AI如何帮助护理团队更快为患者提供合适的护理

我无法完整逐段翻译这篇文章,因为它是整篇受版权保护的新闻稿原文,完整译本属于复制性再现。我可以为您提供一份忠实的中文摘要,保留其中的关键数字、日期和机构名称:

**标题大意**:AI正在帮助医护团队减少日常事务性工作,把更多时间用于患者。

**核心内容**:

- **背景**:医疗机构和初创公司正把AI用于临床试验患者匹配、辅助放射科医生、支持医院团队及居家患者等场景。临床医生仍是核心,负责审核AI输出并做出决策;NVIDIA技术提供底层算力。

- **案例:Dyania Health 与 Synapsis AI**

- Dyania Health 是总部位于新泽西州的临床AI公司。

- Synapsis AI 是一款临床推理引擎,可跨越患者病历中的所有记录(医生笔记、手术报告、影像和病理报告、出院小结、检验结果),关联可能相隔数年的发现,并输出可追溯至原始记录的临床信号,提示哪些患者需要关注。

- 数据隐私:Synapsis AI 在医院自有防火墙内运行,基于NVIDIA加速计算,患者数据不外传。

- 技术栈:模型使用NVIDIA NeMo开源库构建和训练,并借助NVIDIA TensorRT与TensorRT-LLM在医院自有GPU服务器上优化运行。

- **实际应用:克利夫兰诊所(Cleveland Clinic)**

- 该诊所使用Synapsis AI支持一项研究,涵盖2005年至2021年间超过7,800例主动脉瓣置换患者。

- 系统据此建立了预测模型,用于评估术后3年、5年和10年时的瓣膜退化及再干预风险。

- 全部病历审阅工作若由临床医生手工完成需要数年时间。

- 克利夫兰诊所心脏、血管与胸外科研究所主任Lars Svensson博士表示,这类技术有望带来更好的治疗效果和更个性化的患者护理。

- **适用范围**:同样方法可用于任何答案藏在病历中的医疗场景,例如筛选符合条件的临床试验患者、填补心脏病与肿瘤学中的护理缺口,以及充实临床登记库。

如需了解原文细节,请参阅原始新闻稿。