臨床推論エンジン「Synapsis AI」、数十年分の患者記録を解析し判断を支援
この記事の要点
Dyania Healthが開発した臨床推論エンジン「Synapsis AI」は、病院内に蓄積された数十年分の患者記録を解析し、臨床上の判断を支援する。NVIDIA NeMoで構築され、TensorRT-LLMで最適化された同エンジンは、Cleveland Clinicでの研究で、7,800人以上の術後リスク予測に活用された。システムは院内環境で動作し、データは外部共有されない。臨床試験の患者選定やケアのギャップ解消など、医療現場の広範な課題解決に応用できる。
Dyania Healthが開発した臨床推論エンジン「Synapsis AI」が、医療現場の判断支援に活用されている。同エンジンは、病院内に蓄積された過去数十年分の患者記録を横断的に解析し、臨床上の問いに対する回答を生成する。
医師のメモや手術報告書、画像診断、病理レポート、退院サマリーなど、膨大なデータを処理できる点が特徴だ。システムは病院内のファイアウォール内で動作するため、患者データが外部に共有されることはない。
Cleveland Clinicでの研究では、2005年から2021年に大動脈弁置換術を受けた7,800人以上の記録を解析した。AIは各患者の記録を処理し、術後3年、5年、10年時点での弁の劣化や再介入リスクを予測するモデルを構築している。手作業では数年を要する規模のチャートレビューを、短期間で完了させた。
開発基盤にはNVIDIAの技術が採用されている。Dyania Healthは臨床モデルの構築と学習に「NVIDIA NeMo」を使用し、病院内のGPUサーバー上で効率的に動作させるために「NVIDIA TensorRT」および「NVIDIA TensorRT-LLM」を活用した。
同技術は、臨床試験の対象患者の特定や、循環器科・腫瘍科におけるケアのギャップ解消、臨床レジストリの作成など、医療記録内に回答が存在する課題全般に応用できる。
なお、Synapsis AIはあくまで臨床医の判断を支援するツールである。AIが出力した根拠を臨床医が確認し、最終的な意思決定を行う必要がある。現時点で、具体的な導入費用や他病院への展開スケジュール、対応可能な疾患の網羅性については公表されていない。
経営にとっての意味
本件は導入を見送る。理由は、導入費用、他病院への展開時期、対応可能な疾患の網羅性が不明であり、投資対効果を算出できないためだ。
病院内のファイアウォール内で動作し、データが外部に共有されない点は、医療情報の機密保持要件を満たす可能性がある。しかし、NVIDIA NeMo等の技術スタックを自社で運用する際のインフラ構築費や、医師の判断を支援するツールとしての責任分界点が不明確である。
今後、具体的なライセンス費用と、既存の電子カルテシステムとの統合コストが公開されれば、再検討する。現時点では、手作業の代替効果のみで導入を判断する材料には足りない。
4人で読み解く
記事の内容だけをもとに、担当のちがう4人(経営・開発・聞き手・運用)が話します。 記事に書かれていないことは話しません。
出典
NVIDIA Blog「How AI Is Helping Care Teams Get Patients the Right Care, Sooner」この記事は、出典元が公表した原文をもとに当社のAI編集部が日本語で再構成し、 公開前に人が確認したものです。原文の訳ではありません。 事実関係は出典(原文)で確認してください。
