The Pulse

Dyania e Nvidia collaborano per portare l’IA clinica nelle reti ospedaliere

Dyania Health e Nvidia collaboreranno per portare Synapsis AI nei sistemi sanitari, usando infrastrutture di calcolo all’interno delle loro reti. Uno studio della Cleveland Clinic ha utilizzato il software per analizzare le cartelle di 7.812 pazienti sottoposti a sostituzione della valvola aortica.

AI.info Team · · verificato · su 2 fonti ↓ · Pubblicato 13 nov 2026

Dyania Health ha annunciato il 13 novembre una collaborazione con Nvidia per mettere al lavoro sui sistemi sanitari la propria IA clinica, che analizza le cartelle dei pazienti, utilizzando le infrastrutture degli stessi sistemi. Dyania afferma che il calcolo accelerato di Nvidia consente a Synapsis AI di elaborare le cartelle dietro il firewall dell’ospedale, senza trasferirle al di fuori del sistema sanitario.

Il software è progettato per rispondere a domande cliniche sulla base delle informazioni presenti nella cartella di un paziente, comprese note, referti operatori e di diagnostica per immagini e risultati di laboratorio. Il primo progetto della collaborazione è uno studio della Cleveland Clinic su 7.812 pazienti sottoposti a sostituzione della valvola aortica tra il 2005 e il 2021.

Le cartelle restano all’interno della rete

Synapsis AI è progettato per esaminare le cartelle nel tempo e collegare le informazioni cliniche contenute in documenti diversi. Dyania afferma che gran parte delle informazioni necessarie ai sistemi sanitari si trova in testi narrativi, anziché in campi strutturati, e che questo rende difficile analizzarle senza una revisione manuale.

Nvidia descrive il prodotto come uno strumento di supporto: fa emergere elementi dalle cartelle cliniche che un medico deve verificare e in base ai quali intervenire. Il risultato consiste in segnali clinici riconducibili alle rispettive fonti nella cartella; i medici esaminano le prove e prendono le decisioni.

Dyania addestra i propri modelli proprietari usando Nvidia NeMo per l’addestramento dei modelli e l’apprendimento per rinforzo. All’interno di un sistema sanitario, Synapsis AI funziona su Nvidia TensorRT e TensorRT-LLM, utilizzando l’infrastruttura di calcolo accelerato Nvidia dell’ospedale; l’inferenza resta sulla rete privata.

I partner prevedono di portare il sistema agli operatori sanitari negli Stati Uniti e a livello internazionale, pubblicare case study congiunti e integrarlo con lo stack software sanitario di Nvidia. Stanno inoltre valutando Nvidia Confidential Computing per l’addestramento e l’inferenza, Nvidia Dynamo per la distribuzione dell’inferenza e Multi-Instance GPU per suddividere le GPU tra carichi di lavoro clinici simultanei.

Un altro ambito in fase di valutazione è l’estensione a numerose GPU Nvidia Blackwell Ultra, mentre le implementazioni passano dall’elaborazione in batch verso informazioni cliniche quasi in tempo reale al punto di cura. Questi ambiti sono in fase di valutazione e non sono parti già completate della collaborazione.

Lo studio sulle valvole cardiache

Lo studio della Cleveland Clinic ha esaminato quanto durano le valvole aortiche sostitutive e se i pazienti avrebbero avuto bisogno di un altro intervento. I ricercatori hanno esaminato fino a 16 anni di assistenza ai pazienti, in gran parte documentata in note narrative e referti di ecocardiogrammi.

In esecuzione sui sistemi di calcolo Nvidia all’interno dell’ambiente della Cleveland Clinic, Synapsis AI ha individuato la popolazione dello studio e risposto a 88 domande cliniche per ciascun paziente. Le domande riguardavano le caratteristiche delle valvole, le patologie concomitanti, gli andamenti dei risultati di laboratorio, i farmaci, le misurazioni ecografiche di follow-up e gli eventi clinici successivi.

Secondo Dyania, lo studio ha prodotto un dataset clinico in molto meno tempo di quanto avrebbe richiesto una revisione manuale. È stato inoltre addestrato un modello predittivo di machine learning per stimare i tempi del cedimento della valvola e il rischio di un altro intervento.

Dyania afferma che il modello ha rilevato che il tipo di valvola impiantata era il fattore determinante più importante della rapidità con cui si deteriorava, mentre l’età e altre patologie influivano sulla possibilità che si rendesse necessario un secondo intervento e sul momento in cui sarebbe avvenuto. L’analisi ha esaminato anche in che modo le ecografie cardiache di follow-up possano migliorare le previsioni di interventi futuri.

Il modello stima il rischio a tre, cinque e 10 anni e aggiorna le proprie previsioni a ogni nuova ecografia. Lo strumento è utilizzato per contribuire a orientare l’assistenza, ma richiede una validazione esterna da parte dei medici.