Dayania Health se ha asociado con Nvidia para implementar su plataforma de razonamiento clínico Synapsis AI en los sistemas de TI de los hospitales, permitiendo el análisis a gran escala de los datos de los pacientes sin tener que salir de sus redes.
Synapsis AI de la startup lee el historial médico completo de un paciente, incluidas notas clínicas, informes operativos y de imágenes, laboratorios y otra información estructurada, y responde preguntas clínicas, mostrando evidencia de respaldo en el gráfico. La salud de Diana va más allá de extraer registros médicos; Utiliza IA para transformar registros clínicos desordenados y desestructurados en conocimientos y conjuntos de datos procesables.
Según la empresa, Nvidia proporciona la infraestructura informática necesaria para realizar ese análisis en toda una población de pacientes detrás del firewall del hospital, sin transferir los registros de los pacientes fuera del sistema de salud.
Dayania aporta tecnología de razonamiento clínico y experiencia en implementación, mientras que Nvidia aporta una plataforma informática acelerada y un software que permite una implementación local segura y eficiente, dijo a Fierce Healthcare Eirini Schlosser, fundadora y directora ejecutiva de Dayania Health.
A través de esta colaboración con Nvidia, Schlosser dijo que Synapsis AI de Diania puede ayudar a los sistemas de salud a convertir grandes cantidades de datos clínicos no estructurados en información procesable con revisión manual de historias clínicas, manteniendo al mismo tiempo los datos de los pacientes dentro de la propia infraestructura del hospital.
Los sistemas de salud contienen grandes cantidades de información clínica valiosa en registros médicos no estructurados, pero la revisión manual de esos registros dificulta el uso de esos datos a escala para investigaciones, registros y modelos predictivos. Synapsis AI tiene como objetivo eliminar esa barrera analizando los registros de los pacientes longitudinalmente, determinando qué sucedió y cuándo, e identificando evidencia clínica para respaldar esas conclusiones, según la compañía, que se lanzó en secreto hace dos años.
Los modelos de frontera tienen un enorme potencial, pero carecen de las estructuras, los conjuntos de datos de entrenamiento y la lógica para realizar el razonamiento clínico en un entorno de sistema de atención de salud del mundo real, señaló Schlosser.
Synapsis AI de Diania combina modelos únicos, una base de conocimientos clínicos anotada por médicos, seguimiento de evidencia e implementación específica de cada hospital. Diania dice que ha invertido más de 25.000 horas médicas anotando casos médicos para permitir que Synapsis AI realice el razonamiento clínico. Schlosser enfatizó que este enfoque único se adapta mejor al razonamiento clínico complejo que un modelo de IA de propósito general.
"La historia de cada paciente se extiende a lo largo de años de notas, informes y resultados, y por primera vez podemos razonar sobre todos ellos a la vez, como lo haría un especialista, en lugar de un gráfico a la vez para cada paciente en el sistema de salud", dijo Schlosser.
Synapsis AI está construida de extremo a extremo sobre la pila de software empresarial Nvidia AI. Diania entrena sus modelos clínicos patentados con el marco Nvidia Nemo para el entrenamiento de modelos y el aprendizaje por refuerzo. Dentro del sistema de salud, Synapsis AI se ejecuta en la propia infraestructura informática acelerada del hospital en Nvidia TensorRT y TensorRT-LLM, por lo que la sospecha permanece dentro de la red privada del hospital.
"Synapsis AI se encuentra dentro del firewall del sistema de salud y es lo suficientemente pequeña como para ejecutar inferencias en grupos locales de computación GPU. No necesita 'hablar con Internet' ni interactuar con la nube o modelos de límites. Esto ofrece enormes beneficios a los datos confidenciales de los pacientes", dijo Schlosser. "Los hospitales pueden aplicar esa capacidad a los historiales de sus pacientes dentro de su propio gobierno de datos, en lugar de enviar esos registros a un servicio externo de IA".
Según Schlosser, los hospitales pueden utilizar sus propios datos históricos de pacientes para determinar qué tratamientos funcionan para qué pacientes, identificar lagunas en la atención y, en última instancia, recomendar el siguiente curso de acción adecuado.
En el marco de la colaboración, las empresas trabajarán para llevar Synapsis AI en la infraestructura de Nvidia a los sistemas de salud en los EE. UU. e internacionalmente, publicarán estudios de casos conjuntos e integrarán Synapsis AI con la pila de software de atención médica de Nvidia. Las empresas están explorando tecnologías adicionales de Nvidia para asegurar el procesamiento de IA, gestionar múltiples cargas de trabajo clínicas simultáneamente y escalar la capacidad informática, con el objetivo de pasar del procesamiento por lotes a conocimientos clínicos en tiempo real en el punto de atención.
"Los sistemas de salud necesitan IA en la que puedan confiar, integrarse en sus flujos de trabajo y operar de manera eficiente. Eso significa conectar información entre sistemas clínicos, validar el desempeño de los pacientes a los que atienden, proteger datos confidenciales y hacer que los resultados sean útiles en las herramientas que los médicos ya usan", dijo Chelsea Summer de US Healthcare AI Startups de Nvidia.
"El enfoque de Dayania resuelve parte de ese desafío al ejecutarse en el propio entorno del hospital y conectar los hallazgos con la evidencia en el registro del paciente. La ampliación también requiere que los médicos, los equipos de tecnología y los líderes del hospital trabajen juntos desde el principio, con una responsabilidad clara de revisar los resultados y monitorear el desempeño. El éxito debe medirse en función de si la IA ayuda a encontrar pacientes que necesitan atención.
Poniendo Synapsis AI a trabajar en la Clínica Cleveland
La Clínica Cleveland utilizó Synapsis AI de Diania Health ejecutándose en la infraestructura de Nvidia para analizar 16 años de registros de 7.812 pacientes con reemplazo de válvula aórtica. El estudio aborda una preocupación central de los pacientes: ¿cuánto tiempo durará la válvula de reemplazo y será necesario otro procedimiento?
Los investigadores revisaron casi 8.000 registros de pacientes entre 2005 y 2021, en su mayoría notas narrativas e informes de ecocardiogramas que los registros pueden tener dificultades para capturar.
"Comprender cómo funciona una válvula cardíaca de reemplazo significa seguir al paciente a lo largo de años de atención, vinculando el informe operativo original con notas de progreso posteriores, admisiones hospitalarias, ecocardiogramas, otras afecciones médicas e intervenciones posteriores. Gran parte de esa información está contenida en registros narrativos que, de lo contrario, los investigadores tienen que revisar manualmente", señaló Schlosser.
La IA recopiló información de registros clínicos narrativos y respondió 88 preguntas de cada paciente sobre sus válvulas, condiciones de salud y atención de seguimiento. Afirma que cada respuesta está vinculada a las pistas del cuadro.
Los investigadores utilizaron ese conjunto de datos para construir un modelo que predice el riesgo de degeneración valvular y otra intervención. El modelo predice la degeneración de la válvula y el riesgo de repetición del procedimiento a los tres, cinco y 10 años después del procedimiento, con estimaciones que se actualizan a medida que se dispone de nueva información médica sobre el paciente.
"Históricamente, esto requería una abstracción manual humana, y era humanamente imposible leer y abstraer los síntomas de forma continua con la tasa cambiante de los registros médicos de 7,812 pacientes. Además, los humanos que leen un registro médico a menudo pierden información si lo hojean", dijo Schlosser.
Esta herramienta se utiliza para informar la atención, pero requiere validación externa por parte de los médicos.
"El uso de tecnología para recopilar y analizar información que nos ayuda a predecir la duración de las válvulas cardíacas implantadas es un gran paso hacia mejores resultados y una atención más personalizada para los pacientes", afirmó Lars G. Svensson, MD, Ph.D., jefe del Instituto del Corazón, Vascular y Torácico de la Clínica Cleveland. dijo en un comunicado.
El sistema sanitario comenzó a trabajar con Diania Health hace un año para utilizar su plataforma de IA para el reclutamiento de ensayos clínicos.
Schlosser enfatizó que Synapsis AI hace posible por primera vez analizar exhaustivamente casi dos décadas de datos de pacientes. "Aún más innovadora es la capacidad de pasar de datos sin procesar a modelos de riesgo predictivos de una sola vez. Esto permite una atención precisa a escala y la capacidad de preguntar: '¿Cuándo debe hacerse el próximo eco a un paciente?' Proporciona a los médicos información sólida para respaldar sus decisiones clínicas con respecto a cualquier paciente, incluidas preguntas como "¿Cuándo necesitará el paciente una reintervención?", dice Schlosser.
La colaboración de Cleveland Clinic y Diania Health refleja la visión más amplia de Nvidia de proporcionar a los innovadores de la atención médica y las ciencias biológicas una plataforma informática y herramientas de inteligencia artificial para avanzar en la investigación y ayudar a los equipos de atención a comprender mejor las necesidades de los pacientes, dijo Sumner.
Según Dayania Health, el estudio de válvulas cardíacas muestra qué tratamientos funcionan mejor para qué pacientes y cómo Synapsis AI puede ayudar a los sistemas de salud a utilizar los datos de sus propios pacientes para mejorar los modelos predictivos con el tiempo.
"La infraestructura de Nvidia nos permite manejar más trabajo al mismo tiempo y utilizar los recursos de manera más eficiente. Puede permitir a los hospitales encuestar a poblaciones más grandes, hacer preguntas más detalladas y revisar los análisis con más frecuencia. La oportunidad a largo plazo es pasar de lotes periódicos a información disponible.
"Podemos hacer esto colocando los registros de los pacientes en el propio entorno del sistema de salud, detrás de su firewall. También estamos evaluando capacidades para la inferencia distribuida, el aislamiento de la carga de trabajo y la protección de los datos durante el cálculo. La potencia informática por sí sola no hace que una decisión clínica sea óptima; permite que un sistema médico cuidadosamente desarrollado funcione a mayor escala y velocidad", afirma.
Sumner enfatizó que las organizaciones de atención médica solo están arañando la superficie del potencial de la IA para descubrir información clínicamente útil oculta en los registros longitudinales de los pacientes.
"Conectar las notas del médico con los resultados de pruebas anteriores y el historial de tratamientos puede ayudar a identificar a los pacientes que necesitan seguimiento, relacionar a los individuos con los ensayos clínicos y brindar a los investigadores una comprensión más clara de cómo funcionan los tratamientos con el tiempo", afirmó. "El estudio de válvulas cardíacas de la Clínica Cleveland es un ejemplo específico. La IA ha ayudado a los investigadores a reunir una visión detallada de la atención al paciente para estudiar cómo se deterioran las válvulas de reemplazo. Ese conocimiento tiene el potencial de traducirse en un monitoreo más personalizado y decisiones de atención mejor informadas. Los médicos pueden revisar la evidencia que respalda y validar sus hallazgos para cada paciente".