简体中文
关闭
AI照护资讯

Dyania Health联姻NVIDIA:大模型病历解析直指临床试验招募瓶颈

#AI照护与医疗科技 时间2026-11-14 05:36:42

文/IAICA.NGO®

临床研究中最耗时的环节,往往不是分子筛选,而是翻阅成千上万份格式各异的电子病历,从中判断某位患者是否符合入组标准。医疗人工智能公司 Dyania Health 宣布与 NVIDIA 建立合作,将其临床数据抽象平台与后者的加速计算与人工智能软件栈深度整合,目标直指这一长期依赖人力的瓶颈环节。

Dyania Health 的核心产品围绕大语言模型构建,能够读取医生病程记录、病理报告、影像结论等非结构化文本,把“既往使用过某类药物”“左心室射血分数低于某阈值”“三个月内发生过急性事件”这类叙述性描述,转化为可查询、可计算的结构化字段。其典型用例是临床试验的患者预筛:研究协调员不再逐份手工阅读,而是先用自然语言定义入排标准,由系统在机构内网完成初筛,再交由人工确认。与芯片厂商的合作主要落在推理效率与部署形态上,借助图形处理器加速与容器化的模型服务,缩短单份病历的处理时延,并支持在医疗机构自有环境中完成大规模批量运行。

这一方向的需求侧逻辑相当清晰。行业长期统计显示,临床试验因招募进度不足而延期的情况相当普遍,单个关键性研究每延迟一天带来的成本可达数十万美元量级;与此同时,电子病历数据量仍在快速增长,其中约八成为自由文本。人力审阅速度与数据增长速度之间的差距,构成了自动化工具的生存空间。

技术路径上,医疗文本处理经历过几代方案。早期基于规则与词典的系统可解释性强,但对表述变体极为敏感,“否认胸痛”与“胸痛缓解”这类否定与语境依赖的句式常导致误判。随后的监督式命名实体识别模型提升了泛化能力,却仍需大量标注数据,且难以处理跨段落推理。以大语言模型为代表的生成式方案在语义理解上明显占优,代价是引入了幻觉风险,模型可能“合理地”编造一个并不存在的检验值。因此当前主流做法并非端到端替代,而是“模型抽取、规则校验、人工复核”的三段式流程,并把每一条结论回溯到原文位置,供审阅者一键定位。平台强调的可追溯性,在受监管环境中几乎是准入前提。

合规层面的约束同样塑造着产品形态。病历属于高度敏感信息,跨境传输与二次利用受到严格限制,因此厂商普遍选择在客户的数据边界内完成推理,或采用去标识化后再集中处理的双轨方案。与通用云服务相比,这类部署对算力调度、模型版本管理与审计日志提出了更高要求,也正是芯片与软件平台厂商切入医疗垂直场景的主要抓手。近两年,算力厂商在生命科学领域的布局已从分子设计扩展到临床运营,涵盖医学影像、基因组学与真实世界数据等多个环节。

从产业链看,临床数据抽象赛道的竞争者既包括专注自然语言处理的初创公司,也包括传统临床研究服务商自建的工具链,以及电子病历厂商内置的检索模块。差异化通常落在三个维度:对罕见表述与否定语境的识别准确率、与主流临床试验管理系统对接的工程成熟度、以及在不同专科之间迁移时的稳定性。合作能否转化为可验证的客户价值,最终仍取决于前瞻性验证研究的结果,即自动化预筛相比人工审阅,在召回率与时间成本上的实测差异。

更深层的影响可能发生在研究之外的场景。一旦病历文本能够被稳定结构化,支付方的理赔审核、药物警戒的信号发现、医疗机构的质控抽查都将获得新的技术基础;相应地,患者数据的二次利用边界、算法偏倚对不同人群的影响、以及由谁解释模型输出等问题也会随之放大。技术效率的提升并不自动带来治理水平的提升。

iaica.com.cn 指出,临床文本智能化的真正门槛不在模型参数规模,而在于能否把每一次自动判断都锚定到可核查的原始记录,并让临床人员保留最终裁量权。

对于照护机构而言,这类能力的外溢效应同样值得关注:长期护理与慢病管理场景中的评估量表、护理记录与用药清单,本质上也是高度非结构化的文本,若能在本地完成结构化并保留溯源,将显著降低跨机构交接时的信息损耗。

相关标签:

分享本文
Dyania Health联姻NVIDIA:大模型病历解析直指临床试验招募瓶颈

Dyania Health联姻NVIDIA:大模型病历解析直指临床试验招募瓶颈

临床研究中最耗时的环节,往往不是分子筛选,而是翻阅成千上万份格式各异的电子病历,从中判断某位患者是否符合入组标准。医疗人工智能公司 Dyania Health 宣布与 NVIDIA 建立合作,将其临床数据抽象平台与后者的加速计算与人工智能软件栈深度整合,目标直指这一长期依赖人力的瓶颈环节。 Dya...

评论

0 条
暂无评论,快来抢沙发。

Copyright © 2026 IAICA 版权所有  隐私政策 用户协议 Cookie说明 备案号:沪ICP备11018632号-8

18351659883