Dyania Health 部署本地端人工智慧系統，協助醫院分析數十年病歷資料

醫院內部封存了數十年未經整理的非結構化病歷，涵蓋手寫醫囑筆記、手術報告、病理判讀結果到出院病摘等。以人工方式回顧數年病歷往往耗費臨床醫師大量時間。為了解決這項瓶頸，總部位於美國紐澤西州的臨床人工智慧新創公司 Dyania Health 推出了輔助型臨床推理引擎「Synapsis AI」，旨在不損及病患隱私的前提下，深入分析複雜的過往病史。

直接於醫院防火牆內執行臨床推理

Synapsis AI 能跨越病患電子病歷中的筆記、報告及檢驗數據，將跨越多個年份的分散發現相互串聯。該平台可產生具回溯性的臨床警示訊號，精準標記出病歷中的對應出處，提醒照護團隊注意需要緊急處置的病患。

為符合嚴格的資料安全規範，Synapsis AI 完全在醫療機構既有的防火牆內以本地端（on-premises）模式運作，採用 NVIDIA 加速運算架構。由於所有病歷資料皆在醫院內部的 GPU 伺服器本機處理，病患資料絕不會傳送至外部或在第三方網路間流通。

Dyania Health 使用 NVIDIA NeMo 開源函式庫開發與訓練其臨床模型，隨後透過 NVIDIA TensorRT 與 TensorRT-LLM 針對推論進行最佳化，使其能在本地硬體上更快速且更具資源效率地執行。此系統定位純粹為輔助工具，意味著臨床醫師仍保有最終決策權，負責檢視擷取出的醫療實證並做出所有照護決定。

獲克利夫蘭醫學中心（Cleveland Clinic）實務驗證

這項技術的實質成效已在克利夫蘭醫學中心（Cleveland Clinic）的一項大型心臟醫學研究計畫中獲得驗證。該醫療機構運用 Synapsis AI 協助進行一項研究，針對 2005 年至 2021 年間超過 7,800 名接受主動脈瓣膜置換手術的病患進行分析。

Synapsis AI 檢視了完整的多年世代研究資料——包括術後紀錄的歷史心臟超音波報告——這項龐大任務若由臨床醫師以人工方式審閱，往往需要數年才能完成。藉由這些資料，該平台協助建立起一套預測模型，用以評估術後滿 3 年、5 年與 10 年的心臟瓣膜劣化情形以及再次介入治療的機率。

克利夫蘭醫學中心心血管暨胸腔醫療機構（Heart, Vascular & Thoracic Institute）院長 Lars Svensson 醫師表示：「利用科技彙整並分析資訊，幫助我們預測植入瓣膜的使用壽命，是改善治療成效並為病患提供更具個人化照護深具前景的一步。」

除了心血管照護領域外，這套病歷審查架構也正擴展應用於其他複雜的醫療工作流程，包括臨床試驗受試者媒合、自動填寫臨床登錄資料，以及找出心臟科與腫瘤科持續治療過程中的缺口。