跳到主要内容
AI News HubLIVE
站内改写2 分钟阅读

AI如何帮助护理团队让患者更早获得正确治疗

文章摘要

从儿科研究到智能医院,AI正在帮助护理团队减少常规任务时间,将更多精力投入患者护理。医疗系统和初创公司正在将AI应用于患者与临床试验匹配、支持放射科医生、医院团队及居家患者等场景。临床医生始终处于中心位置,审查AI输出并指导决策,而NVIDIA技术为这些应用提供算力支持。

来源NVIDIA Blog作者: NVIDIA Writers
AI如何帮助护理团队让患者更早获得正确治疗
报告错误

纠错通道尚未开通,可先复制下方文章信息留存。

查看更正说明
直接读正文

医疗健康领域正迎来AI应用的快速发展。从儿科研究到智能医院,AI技术正在帮助护理团队减少在常规任务上的时间消耗,从而将更多精力投入到与患者的直接互动中。医疗系统和初创企业正在多个场景中部署AI,包括将患者与临床试验匹配、辅助放射科医生解读影像、支持医院团队工作以及为居家患者提供帮助。在整个过程中,临床医生始终处于核心位置,他们负责审查AI的输出结果并指导最终决策,而NVIDIA的技术则为这些应用提供底层计算能力。

新泽西州的临床AI公司Dyania Health开发了Synapsis AI,这是一款临床推理引擎,旨在解决医院中大量患者历史记录以自由文本形式存在的难题。这些记录包括医生的笔记、手术报告、影像和病理读片结果以及出院小结,跨越数十年。临床医生若要全面了解一位患者的完整病史,往往需要翻阅多年的病历档案。Synapsis AI能够处理患者记录中的每一份笔记、报告和实验室结果,将可能相隔数年的发现关联起来,像专科医生审阅病历一样回答临床问题。其输出是一组临床信号,每个信号都可追溯至记录中的来源,帮助护理团队识别哪些患者需要关注以及原因。临床医生会审查这些证据并做出所有决策。

在数据安全方面,Synapsis AI在医院自己的防火墙内运行于NVIDIA加速的计算环境。整个医疗系统的患者记录可以在本地处理,患者数据无需共享,也不会离开医院。这种处理方式将病历审查工作从临床团队的案头转移开,让他们有时间与患者相处。但Synapsis AI仍然需要临床医生的输入——它是一个辅助工具,会从医疗记录中呈现证据,临床医生仍需确认并采取行动。Dyania使用NVIDIA NeMo开源库构建和训练其临床模型,然后利用NVIDIA TensorRT和TensorRT-LLM对模型进行优化,使其在医院自己的GPU服务器上运行得更快、更高效。

在实际应用中,克利夫兰诊所利用Synapsis AI支持了一项研究,涉及2005年至2021年间超过7800名主动脉瓣置换患者。Synapsis AI对每位患者的记录进行推理,包括术后多年添加的每一次超声心动图,并利用这些信息构建了一个预测模型,用于评估患者接受主动脉瓣置换手术后三年、五年和十年时瓣膜 deterioro 和再干预风险。该AI平台完成了整个队列的病历审查,而人工完成这项工作可能需要临床医生花费数年时间。克利夫兰诊所心脏、血管和胸科研究所所长Lars Svensson博士表示:“利用技术汇集和分析有助于预测植入心脏瓣膜使用寿命的信息,是朝着改善预后和为患者提供更个性化护理迈出的有希望的一步。”

同样的方法可以应用于任何答案存在于医疗记录中的医疗挑战,例如识别符合临床试验条件的患者、缩小心脏病学和肿瘤学中的护理差距以及填充临床登记库。随着AI技术的不断成熟,医疗团队有望在保证临床监督的前提下,更高效地利用海量患者数据,让患者更快获得正确的治疗。

展开要点与分析

文章情报

工程师进阶

要点

  • Dyania Health的Synapsis AI能在医院防火墙内处理患者记录,提取可追溯的临床信号
  • 克利夫兰诊所利用该AI分析了7800多名主动脉瓣置换患者的记录,构建预测模型
  • AI作为辅助工具,临床医生仍需审查证据并做出最终决策
  • 该方法可扩展至临床试验匹配、心脏病学和肿瘤学护理缺口识别等场景

要点与分析由自动化流程生成,可能有误,请结合原始来源核实。