Dyania Health正在使用人工智能（AI）来自动化手动患者病历审查，增强提供者梳理医疗记录的能力，并加速医学研究。这家由女性创立的技术公司开发了Synapsis AI，这是一种专有的基于大型语言模型（LLM）的端到端平台，解决了高效但耗时的过程。该医疗专用AI系统可以自动进行手动病历审查和提取，以预筛选临床试验的患者和观察性研究。
Dyania成立于2020年，在A轮融资中筹集了1000万美元，由HealthX Ventures领投。Tech Square Ventures和克利夫兰诊所风险投资公司也参与了本轮融资，现有投资者也积极参与其中。该公司在2022年获得了530万美元的种子轮融资。
Dyania的平台最初在大型医疗系统中使用，以实现全企业范围的临床试验预筛选、自动化观察性研究的病历审查，以及自动化的复杂注册报告，减少手动工作量，确保更准确和及时的患者护理。Synapsis AI可以在医疗系统防火墙内的大量电子病历数据库中读取并得出临床结论。据公司高管称，人类需要30分钟才能完成的工作，Synapsis AI只需不到五秒，且准确率超过94%，高于人类医疗专业人员。
临床记录包含大量非结构化医疗数据，如医生笔记、病理报告和影像报告。据估计，80%的EMR数据是非结构化的，难以解读。医疗专业人员需要数小时才能读完这些信息，然后再乘以数百万在学术医疗中心接受治疗的患者。
“实际上，这项技术自动化了原本非常依赖人力的阅读和从医疗记录中得出结论的过程。人类需要一个半小时到两小时才能完成的工作，我们可以在半秒钟内完成，”Dyania Health的首席执行官兼创始人Eirini Schlosser在本周拉斯维加斯举行的HLTH 2024会议上告诉Fierce Healthcare。
“这种技术的应用非常广泛。它就像水龙头，你可以用水浇花或煮鸡蛋。一旦在医疗系统的防火墙内设置好，我们不会进行任何数据挖掘。数据不会离开防火墙。AI在后台运行，读取并询问有关患者群体的问题，无论是为了单个患者的临床试验资格，还是进行观察性研究和自动化注册，”她说道。
Dyania的Synapsis AI平台使用其专有的LLM和先进的数据工程，从大量非结构化医疗记录和结构化数据（如编码信息或数值实验室结果）中提取见解。通过这项技术，医生可以用复杂的临床问题来查询患者数据。
正如Schlosser指出的，Dyania Health的技术在医疗系统的防火墙内工作，AI处理在本地进行，因此数据永远不会离开医疗系统的计算环境。公司将利用这笔新资金扩展其AI能力，并与更多领先组织建立合作伙伴关系，以推动临床研究和患者护理的改进成果，Schlosser说。Schlosser是一位连续创业者，过去十年一直在从事自然语言处理工作，她组建了一个由全职医生和应用AI研究人员组成的团队。该团队结合数学能力和深厚的医学专业知识，构建了适用于临床研究的大型语言模型，她说。
Dyania Health的团队在COVID-19大流行期间合作注释了大量的数据集，并利用这些注释的EMR训练他们的LLM，构建了专有的Synapsis AI平台。Schlosser指出，公司在COVID-19大流行初期成立实际上是有利的。公司在2020年初获得了种子前融资，专注于技术的开发。
“我们将几个不同的组件结合在一起，形成了一个真正独特的解决方案，有效地让全职医生与AI研究人员密切合作，应用来自大型科技公司的数学方法，并在世界知道ChatGPT之前直接经验培训大型语言模型。我们在大流行期间进行了训练和注释数据集的工作，并因此获得了这一奢侈的机会，”她说。
2022年底，当ChatGPT推出时，Dyania Health已经开始与克利夫兰诊所合作，她指出。“我们一开始就瞄准了大型机构，这是事后看来正确的做法，因为我们希望与拥有计算资源支持现场AI部署的机构合作，”Schlosser说。
Dyania Health已与多家医疗系统和生命科学公司建立了战略伙伴关系和商业关系。公司专注于与学术医疗中心合作，这些中心除了计算基础设施外，还拥有重要的临床研究运营和大量的多样化患者群体。
在其开发阶段，Dyania Health做出了先发制人的决定，购买GPU作为计算资源，然后专注于持续创新和培训其模型，这些模型现在在医疗病历审查方面始终优于人类专家，Schlosser说。马萨诸塞州总医院布里格姆的研究人员发现，像ChatGPT这样的人工智能软件可以帮助加快寻找符合条件的临床试验患者的筛选过程，正如Fierce Medtech报道的那样。
Schlosser在一个医生家庭长大，大学时最初是预医学生。但她后来离开了医学，过去十年领导多学科团队专门从事自然语言处理技术平台的开发。通过这项工作，她认识到埋藏在自由文本中的数据的未开发价值，尤其是在医疗保健领域。
“我一生都在远离医疗保健，但这是一个太大的问题，不能不尝试解决。我们只是想能够影响那些占用大量时间并阻碍患者获得所需护理的问题，”她说。“当你寻找一个可能有很短的时间窗口符合特定临床试验条件的患者，或在这个时间窗口内他们可以获得最佳疗法时，如果在这个时期内找不到他们，他们就会被错过。这是我最初的动力，能够自动化这个过程，否则医疗保健将在技术方面落后于其他行业几十年。”
克利夫兰诊所现在计划在癌症和心血管疾病领域与Dyania Health合作一年后，进行全企业范围的Synapsis AI推广。“人工智能有潜力提高患者护理水平并加快医学研究的速度。我们与Dyania Health的合作结合了深厚的计算和医学专业知识，”克利夫兰诊所首席数字官Rohit Chandra博士在声明中说。克利夫兰诊所的心脏、血管和胸外科研究所及癌症研究所已经在使用这项技术，早期成功地简化和加速了临床试验的招募过程，Chandra指出。
“该系统经过医学训练的大型语言模型可以筛查电子病历，识别符合临床试验资格标准的患者。消除这些瓶颈将使患者更容易获得临床试验，同时加速科学进步，”Chandra说。
(全文结束)
