Συνεργασίες

Η Nference σχεδιάζει ομοσπονδιακή πλατφόρμα έρευνας τεχνητής νοημοσύνης με τη Cedars-Sinai

Lila Rowan
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΗ πλατφόρμα είναι σχεδιασμένη υποδομή και όχι παραδοτέο προϊόν, με τις δυνατότητες να…
Δείτε περισσότερα
  • Η πλατφόρμα είναι σχεδιασμένη υποδομή και όχι παραδοτέο προϊόν, με τις δυνατότητες να περιγράφονται ακόμη ως προβλεπόμενες.
  • Το ομοσπονδιακό λογισμικό και η ιατρική αξιολόγηση στοχεύουν στην προστασία της ιδιωτικότητας ενώ εναρμονίζουν ακατάστατες μορφές κλινικών δεδομένων.
  • Η πραγματική δοκιμασία του είναι αν τα επιμελημένα διαχρονικά δεδομένα βοηθούν τους ερευνητές να επικυρώνουν υποθέσεις και να δημιουργούν χρήσιμα μοντέλα.

Η nference ανακοίνωσε μακροπρόθεσμη συνεργασία με τη Cedars-Sinai στις 20 Νοεμβρίου 2026, με στόχο τη δημιουργία μιας ασφαλούς πλατφόρμας για την ανάλυση αποταυτοποιημένων κλινικών δεδομένων από πολλούς τομείς της περίθαλψης ασθενών. Η σχεδιαζόμενη ερευνητική βάση θα περιλαμβάνει αρχεία άνω των 5 εκατομμυρίων ασθενών για διάστημα μεγαλύτερο της δεκαετίας, παρακολουθώντας την περίθαλψή τους σε βάθος χρόνου.

Η πλατφόρμα δεν έχει ακόμη αναπτυχθεί, ενώ οι ερευνητικές λειτουργίες και οι λειτουργίες τεχνητής νοημοσύνης περιγράφονται ως προβλεπόμενες δυνατότητες. Το εγχείρημα έχει σχεδιαστεί ώστε να μετατρέπει τις πληροφορίες που παράγονται κατά την κλινική περίθαλψη σε δεδομένα κατάλληλα για έρευνα, καλύπτοντας θεραπευτικούς, διαγνωστικούς και χειρουργικούς τομείς, και να παρέχει στους ερευνητές μια κοινή βάση για την ανάλυση αρχείων σε διαφορετικές, μη δομημένες μορφές.

Ιδιωτικότητα, επιμέλεια και εύρος δεδομένων

Η nference θα σχεδιάσει το σύστημα με λογισμικό ομοσπονδιακής αρχιτεκτονικής, με στόχο την προστασία της ιδιωτικότητας των ασθενών και την εναρμόνιση δεδομένων από διαφορετικές κλινικές μορφές. Η διαχρονική επιμέλεια, δηλαδή η οργάνωση των αρχείων καθώς εξελίσσεται η περίθαλψη των ασθενών, θα περιλαμβάνει αξιολόγηση από ιατρούς, εντάσσοντας τον έλεγχο από γιατρούς στη διαδικασία προετοιμασίας των δεδομένων για έρευνα.

Τα αποταυτοποιημένα δεδομένα θα περιλαμβάνουν κλινικές σημειώσεις, εργαστηριακά αποτελέσματα, φάρμακα και διαγνωστικές εκθέσεις, καθώς και ακτινολογικές και παθολογοανατομικές εικόνες, γονιδιωματικές πληροφορίες, κυματομορφές ηλεκτροφυσιολογίας, ζωτικά σημεία και μετρήσεις από φύλλα παρακολούθησης. Θα περιλαμβάνονται επίσης βιολογικά δείγματα που συλλέγονται με τη συγκατάθεση των ασθενών.

Οι συχνές ανανεώσεις των δεδομένων θα προσθέτουν νέες πληροφορίες καθώς προχωρά η συνήθης περίθαλψη. Η nference εκτιμά ότι αυτός ο διαρκώς ανανεούμενος πόρος θα βοηθήσει τους ερευνητές να αποκτήσουν λεπτομερέστερη εικόνα του τρόπου με τον οποίο αρχίζουν και εξελίσσονται οι ασθένειες· πρόκειται για προσδοκώμενο όφελος και όχι για αποδεδειγμένο ερευνητικό αποτέλεσμα.

Μελέτες, μοντέλα τεχνητής νοημοσύνης και επιστημονικοί στόχοι

Η πλατφόρμα προορίζεται να υποστηρίζει μελέτες υπό την καθοδήγηση ερευνητών, έρευνα που χρηματοδοτείται μέσω επιχορηγήσεων, εκπαίδευση και βελτίωση της ποιότητας, καθώς και συνεργασίες με εταίρους από τον κλάδο των βιοεπιστημών. Θα αποτελέσει επίσης τη βάση για να αναπτύξουν και να αξιολογήσουν νέα μοντέλα τεχνητής νοημοσύνης οι ερευνητές της Cedars-Sinai και οι συνεργαζόμενοι καινοτόμοι.

Οι εταιρείες προσδιόρισαν την ανακάλυψη φαρμάκων, τον σχεδιασμό κλινικών δοκιμών και τις μελλοντικές διαγνωστικές εφαρμογές ως πιθανές μεταγενέστερες χρήσεις. Οι εφαρμογές αυτές εξαρτώνται από τις μελέτες και τις αξιολογήσεις μοντέλων που αναμένεται να καταστήσει δυνατές η πλατφόρμα· δεν αποτελούν αποτελέσματα που ανακοινώθηκε ότι έχουν ήδη επιτευχθεί.

Ο Venky Soundararajan, ιδρυτής και συνδιευθύνων σύμβουλος της nference, περιέγραψε την προγραμματισμένη βάση ως χωρική νοημοσύνη ολόκληρου του σώματος, η οποία προορίζεται να συνδυάζει διαφορετικές και μη δομημένες τροπικότητες, ώστε να γίνουν πιο προσεγγίσιμα δύσκολα επιστημονικά ερωτήματα. «Για να κατανοήσουμε την υγεία και τις ασθένειες, πρέπει να συνδέσουμε όσα συμβαίνουν στα διάφορα όργανα, στις διαφορετικές κλινικές τροπικότητες και σε όλη τη διάρκεια της ιατρικής πορείας κάθε ασθενούς», είπε.

Ο Sumeet Chugh, αναπληρωτής κοσμήτορας και επικεφαλής έρευνας υγείας στον τομέα της τεχνητής νοημοσύνης στη Cedars-Sinai, δήλωσε ότι το ίδρυμα αναμένει πως η συνεργασία θα βοηθήσει κλινικούς γιατρούς και επιστήμονες να αντλήσουν διδάγματα από τη συλλογική εμπειρία περίθαλψης ασθενών, να επικυρώσουν επιστημονικές υποθέσεις και να επιταχύνουν τη βιοϊατρική ανακάλυψη.

Το άμεσο παραδοτέο της συνεργασίας είναι ερευνητική υποδομή: ένα περιβάλλον με επίκεντρο την προστασία της ιδιωτικότητας, το οποίο ανανεώνεται τακτικά και συνδυάζει την κλινική επιμέλεια με την ανάπτυξη και αξιολόγηση μοντέλων τεχνητής νοημοσύνης. Η ευρύτερη σημασία του θα εξαρτηθεί από το κατά πόσο αυτοί οι συνδυασμένοι μηχανισμοί δεδομένων και επιμέλειας θα βοηθήσουν τους ερευνητές να επικυρώσουν υποθέσεις και να παράγουν χρήσιμα μοντέλα, αξιοποιώντας τα πολλά είδη πληροφοριών ασθενών που έχει σχεδιαστεί να συνδέει η πλατφόρμα.

Η Lila Rowan είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στη Unite.AI, που καλύπτει το σημείο τομής της τεχνητής νοημοσύνης, της υγείας και της ψυχικής ευεξίας. Η εργασία της εστιάζει στο πώς τα εργαλεία που λειτουργούν με AI βελτιώνουν τη διάγνωση, διευρύνουν την πρόσβαση στη φροντίδα και υποστηρίζουν τις υπηρεσίες ψυχικής υγείας με τρόπο που συμπληρώνει και δεν αντικαθιστά τους ανθρώπινους κλινικούς.
Με μια συμπονετική και τεκμηριωμένη οπτική, η Lila εξετάζει κλινικές μελέτες, πραγματικές αναπτύξεις και αναδυόμενες τεχνολογίες υγείας μέσα από έναν ανθρωπιστικό φακό. Ενδιαφέρεται ιδιαίτερα για τις εφαρμογές της AI που μειώνουν τους φραγμούς πρόσβασης, ενισχύουν την πρώιμη ανίχνευση και υποστηρίζουν την ψυχική ευεξία ενώ σέβονται την ιδιωτικότητα, την ασφάλεια και τις ηθικές προδιαγραφές των ασθενών.
Τα άρθρα που γράφονται από την Lila Rowan δημιουργούνται από AI και ελέγχονται από την συντακτική ομάδα της Unite.AI για να διασφαλιστεί η ακρίβεια, η ευαισθησία και η υπεύθυνη αναφορά για τις τεχνολογίες υγείας και ψυχικής ευεξίας.