személyre szabottabb ellátás felé.
A megközelítés minden olyan egészségügyi kihívásnál alkalmazható, ahol a válasz a kórlapban rejlik. Ilyen a klinikai vizsgálatokra alkalmas betegek azonosítása, az ellátási hiányosságok csökkentése a kardiológiában és az onkológiában, vagy a klinikai nyilvántartások feltöltése.
Gyakori kérdések
Mi a Synapsis AI?
A Dyania Health klinikai következtetőmotorja, amely a beteg teljes dokumentációjában összekapcsolja az összefüggő megállapításokat. Klinikai jelzéseket ad, amelyek visszavezethetők a forrásukra.
Elhagyják a betegadatok a kórházat?
Nem. A rendszer az egészségügyi intézmény saját tűzfalán belül, NVIDIA-gyorsítású számítási kapacitáson fut, így az adatok nem kerülnek megosztásra.
Az AI hozza meg az orvosi döntéseket?
Nem, kisegítő eszköz. A felszínre hozott bizonyítékokat az orvosnak kell megerősítenie és ennek alapján cselekednie.
Mire használta a Cleveland Clinic?
Több mint 7800 aortabillentyű-cserés beteg adatainak elemzésére, a billentyű romlásának és az újabb beavatkozás kockázatának előrejelzéséhez.
Forrás: NVIDIA Blog
