Noah Nasser, CEO datma – Seri Wawancara

Noah Nasser adalah CEO datma (sebelumnya Omics Data Automation), penyedia terkemuka platform Data Dunia Nyata yang terfederasi dan alat terkait untuk analisis dan visualisasi. Misi datma adalah memberdayakan organisasi kesehatan untuk mengoptimalkan aset data mereka, menggerakkan inovasi, dan meningkatkan hasil pasien melalui penyimpanan data lanjutan, harmonisasi data yang ditenagai AI, dan teknologi kueri dan alur kerja yang terfederasi. Berkantor pusat di Oregon, perusahaan ini berada di garis depan transformasi bagaimana data kesehatan dibagikan, dimonetisasi, dan diterapkan, memungkinkan kolaborasi yang aman antara penjaga data dan konsumen data.

Apakah Anda dapat menjelaskan bagaimana datma.FED menggunakan AI untuk merevolusi berbagi dan analisis data kesehatan?

datma.FED mengintegrasikan alat analitik yang didorong AI untuk memungkinkan eksekusi kueri yang aman di seluruh jaringan yang terfederasi. Algoritma canggihnya memfasilitasi ekstraksi, agregasi, dan pengiriman dataset yang dideanonimisasi dan dapat dibagikan – memungkinkan konsumen data seperti perusahaan farmasi dan organisasi penelitian untuk mengekstrak wawasan sambil memastikan kepatuhan dan standar privasi penuh.

Dengan mengotomatisasi kueri data yang kompleks, datma.FED mempercepat akses ke data dunia nyata yang berkualitas tinggi dan siap digunakan. Ini memberdayakan penjaga data seperti sistem kesehatan dan laboratorium molekuler untuk berpartisipasi dalam upaya penelitian kolaboratif sambil mempertahankan kontrol penuh atas aset data mereka.

Apa tantangan kunci yang datma selesaikan untuk laboratorium molekuler dan sistem kesehatan?

datma.FED menyelesaikan beberapa tantangan kritis untuk laboratorium molekuler dan sistem kesehatan, termasuk:

• Monetisasi Data: Memungkinkan generasi pendapatan yang berkelanjutan dari data kesehatan yang tidak termanfaatkan sambil memungkinkan penjaga data untuk mempertahankan kepemilikan dan kontrol penuh.
• Privasi & Keamanan Data: Menjaga data sensitif tetap aman dengan memastikan bahwa data tidak pernah meninggalkan lingkungan penjaga data melalui model terfederasi yang berprioritas pada privasi.
• Risiko Kepatuhan Data: Meminimalkan risiko regulasi dengan kontrol akses data yang siap audit dan pelacakan kepatuhan penuh.
• Persiapan dan Pengembangan Data: datma mengambil upaya untuk mempersiapkan data untuk memastikan kesiapan data sambil menghubungkan penjaga data dengan mitra penelitian dan farmasi.

Bagaimana datma memastikan privasi data dan kepatuhan sambil memungkinkan kolaborasi yang aman antara penjaga data dan konsumen data?

datma.FED menggunakan model jaringan yang terfederasi, yang menjaga data tetap aman dalam lingkungan penjaga data sambil memungkinkan kolaborasi yang berprioritas pada privasi dengan konsumen data. Data menjalani proses multi-tahap: dianonimisasi, difilter untuk aksesibilitas, dan ditunjuk sebagai data yang dapat dibagikan berdasarkan izin yang ditentukan oleh penjaga data. datma kemudian memproses kueri eksternal tanpa mentransfer data mentah, hanya mengagregasi bidang data yang dideanonimisasi dan disetujui. Pembatasan ukuran sel mencegah identifikasi kembali. Setiap interaksi data dapat diaudit dan mematuhi standar regulasi seperti HIPAA.

Apa yang membedakan datma.FED dari platform data lain dalam hal skalabilitas dan kemudahan penggunaan?

datma.FED dirancang untuk berkembang secara mulus melalui arsitektur terfederasi dan fitur kesiapan data yang otomatis. Desainnya memungkinkan integrasi data kesehatan multimodal dari berbagai sumber. Fitur kesiapan data yang otomatis – termasuk pelabelan data dan standarisasi – mempermudah persiapan data dan mengurangi upaya manual. Dengan memastikan bahwa data siap kueri dan mematuhi standar dari awal, datma.FED memungkinkan berbagi data skala besar yang berprioritas pada privasi, membuatnya sangat skalabel dan intuitif untuk aplikasi penelitian dan data dunia nyata.

Bagaimana platform datma.FED memfasilitasi integrasi data kesehatan multimodal di seluruh silo?

datma.FED memfasilitasi integrasi data kesehatan multimodal di seluruh silo melalui salah satu komponennya, datma.BASE. datma.BASE adalah kerangka komprehensif yang dibangun di atas toko data, wadah, dan API milik. Pada skala besar, kemampuan canggihnya memungkinkan pengambilan, agregasi, dan harmonisasi berbagai jenis data kesehatan (EHR, Omics, Gambar, dan Patologi). Dengan meruntuhkan silo data, datma.BASE mengubah dataset yang terfragmentasi menjadi wawasan yang dapat ditindaklanjuti dan utuh.

Bagaimana teknologi datma berkontribusi pada mengatasi kesenjangan data dalam penelitian farmasi dan pengembangan obat?

datma.FED membantu mengisi kesenjangan data kritis untuk penelitian farmasi dan strategi akses pasar. Dengan menyediakan data dunia nyata yang berkualitas tinggi dan siap digunakan dengan granularity dan kedalaman longitudinal, datma.FED memungkinkan perusahaan farmasi untuk membuat keputusan yang lebih didorong oleh data. Infrastruktur yang aman memastikan bahwa data tetap dapat diakses tanpa mengorbankan privasi atau keamanan, mendukung wawasan komprehensif yang diperlukan untuk penemuan.

Bagaimana datma memberdayakan organisasi kesehatan untuk memonetisasi data mereka sambil mempertahankan standar etika dan regulasi?

datma memungkinkan organisasi kesehatan untuk memonetisasi data mereka dengan menciptakan ekosistem berbagi data yang aman di mana organisasi kesehatan mempertahankan kepemilikan dan kontrol penuh. Melalui jaringan terfederasi, penjaga data menentukan apa data yang dapat diakses dan dibagikan sambil menjaga informasi sensitif tetap aman dalam infrastruktur mereka sendiri. Jejak audit yang komprehensif, izin berbasis peran, dan fitur kepatuhan regulasi memastikan bahwa semua kegiatan berbagi data mematuhi standar etika dan regulasi privasi. Pendekatan ini memungkinkan organisasi kesehatan untuk menghasilkan aliran pendapatan baru sambil melindungi privasi pasien dan mempertahankan kepercayaan.

Apa tren dalam AI dan data kesehatan yang Anda ramalkan akan memiliki dampak terbesar dalam lima tahun ke depan?

AI dalam kesehatan, dibatasi oleh kekhawatiran tentang privasi, keamanan, dan hanya dibatasi oleh kualitas data. AI sudah memungkinkan kita untuk mengirimkan pengobatan yang benar-benar personal dalam onkologi tetapi hanya menyentuh permukaan dari apa yang mungkin. Dengan menganalisis sejumlah besar data pasien multimodal, termasuk genomika, citra, dan data biomarker dalam konteks dengan riwayat medis, faktor demografi, dan gaya hidup, kita akan menyesuaikan rencana pengobatan dan terapi dengan kebutuhan individu. Ini akan mengarah pada hasil pasien yang ditingkatkan dan, pada akhirnya, biaya kesehatan yang berkurang. Menggabungkan alat ini dengan pemantauan pasien jarak jauh dan hasil yang dilaporkan pasien akan memungkinkan deteksi dini penyakit dan memperbaiki kepatuhan terhadap rencana pengobatan. Namun, kunci penting dalam semua ini adalah sumber daya data yang dalam dan kontekstual yang cukup beragam.

Selain itu, AI akan memainkan peran kunci dalam memberikan akses ke perawatan yang dipersonalisasi. Saya melihat peran model AI dalam menyederhanakan logistik pembayaran dan pembayaran, mempermudah tugas administratif yang berat, dan memastikan akses dan kesetaraan di seluruh populasi. Saat ini, LLM telah menunjukkan beberapa keterbatasan dalam aplikasi ini; publikasi terbaru telah menunjukkan kekurangan mereka terkait dengan pengkodean medis. Jelas, hambatan ini dapat diatasi dengan data pelatihan yang lebih baik, lebih dalam, dan lebih lengkap.

Akhirnya, AI akan terus mempercepat laju penelitian medis. AI dapat mengidentifikasi target obat baru dengan menganalisis dataset besar, meliputi citra, multi-omik, dan pendekatan lainnya, mengoptimalkan desain uji klinis, dan mempercepat penemuan obat. Pembelajaran terfederasi, sebuah teknik AI yang menjaga privasi, memungkinkan lembaga untuk berkolaborasi dalam penelitian tanpa berbagi data pasien yang sensitif, membuka potensi penelitian kolaboratif. Kemajuan terbaru dalam inferensi kausal dan AI generatif, khususnya, menjanjikan kemajuan signifikan dalam penemuan dari biologi dasar hingga terapi yang diterapkan.

Apa visi jangka panjang Anda untuk dampak datma pada sistem kesehatan dan industri yang lebih luas?

Di datma, kami fokus membangun masa depan di mana data yang lebih baik mengarah pada kesehatan yang dipersonalisasi, dapat diakses, dan efisien. Dengan menyatukan dataset yang kompleks melalui pembelajaran terfederasi, kami memberdayakan klinisi dan peneliti untuk mengatasi tantangan kesehatan yang kompleks dan membuka kunci temuan medis baru. Pasar data dunia nyata yang terfederasi kami, datma.FED, adalah langkah pertama menuju merealisasikan visi ini.

Bayangkan masa depan untuk kesehatan di mana peneliti menggunakan dan menganalisis sejumlah besar data pasien, dari genomika, citra, dan riwayat medis hingga faktor gaya hidup, untuk menyesuaikan terapi generasi berikutnya dengan fokus pasien yang luar biasa. Pada saat yang sama, klinisi dapat menggunakan AI untuk memberikan perawatan yang tepat pada waktu yang tepat dengan beban administratif minimal. Pendekatan terfederasi datma mempercepat visi ini dengan membuka kekuatan data medis yang kompleks dan aman. Dengan terus memperluas dataset kami dan meluncurkan alat inovatif seperti datma.WHY dan datma.360, kami mendorong deteksi dini penyakit, terapi yang ditingkatkan, dan hasil pasien yang lebih baik.

Visi kami meluas melampaui pasien individu. Komitmen datma terhadap pembelajaran terfederasi membuka kekuatan penelitian kolaboratif, memungkinkan lembaga menganalisis dataset besar tanpa mengorbankan privasi pasien. Ini melepaskan gelombang penemuan, dari mengidentifikasi target obat baru hingga mengoptimalkan uji klinis. Dengan menggunakan kekuatan analitik AI dan kemampuan inferensi kausal, kami dapat mempercepat penelitian medis dan membawa pengobatan penyelamat ke pasien lebih cepat. Kami berkomitmen untuk memimpin jalan dalam membuat masa depan ini menjadi kenyataan.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi datma.