約1週審閱1,476份病歷，克里夫蘭診所找出46名臨床試驗潛在候選人

克里夫蘭診所（Cleveland Clinic）使用Dyania Health的Synapsis AI，約1週審閱1,476份電子病歷，找出46名罕見心臟疾病臨床試驗的潛在候選人。醫療團隊審查後認為，其中43人符合候選條件，30人可立即納入招募。

克里夫蘭診所於3月3日公布的研究指出，院方使用Synapsis AI為ATTR-CM第三期臨床試驗篩選候選人。系統審閱了位於俄亥俄州、佛羅里達州與內華達州的醫院及門診中心電子病歷。

醫療團隊認為，AI找出的46人中有43人符合候選條件。考量邊界標準等因素後，最終將30人列為可立即招募的候選人。

這30人中有29人未在既有招募流程中被發現。研究聚焦於單一醫療體系的一項特定罕見疾病臨床試驗，因此結果難以直接套用至其他機構或疾病。

研究團隊從隨機抽取的100名患者病歷中，評估7,700項與臨床試驗條件相關的問題。系統正確回答其中7,409項，準確率為96.2%。

醫療團隊也重新審查AI排除患者中的200份隨機樣本，認為其中198人的排除判斷適當。這兩項評估數據反映的是該臨床試驗中的病歷審查表現，不代表一般疾病診斷準確率或治療成效。

經AI輔助篩選的患者有7人在6天內登錄臨床試驗；傳統招募方式則在90天內登錄10人。該機構達成登錄目標後，便結束AI輔助招募。

由於AI輔助招募是在達成目標後結束，不能只憑這兩段期間及登錄人數，計算一般性的招募速度改善幅度或AI的因果效果。研究呈現的是AI在特定臨床試驗中篩選候選病歷、再由醫療團隊做出最終判斷的流程。

另一篇提交至2025年美國臨床腫瘤學會（ASCO）年會的黑色素瘤研究摘要顯示，Synapsis AI在2.5分鐘內處理50份患者病歷中的1,125項臨床試驗相關問題，準確率為95.73%。這是與罕見心臟疾病研究不同的病歷審查比較。

在同一項黑色素瘤任務中，黑色素瘤專科研究護理師花費427分鐘，準確率為95.11%；腫瘤科研究護理師花費540分鐘，準確率為88.09%。

Synapsis AI可同時讀取檢驗數值等格式化資訊，以及病歷與檢驗報告等文字資料，協助審查患者是否可能符合臨床試驗資格；候選人最終確認仍由醫療團隊負責。

Dyania Health表示，該系統在醫院內部基礎設施中使用輝達（NVIDIA，$NVDA）的加速運算。醫療紀錄分析系統由Dyania Health開發，輝達提供運算基礎設施。

Dyania Health另介紹一項案例，分析2005至2021年間接受主動脈瓣置換術的7,812名患者病歷。該模型會逐一檢視每名患者的88項臨床問題，估算術後3年、5年與10年的瓣膜功能退化及再次手術風險。

公司表示，該模型投入臨床使用前，仍需醫療團隊進行外部驗證。克里夫蘭診所曾投資Dyania Health，並公開說明可能因產品銷售獲得財務利益。

論文作者包括Dyania Health相關人士，研究負責人也公開了與公司的顧問及諮詢關係。評估研究結果時，這些利益關係揭露也應一併考量。

克里夫蘭診所於2025年11月將Synapsis AI部署至全院。院方於10月26日表示，與Dyania Health合作篩選臨床試驗候選人的專案獲得2026年Gartner Eye on Innovation Award。

院方公布，導入平台後，臨床研究團隊的患者登錄人數平均增加40%，登錄速度提高47%。這些數據來自院方自行統計；公開資料未列出樣本規模、比較期間或平均值的計算方式。