साझेदारियाँ
Cedars-Sinai के साथ संघबद्ध AI अनुसंधान मंच बनाने की nference की योजना

मुख्य बिंदुयह प्लेटफ़ॉर्म एक वितरित उत्पाद के बजाय नियोजित अवसंरचना है, जिसकी क्षमताएँ अभी भी…
और देखें
- यह प्लेटफ़ॉर्म एक वितरित उत्पाद के बजाय नियोजित अवसंरचना है, जिसकी क्षमताएँ अभी भी इच्छित के रूप में वर्णित हैं।
- संघीय सॉफ़्टवेयर और चिकित्सक निर्णय का उद्देश्य गोपनीयता की रक्षा करना है, साथ ही अव्यवस्थित नैदानिक डेटा प्रारूपों को सुसंगत बनाना है।
- इसकी वास्तविक परीक्षा यह है कि क्या संवारा गया अनुदैर्ध्य डेटा अन्वेषकों को परिकल्पनाओं को मान्य करने और उपयोगी मॉडल बनाने में मदद करता है।
nference ने 20 नवंबर 2026 को Cedars-Sinai के साथ दीर्घकालिक सहयोग की घोषणा की, ताकि रोगी देखभाल के कई क्षेत्रों के पहचान-रहित नैदानिक डेटा का विश्लेषण करने के लिए एक सुरक्षित मंच बनाया जा सके। नियोजित अनुसंधान आधार में 5 मिलियन से अधिक रोगियों के एक दशक से अधिक के रिकॉर्ड शामिल हैं, जिनमें समय के साथ उनकी देखभाल का क्रम दर्ज है।
इस मंच का विकास अभी होना बाकी है; इसके अनुसंधान और AI कार्यों को प्रस्तावित क्षमताओं के रूप में बताया गया है। इस पहल का उद्देश्य नैदानिक देखभाल के दौरान उत्पन्न जानकारी को उपचार, निदान और शल्य-चिकित्सा के क्षेत्रों में अनुसंधान के लिए तैयार डेटा में बदलना है, ताकि अनुसंधानकर्ताओं को बिखरे हुए और असंरचित प्रारूपों में मौजूद रिकॉर्ड का विश्लेषण करने के लिए एक साझा आधार मिल सके।
गोपनीयता, डेटा का परिष्करण और दायरा
nference इस प्रणाली की रूपरेखा ऐसे संघबद्ध सॉफ़्टवेयर के साथ तैयार करेगी, जिसे रोगियों की गोपनीयता सुरक्षित रखने और विभिन्न नैदानिक प्रारूपों के डेटा में सामंजस्य स्थापित करने के लिए डिज़ाइन किया गया है। समय के साथ रोगी की देखभाल आगे बढ़ने पर रिकॉर्ड को व्यवस्थित करने की प्रक्रिया में चिकित्सकों की समीक्षा भी शामिल होगी, जिससे अनुसंधान के लिए डेटा तैयार करने में डॉक्टरों का आकलन जुड़ सके।
पहचान-रहित इनपुट में नैदानिक टिप्पणियाँ, प्रयोगशाला के नतीजे, दवाएँ और निदान रिपोर्ट शामिल होंगी। इनके साथ रेडियोलॉजी और पैथोलॉजी की छवियाँ, जीनोमिक जानकारी, इलेक्ट्रोफिज़ियोलॉजी तरंग-आलेख, जीवन-चिह्न और फ़्लोशीट माप भी शामिल होंगे। रोगियों की सहमति से एकत्र किए गए जैव-नमूने भी इसमें शामिल होंगे।
नियमित देखभाल आगे बढ़ने के साथ बार-बार डेटा अपडेट करके नई जानकारी जोड़ी जाएगी। nference की परिकल्पना है कि लगातार अद्यतन होता यह संसाधन अनुसंधानकर्ताओं को यह समझने में अधिक बारीक अंतर्दृष्टि देगा कि बीमारियाँ कैसे शुरू होती हैं और कैसे बढ़ती हैं। यह एक अपेक्षित लाभ है, न कि अनुसंधान से सिद्ध हो चुका नतीजा।
अध्ययन, AI मॉडल और वैज्ञानिक उद्देश्य
इस मंच का उद्देश्य अनुसंधानकर्ता-नेतृत्व वाले अध्ययनों, अनुदान-वित्तपोषित अनुसंधान, शिक्षा और गुणवत्ता सुधार के साथ-साथ जीवन-विज्ञान उद्योग के साझेदारों के साथ सहयोग को समर्थन देना है। यह Cedars-Sinai के अनुसंधानकर्ताओं और उससे संबद्ध नवप्रवर्तकों को नए AI मॉडल विकसित करने और उनका मूल्यांकन करने के लिए आधार भी प्रदान करेगा।
दवा की खोज, नैदानिक परीक्षणों की रूपरेखा तैयार करना और भविष्य में निदान करना—कंपनियों ने इनकी पहचान संभावित आगामी उपयोगों के रूप में की है। ये उपयोग उन अध्ययनों और मॉडल-मूल्यांकनों पर निर्भर हैं जिन्हें यह मंच संभव बनाने के लिए तैयार किया जा रहा है; इन्हें पहले से हासिल किए जा चुके नतीजों के रूप में घोषित नहीं किया गया है।
nference के संस्थापक और सह-CEO Venky Soundararajan ने प्रस्तावित आधार को पूरे शरीर की स्थानिक बुद्धिमत्ता बताया। इसका उद्देश्य बिखरे हुए और असंरचित डेटा-रूपों को आपस में जोड़ना है, ताकि कठिन वैज्ञानिक प्रश्नों का समाधान अधिक सुगम हो सके। उन्होंने कहा, “स्वास्थ्य और बीमारी को समझने के लिए यह जोड़ना ज़रूरी है कि अलग-अलग अंगों में, विभिन्न नैदानिक माध्यमों में और प्रत्येक रोगी की चिकित्सा-यात्रा के दशकों के दौरान क्या हो रहा है।”
Cedars-Sinai के वाइस डीन और स्वास्थ्य अनुसंधान के मुख्य कृत्रिम बुद्धिमत्ता अधिकारी Sumeet Chugh ने कहा कि संस्थान को उम्मीद है कि इस सहयोग से चिकित्सक और वैज्ञानिक रोगियों की सामूहिक देखभाल के अनुभव से सीख सकेंगे, वैज्ञानिक परिकल्पनाओं की पुष्टि कर सकेंगे और जैव-चिकित्सीय खोज को गति दे सकेंगे।
इस सहयोग का तात्कालिक परिणाम अनुसंधान संबंधी बुनियादी ढाँचा होगा: गोपनीयता पर केंद्रित और नियमित रूप से अद्यतन होने वाला ऐसा परिवेश, जो नैदानिक डेटा के परिष्करण को AI मॉडल के विकास और मूल्यांकन से जोड़ता है। इसका व्यापक महत्व इस बात पर निर्भर करेगा कि संयुक्त डेटा और परिष्करण की ये प्रक्रियाएँ अनुसंधानकर्ताओं को परिकल्पनाओं की पुष्टि करने और उन अनेक प्रकार की रोगी-सूचनाओं के आधार पर उपयोगी मॉडल बनाने में मदद करती हैं या नहीं, जिन्हें जोड़ने के लिए यह मंच तैयार किया जा रहा है।












