NVIDIA-drevet AI forbedrer pasientbehandling ved å effektivisere klinisk dataanalyse

Bilde: NVIDIA · Kilde

AI-verktøy støttet av NVIDIA hjelper helseteam med å omdanne omfattende pasientjournaler til handlingsrettede innsikter, som muliggjør raskere og mer personlig tilpasset behandling samtidig som data holdes trygt innenfor sykehusets systemer.

Helseleverandører benytter i økende grad kunstig intelligens for å forbedre pasientbehandlingen, med fokus på å redusere den tiden klinikere bruker på rutinemessig datagjennomgang og øke direkte pasientkontakt. NVIDIA-teknologi ligger til grunn for en rekke AI-applikasjoner som assisterer behandlingsteam, fra pediatrisk forskning til sykehusadministrasjon.

Et bemerkelsesverdig eksempel er Dyania Health, et klinisk AI-selskap basert i New Jersey, som har utviklet Synapsis AI. Denne kliniske resonnementsmotoren scanner tiår med pasientjournaler – inkludert legers notater, bildediagnostikk, patologirapporter og utskrivningssammendrag – og trekker ut sammenhenger over lange tidslinjer som en spesialist kunne oppdage. Systemet leverer kliniske signaler som peker på pasienter som trenger oppmerksomhet, der hvert funn kan spores tilbake til det opprinnelige dokumentet. Klinikerne forblir imidlertid sentrale; de evaluerer AI-ens resultater og tar de endelige beslutningene om pleie.

En viktig egenskap ved Synapsis AI er at den opererer fullstendig innenfor sykehusets eget sikre datasystem ved bruk av NVIDIA-akselerert maskinvare. Dette sikrer at sensitiv pasientdata aldri forlater sykehusets brannmur, noe som adresserer personvern- og sikkerhetsbekymringer. AI-modellene utvikles med NVIDIA NeMo åpne biblioteker og optimaliseres for sykehus GPU-servere via NVIDIA TensorRT og TensorRT-LLM, noe som muliggjør effektiv behandling av store datasett på stedet.

I praksis brukte Cleveland Clinic Synapsis AI til å analysere over 7 800 tilfeller av pasienter som hadde gjennomgått aortaklaffutskiftning mellom 2005 og 2021. AI gjennomgikk omfattende pasientjournaler, inkludert ekkokardiogram tatt flere år etter operasjonen, for å bygge prediktive modeller som vurderer risikoen for klaffnedbrytning og behov for reintervensjon etter 3, 5 og 10 år. Oppgaver som manuelt ville tatt klinikere år å fullføre, ble raskt håndtert av plattformen.

Dr. Lars Svensson, leder for Heart, Vascular & Thoracic Institute ved Cleveland Clinic, fremhevet potensialet i denne teknologien til å personalisere pasientutfall. Utover kardiologi er tilnærmingen anvendelig for å identifisere pasienter til kliniske studier, tette behandlingsgap i spesialiteter som onkologi, og berike kliniske registre.

Alt i alt gjør AI-verktøy drevet av NVIDIA det mulig for helseteam å utnytte store mengder ustrukturert medisinsk data på en sikker og effektiv måte, og dermed akselerere leveransen av presis og tidsriktig pasientbehandling samtidig som menneskelig tilsyn opprettholdes.