Noah Nasser, administrerende direktør for datma – Intervju-serie

Noah Nasser er administrerende direktør for datma (tidligere Omics Data Automation), en ledende leverandør af fødererede Real-World Data-platforme og relaterede værktøjer til analyse og visualisering. datmas mission er at giver sundhedsorganisationer mulighed for at optimere deres dataaktiver, drive innovation og forbedre patientresultater gennem avanceret dataopbevaring, AI-aktiveret data-harmonisering og fødererede søge- og arbejdsgangs-teknologier. Med hovedkontor i Oregon er virksomheden i forkanten af at transformere, hvordan sundhedsdata deles, moneteres og anvendes, og muliggør sikker samarbejde mellem dataforvaltere og dataforbrugere.

Kan du forklare, hvordan datma.FED anvender AI til at revolutionere sundhedsdata-deling og -analyse?

datma.FED integrerer AI-drevne analytiske værktøjer for at muliggøre sikker søgeeksekvering på tværs af vores fødererede netværk. Dets avancerede algoritmer faciliterer udtrækning, aggregation og levering af anonymiserede, delbare datasæt – hvilket giver dataforbrugere som farmaceutiske virksomheder og forskningsorganisationer mulighed for at udtrække indsigt, samtidig med at fuld overholdelse af og privatlivsstandarder sikres.

Ved at automatisere komplekse dataforespørgsler accelererer datma.FED adgangen til højkvalitets-, klar-til-brug-realverdensdata. Dette giver dataforvaltere som sundhedssystemer og molekylære laboratorier mulighed for at deltage i samarbejdsforskning, samtidig med at de fastholder fuld kontrol over deres dataaktiver.

Hvilke nøgleudfordringer løser datma for molekylære laboratorier og sundhedssystemer?

datma.FED løser flere kritiske udfordringer for molekylære laboratorier og sundhedssystemer, herunder:

• Data-monetisering: Muliggør kontinuerlig indtjening fra underudnyttede sundhedsdata, samtidig med at dataforvaltere fastholder fuld ejendomsret og kontrol.
• Data-privatliv og -sikkerhed: Holder følsomme data sikre ved at sikre, at de aldrig forlader dataforvalterens miljø gennem en privat-first-fødereret model.
• Data-overholdelsesrisici: Minimerer de reguleringsmæssige risici med revisionklare dataadgangskontroller og fuld overholdelsessporing.
• Data-forberedelse og -forretningsudvikling: datma overtager indsatsen for data-forberedelse for at sikre data-klarhed, samtidig med at dataforvaltere kobles sammen med forsknings- og farmaceutiske partnere.

Hvordan sikrer datma data-privatliv og -overholdelse, samtidig med at det muliggør sikker samarbejde mellem dataforvaltere og dataforbrugere?

datma.FED anvender en fødereret netværksmodel, der holder data sikre inden for hver forvalters miljø, samtidig med at det muliggør privat-first-samarbejde med dataforbrugere. Data går gennem en multi-trinsproces: det anonymiseres, filtreres for tilgængelighed og betegnes som delbart på basis af forvalterdefinerede tilladelser. datma behandler derefter eksterne forespørgsler uden at overføre rådata, og aggregere kun godkendte, anonymiserede datafelter. Celle-størrelsesbegrænsninger forhindrer genkendelse. Hver data-interaktion er revisionssikker og overholdelsesmæssigt i overensstemmelse med reguleringsstandarder som HIPAA.

Hvad adskiller datma.FED fra andre data-platforme i forhold til skalerbarhed og brugervenlighed?

datma.FED er designet til at skalerer næsten uden begrænsninger gennem sin fødererede arkitektur og automatiserede data-klarhedsfunktioner. Dets design muliggør en problemfri integration af multimodale sundhedsdata fra multiple kilder. Plattformens automatiserede data-klarhedsfunktioner – herunder data-mærkning og standardisering – strømliner data-forberedelse og reducerer manuel indsats. Ved at sikre, at data er søgeklar og overholdelsesmæssigt fra starten, muliggør datma.FED stort-skaligt, privat-first-data-deling, hvilket gør det højst skalerbart og intuitivt for forsknings- og realverdensdata-applikationer.

Hvordan faciliterer datma.FED-platformen integrationen af multimodale sundhedsdata på tværs af siloer?

datma.FED faciliterer integrationen af multimodale sundhedsdata på tværs af siloer gennem en af sine komponenter, datma.BASE. datma.BASE er et omfattende rammeværk bygget på proprietære data-lagre, containere og API’er. I stor skala muliggør dets avancerede funktioner indtagelse, aggregation og harmonisering af diverse sundhedsdata-typer (EHR, Omics, billeder og patologi). Ved at bryde data-siloer transformerer datma.BASE fragmenterede datasæt til samlede, handlebare indsigt.

Hvordan bidrager datmas teknologi til at brobygge data-lukker i farmaceutisk forskning og lægemiddeludvikling?

datma.FED hjælper med at udfylde kritiske data-lukker for farmaceutisk forskning og markedstillgangsstrategier. Ved at levere højkvalitets-, klar-til-brug-realverdensdata (RWD) med granularitet og longitudinal dybde muliggør datma.FED, at farmaceutiske virksomheder kan træffe mere data-drevne beslutninger. Dets sikre infrastruktur sikrer, at data forbliver tilgængelige uden at kompromittere privatliv eller sikkerhed, og understøtter omfattende indsigt, der er nødvendig for opdagelser.

Hvordan giver datma sundhedsorganisationer mulighed for at moneterisere deres data, samtidig med at de fastholder etiske og reguleringsmæssige standarder?

datma giver sundhedsorganisationer mulighed for at moneterisere deres data ved at skabe en sikker data-delings-økosystem, hvor sundhedsorganisationer fastholder fuld ejendomsret og kontrol. Gennem sin fødererede netværksmodel bestemmer dataforvaltere, hvilke data der er tilgængelige og delbare, samtidig med at de holder følsomme oplysninger sikre inden for deres egen infrastruktur. Omfattende revisionsspor, rolle-baserede tilladelser og reguleringsmæssige funktioner sikrer, at alle data-delingsaktiviteter overholder etiske standarder og privatlivsreguleringer. Dette tillader sundhedsorganisationer at generere nye indtægtsstrømme, samtidig med at de beskytter patient-privatliv og fastholder tillid.

Hvilke tendenser i AI og sundhedsdata forudser du vil have den største indvirkning i de næste fem år?

AI i sundhedssektoren er begrænset af bekymringer om privatliv, sikkerhed og begrænsninger i datakvalitet. AI giver os allerede mulighed for at levere personlig medicin i onkologi, men har kun kradsede overfladen af, hvad der er muligt. Ved at analysere enorme mængder af multimodale patientdata, herunder genomics, billedanalyse og biomarkørdata i kontekst med medicinsk historie, demografiske og livsstilsfaktorer, kan vi tilpasse behandlingsplaner og terapier til individuelle behov. Dette fører til forbedrede patientresultater og, i sidste ende, reducerede sundhedsomkostninger. Ved at kombinere disse værktøjer med fjernpatientovervågning og patient-rapporterede resultater kan vi muliggøre tidlig sygdomsopdagelse og forbedre overholdelse af behandlingsplaner. Imidlertid er den kritiske lynchpin i alt dette dybe, kontekstuelle datakilder, der er tilstrækkeligt diverse.

Desuden vil AI være nøglefaktoren i at give avanceret adgang til personlig pleje. Jeg ser en rolle for AI-modeller i at simplificere betalings- og faktureringslogistik, strømline bureaukratisk papirarbejde og sikre adgang og lighed på tværs af befolkningen. For tiden har LLM’er vist visse begrænsninger i denne anvendelse; nylige publikationer har peget på deres mangler i forhold til medicinsk kodning. Det er tydeligt, at disse barrierer kan overvindes med bedre, dybere og mere komplet træningsdata.

Til sidst vil AI fortsætte med at accelerere tempoet i medicinsk forskning. AI kan identificere nye lægemiddel-mål ved at analysere massive datasæt, der spænder over billedanalyse, multi-omics og andre tilgange, optimering af kliniske forsøg og acceleration af lægemiddel-opdagelse. Fødereret læring, en privatlivs-beskyttende AI-teknik, giver institutioner mulighed for at samarbejde om forskning uden at dele følsomme patientdata, og låser op for potentialet i samarbejdsforskning. Seneste fremskridt i årsags-inferens og generativ AI lover betydelige fremskridt i opdagelse fra grundlæggende biologi til anvendt terapi.

Hvad er din langsigtede vision for datmas indvirkning på sundhedssystemer og den bredere industri?

Hos datma er vi fokuseret på at bygge en fremtid, hvor bedre data driver personlig, tilgængelig og effektiv sundhedspleje. Ved at samle komplekse datasæt gennem fødereret læring giver vi kliniske og forskningspersoner mulighed for at tackle komplekse sundhedsudfordringer og låse op for nye medicinske gennembrud. Vores fødererede, realverdensdata-markedsplads, datma.FED, er det første skridt mod at realisere denne vision.

<p Forestil dig en fremtid for sundhedssektoren, hvor forskere kan analysere og udtrække indsigt fra enorme mængder af patientdata, fra genomics til billedanalyse og medicinsk historie til livsstilsfaktorer, for at tilpasse næste-generations-terapier med præcis patientfokus. Samtidig kan kliniske personer anvende AI til at give den rette pleje på det rette tidspunkt med minimal administrativ byrde. datmas fødererede tilgang accelererer denne vision ved at låse op for kraften i komplekse, sikre medicinske data. Ved at kontinuerligt udvide vores datasæt og lancere innovative værktøjer som datma.WHY og datma.360 driver vi tidlig sygdomsopdagelse, forbedrede terapier og bedre patientresultater.

Vores vision strækker sig ud over enkelt-patienter. datmas engagement i fødereret læring låser op for kraften i samarbejdsforskning, og giver institutioner mulighed for at analysere massive datasæt uden at kompromittere patient-privatliv. Dette udløser en bølge af opdagelser, fra identificering af nye lægemiddel-mål til optimering af kliniske forsøg. Ved at udnytte AI’s analytiske formåen og årsags-inferens-kapaciteter kan vi accelerere medicinsk forskning og bringe livsreddende behandlinger til patienter hurtigere. Vi er fast besluttede på at føre an i at gøre denne fremtid til virkelighed.

Tak for det store interview. Læsere, der ønsker at lære mere, kan besøge datma.