Dyania Health a annoncé aujourd’hui une collaboration avec NVIDIA pour mettre le raisonnement clinique de l’IA au service des systèmes de santé, sur leur propre infrastructure, à l’échelle de l’ensemble de leur population de patients. Synapsis AI de Dyania lit le dossier médical complet d’un patient, à travers des années de notes, de rapports opératoires, de rapports d’imagerie et de résultats de laboratoire, et répond aux questions cliniques avec les preuves du dossier. Le calcul accéléré par NVIDIA permet de réaliser cela sur de larges populations de patients derrière le pare-feu de l’hôpital, sans transférer les dossiers des patients en dehors du système de santé. Ensemble, les sociétés visent à donner aux systèmes de santé la possibilité de tirer des enseignements de l’histoire complète des patients qu’ils ont traités et de transformer cette expérience en une identification plus précoce des besoins en matière de soins, en des décisions de traitement plus éclairées et en de meilleurs soins pour le prochain patient, tout en conservant ces dossiers dans leurs propres systèmes.
Transformer l’expérience clinique en de meilleurs soins
Les systèmes de santé détiennent des décennies d’expérience clinique dans leurs dossiers médicaux, mais une grande partie est difficile à analyser à grande échelle. La plupart des informations importantes se trouvent dans un texte narratif plutôt que dans des champs structurés, et leur interprétation nécessite souvent une révision manuelle. Les registres, les études de résultats et les modèles prédictifs peuvent être limités par le nombre de graphiques qu’une équipe peut lire à la main. L’extraction et l’interprétation des informations cliniques nécessaires à leur construction restent un goulot d’étranglement majeur.
Synapsis AI effectue ce raisonnement. Il est conçu pour fonctionner de la même manière qu’un spécialiste travaille sur un dossier : longitudinalement, dans chaque document, en déterminant ce qu’un patient a réellement eu, quand et avec quelles preuves. Faire cela pour un patient est un problème de raisonnement. Le faire pour l’ensemble d’un système de santé, en continu, dans l’environnement même de l’hôpital, nécessite une capacité informatique importante. Dyania apporte le moteur de raisonnement clinique et l’expérience de mise en œuvre ; NVIDIA apporte la plate-forme informatique accélérée et le logiciel qui lui permet de fonctionner sur site de manière sécurisée et efficace.
Synapsis AI est construit de bout en bout sur la pile logicielle NVIDIA AI Enterprise. Dyania forme ses modèles cliniques exclusifs avec le framework NVIDIA NeMo pour la formation de modèles et l’apprentissage par renforcement. Au sein du système de santé, Synapsis AI fonctionne sur NVIDIA TensorRT et TensorRT-LLM sur la propre infrastructure informatique accélérée NVIDIA de l’hôpital, de sorte que l’inférence reste à l’intérieur du réseau privé de l’hôpital.
Dans le cadre de cette collaboration, les sociétés travailleront pour intégrer Synapsis AI sur l’infrastructure NVIDIA aux systèmes de santé aux États-Unis et dans le monde, publieront des études de cas conjointes et intégreront Synapsis AI à la pile logicielle de santé de NVIDIA. Les domaines que les entreprises évaluent incluent NVIDIA Confidential Computing pour la formation et l’inférence, NVIDIA Dynamo pour le service d’inférence distribuée, le GPU multi-instance pour partitionner les GPU entre des charges de travail cliniques simultanées et l’évolutivité vers de nombreux GPU NVIDIA Blackwell Ultra à mesure que les déploiements passent du traitement par lots à des informations cliniques en temps quasi réel sur le point de service.
« L’opportunité de l’IA dans le domaine de la santé est de donner aux équipes soignantes plus de temps et d’informations pour se concentrer sur les patients », a déclaré Chelsea Sumner, responsable de l’écosystème des startups d’IA dans le secteur de la santé chez NVIDIA. « Dyania Health apporte une expertise clinique approfondie à cette opportunité, en utilisant la plateforme d’IA de NVIDIA pour soutenir la recherche, aider à identifier les lacunes dans les soins et à développer une compréhension plus complète des besoins des patients. »
« C’est un moment décisif pour les soins aux patients. L’histoire de chaque patient s’étale sur des années de notes, de rapports et de résultats, et pour la première fois, nous pouvons raisonner sur tout cela en même temps, comme le fait un spécialiste, pour chaque patient d’un système de santé plutôt qu’un dossier à la fois », a déclaré Eirini Schlosser, fondatrice et PDG de Dyania Health. « Synapsis AI lit le dossier complet, tire les conclusions cliniques et montre les preuves qui les sous-tendent, et NVIDIA nous donne la puissance de calcul nécessaire pour le faire à l’intérieur de l’hôpital, chaque dossier restant à sa place. Ce que nous avons montré avec la Cleveland Clinic, c’est qu’un système de santé peut apprendre des patients qu’il a déjà traités pour prodiguer les soins appropriés au prochain patient plus tôt.
Prédire la durée de vie des valvules cardiaques de remplacement
Le premier travail de la collaboration est une étude de la Cleveland Clinic portant sur 7 812 patients ayant reçu un remplacement valvulaire aortique entre 2005 et 2021. L’étude répondait à une préoccupation centrale pour les patients : combien de temps durera la valvule de remplacement et une autre procédure sera-t-elle nécessaire ? Pour répondre à cette question, les chercheurs ont examiné jusqu’à 16 années de soins aux patients, la plupart dans des notes narratives et des rapports d’échocardiogramme qui peuvent être difficiles à saisir dans les registres.
Fonctionnant sur le calcul accéléré NVIDIA dans l’environnement de la Cleveland Clinic, Synapsis AI a identifié la population de patients et répondu à 88 questions cliniques pour chaque patient, couvrant la valve et ses caractéristiques, les conditions coexistantes, les tendances en laboratoire, les médicaments, les mesures échographiques de suivi et les événements cliniques ultérieurs. L’étude a produit un ensemble de données cliniques détaillées en beaucoup moins de temps qu’un examen manuel ne prendrait. De plus, un modèle prédictif d’apprentissage automatique a été formé, capable de prédire les délais de défaillance valvulaire et de risque de réintervention pour chaque patient.
Le modèle a révélé que le type de valve implantée était le facteur le plus déterminant de la rapidité avec laquelle elle se détériorait, tandis que l’âge et d’autres conditions médicales influençaient si et quand une deuxième procédure était effectuée. L’analyse a également examiné comment les informations de suivi, telles que les échographies cardiaques après une intervention chirurgicale, peuvent augmenter considérablement la précision prédictive des interventions futures. Le modèle estime le risque d’un patient individuel à trois, cinq et dix ans et révise les perspectives à chaque nouvelle échographie. L’outil est utilisé pour aider à éclairer les soins, mais nécessite une validation externe de la part des cliniciens.
« Utiliser la technologie pour rassembler et analyser les informations qui peuvent nous aider à prédire la durée des valvules cardiaques implantées est une étape prometteuse vers de meilleurs résultats et des soins plus personnalisés pour les patients », a déclaré Lars G. Svensson, MD, PhD, chef de l’Institut cardiaque, vasculaire et thoracique de la Cleveland Clinic.
L’étude sur les valvules cardiaques illustre le potentiel plus large de la collaboration. La même technologie pourrait aider les systèmes de santé à tirer les leçons de leur propre expérience pour comprendre quels patients bénéficieraient de certaines thérapies, quels traitements résistent dans le temps et pourquoi les résultats diffèrent entre des patients qui se ressemblent sur le papier. À l’avenir, les agents Synapsis AI formeront en permanence des modèles prédictifs de ce type, de sorte que les recommandations pour la prochaine action recommandée dans les soins d’un patient continuent de s’améliorer à mesure que la médecine de précision progresse.
