NVIDIA:n tehostama tekoäly parantaa potilaiden hoitoa tehostamalla kliinisten tietojen analysointia

Kuva: NVIDIA · Lähde

NVIDIA:n tukemat tekoälytyökalut auttavat terveydenhuollon tiimejä muuttamaan laajat potilastiedot toiminnallisiksi oivalluksiksi, mahdollistaen nopeamman ja yksilöllisemmän hoidon samalla kun tiedot pysyvät turvallisesti sairaalan järjestelmissä.

Terveydenhuollon palveluntarjoajat hyödyntävät yhä enemmän tekoälyä potilaiden hoidon parantamiseksi keskittyen siihen, että kliinikot käyttävät vähemmän aikaa rutiininomaiseen tietojen tarkasteluun ja enemmän suoraan potilasvuorovaikutukseen. NVIDIA:n teknologiat muodostavat perustan monenlaisille tekoälyratkaisuille, jotka tukevat hoitotiimejä lasten tutkimuksista sairaalahallintoon.

Merkittävä esimerkki on New Jerseystä toimiva kliininen tekoälyyritys Dyania Health, joka on kehittänyt Synapsis AI:n. Tämä kliinisen järkeilyn kone skannaa vuosikymmenten potilastiedot – mukaan lukien lääkärin muistiinpanot, kuvantamistulokset, patologiaraportit ja kotiutusyhteenvedot – ja löytää yhteyksiä pitkiltä ajanjaksoilta, joita erikoislääkäri saattaisi havaita. Järjestelmä tarjoaa kliinisiä merkkejä potilaista, jotka tarvitsevat huomiota, ja jokaisen löydöksen lähdedokumentti on jäljitettävissä. Kliinikot pysyvät kuitenkin keskiössä; he arvioivat tekoälyn tuottamat tulokset ja tekevät lopulliset hoitopäätökset.

Merkittävä Synapsis AI:n ominaisuus on, että se toimii kokonaan sairaalan omassa turvallisessa tietojärjestelmäympäristössä käyttäen NVIDIA:n kiihdytettyä laitteistoa. Tämä varmistaa, ettei arkaluonteisia potilastietoja koskaan jätetä sairaalan palomuurin ulkopuolelle, mikä vastaa yksityisyyden ja turvallisuuden huoliin. Tekoälymallit on kehitetty käyttäen NVIDIA NeMo -avoimia kirjastoja ja optimoitu sairaalan GPU-palvelimille NVIDIA TensorRT:n ja TensorRT-LLM:n avulla, mahdollistaen tehokkaan suurten tietomäärien paikallisen käsittelyn.

Käytännössä Cleveland Clinic on käyttänyt Synapsis AI:ta analysoidakseen yli 7 800 aortan läppäleikkauksen potilastapausta, jotka hoidettiin vuosina 2005–2021. Tekoäly käsitteli laajoja potilastietoja, mukaan lukien useita vuosia leikkauksen jälkeen otettuja sydämen ultraäänitutkimuksia, ja rakensi ennustemalleja arvioidakseen läpän kulumisen riskiä ja uudelleenkäsittelyn tarvetta 3, 5 ja 10 vuoden aikajänteellä. Tehtävät, jotka olisivat vaatineet vuosia manuaalisesti, suoritettiin nopeasti tämän alustan avulla.

Sydän-, verisuoni- ja rintakehän instituutin johtaja Lars Svensson Cleveland Clinicista korosti tämän teknologian lupaavuutta potilaskohtaisten hoitotulosten räätälöinnissä. Kardiologian ulkopuolella lähestymistapaa voidaan soveltaa potilaiden hankkimiseen kliinisiin tutkimuksiin, hoidon aukkojen täyttämiseen esimerkiksi onkologiassa sekä kliinisten rekisterien rikastamiseen.

Kaiken kaikkiaan NVIDIA:n tukemat tekoälytyökalut mahdollistavat terveydenhuollon tiimien hyödyntää valtavia määriä strukturoimatonta lääketieteellistä dataa turvallisesti ja tehokkaasti, nopeuttaen tarkkaan ja ajallaan annettuun potilashoitoon tähtäävää toimintaa säilyttäen samalla inhimillisen valvonnan.