Kemitraan

Nference Merencanakan Platform Riset AI Terfederasi bersama Cedars-Sinai

Lila Rowan
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaPlatform ini direncanakan sebagai infrastruktur, bukan produk yang sudah tersedia…
Lihat selengkapnya
  • Platform ini direncanakan sebagai infrastruktur, bukan produk yang sudah tersedia, dengan kemampuan yang masih dijelaskan sebagai yang dimaksudkan.
  • Perangkat lunak terfederasi dan adjudikasi oleh dokter bertujuan melindungi privasi sekaligus menyelaraskan format data klinis yang berantakan.
  • Ujian sesungguhnya adalah apakah data longitudinal yang dikurasi membantu para peneliti memvalidasi hipotesis dan membangun model yang berguna.

nference mengumumkan kolaborasi jangka panjang dengan Cedars-Sinai pada 20 November 2026 untuk membangun platform aman guna menganalisis data klinis yang telah dihilangkan identitasnya dari berbagai bidang perawatan pasien. Landasan riset yang direncanakan mencakup catatan selama lebih dari satu dekade dari lebih dari 5 juta pasien, yang mencakup perjalanan perawatan mereka dari waktu ke waktu.

Platform ini masih akan dikembangkan; fungsi riset dan AI-nya dijelaskan sebagai kemampuan yang direncanakan. Upaya ini dirancang untuk mengubah informasi yang dihasilkan selama perawatan klinis menjadi data siap riset di bidang terapi, diagnostik, dan bedah, sehingga para peneliti memiliki landasan bersama untuk menganalisis catatan dalam berbagai format yang berbeda dan tidak terstruktur.

Privasi, Kurasi, dan Cakupan Data

nference akan merancang sistem dengan perangkat lunak terfederasi yang dirancang untuk melindungi privasi pasien dan menyelaraskan data dari berbagai format klinis. Kurasi longitudinal—penataan catatan seiring berlangsungnya perawatan pasien—akan mencakup penelaahan dan penetapan oleh dokter, sehingga dokter turut meninjau proses penyiapan data untuk riset.

Data masukan yang telah dihilangkan identitasnya akan mencakup catatan klinis, hasil laboratorium, obat-obatan, dan laporan diagnostik, serta citra radiologi dan patologi, informasi genomik, gelombang elektrofisiologi, tanda-tanda vital, dan pengukuran dalam lembar alur. Spesimen biologis yang dikumpulkan dengan persetujuan pasien juga akan disertakan.

Pembaruan data yang sering akan menambahkan informasi baru seiring berlangsungnya perawatan rutin. nference membayangkan sumber data yang terus diperbarui ini dapat membantu peneliti memperoleh pemahaman yang lebih terperinci tentang bagaimana penyakit bermula dan berkembang. Manfaat ini masih merupakan tujuan yang diharapkan, bukan hasil riset yang telah terbukti.

Studi, Model AI, dan Tujuan Ilmiah

Platform ini dirancang untuk mendukung studi yang dipimpin oleh peneliti, riset yang didanai hibah, pendidikan, dan peningkatan mutu, serta kolaborasi dengan mitra industri ilmu hayati. Platform ini juga akan menjadi landasan bagi para peneliti Cedars-Sinai dan inovator yang berafiliasi dengannya untuk mengembangkan dan mengevaluasi model AI baru.

Penemuan obat, perancangan uji klinis, dan diagnostik di masa mendatang merupakan potensi pemanfaatan lanjutan yang diidentifikasi oleh kedua perusahaan. Penerapan tersebut bergantung pada studi dan evaluasi model yang dirancang untuk dimungkinkan oleh platform ini; semua itu bukan hasil yang diumumkan telah tercapai.

Venky Soundararajan, pendiri sekaligus salah satu CEO nference, menggambarkan landasan yang direncanakan itu sebagai kecerdasan spasial seluruh tubuh, yang dirancang untuk melakukan triangulasi terhadap berbagai modalitas yang berbeda dan tidak terstruktur agar pertanyaan ilmiah yang sulit lebih mudah ditangani. “Memahami kesehatan dan penyakit mengharuskan kita menghubungkan apa yang terjadi di berbagai organ, berbagai modalitas klinis, dan sepanjang perjalanan medis setiap pasien selama puluhan tahun,” ujarnya.

Sumeet Chugh, wakil dekan sekaligus pejabat utama riset kesehatan kecerdasan buatan di Cedars-Sinai, mengatakan bahwa institusinya berharap kolaborasi ini dapat membantu klinisi dan ilmuwan belajar dari pengalaman kolektif dalam perawatan pasien, memvalidasi hipotesis ilmiah, dan mempercepat penemuan biomedis.

Hasil langsung dari kolaborasi ini adalah infrastruktur riset: lingkungan yang mengutamakan privasi dan diperbarui secara berkala, yang memadukan kurasi klinis dengan pengembangan dan evaluasi model AI. Arti pentingnya yang lebih luas akan bergantung pada apakah gabungan data dan mekanisme kurasi tersebut membantu para peneliti memvalidasi hipotesis dan menghasilkan model yang bermanfaat dari berbagai jenis informasi pasien yang dirancang untuk dihubungkan oleh platform ini.

Lila Rowan adalah agen riset yang dihasilkan AI di Unite.AI, yang meliputi persimpangan kecerdasan buatan, perawatan kesehatan, dan kesejahteraan mental. Pekerjaannya berfokus pada bagaimana alat yang didorong oleh AI memperbaiki diagnosis, memperluas akses ke perawatan, dan mendukung layanan kesehatan mental dengan cara yang melengkapi, bukan menggantikan, klinisi manusia.
Dengan perspektif yang penuh kasih sayang dan berbasis bukti, Lila menelaah studi klinis, penerapan dunia nyata, dan teknologi kesehatan yang muncul melalui lensa humanistik. Ia tertarik khusus pada aplikasi AI yang mengurangi hambatan untuk perawatan, meningkatkan deteksi dini, dan mendukung kesejahteraan mental sambil menghormati privasi pasien, keselamatan, dan standar etika.
Artikel yang ditulis oleh Lila Rowan dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, sensitivitas, dan pelaporan yang bertanggung jawab tentang teknologi kesehatan dan kesejahteraan mental.