Partnerschappen
nference plant samen met Cedars-Sinai een gefedereerd AI-onderzoeksplatform

Belangrijkste puntenHet platform is geplande infrastructuur in plaats van een opgeleverd product, waarbij…
Meer weergeven
- Het platform is geplande infrastructuur in plaats van een opgeleverd product, waarbij de mogelijkheden nog steeds als beoogd worden beschreven.
- Gefedereerde software en beoordeling door artsen zijn bedoeld om de privacy te beschermen en tegelijk rommelige klinische gegevensformaten te harmoniseren.
- De echte test is of samengestelde longitudinale gegevens onderzoekers helpen hypothesen te valideren en bruikbare modellen te bouwen.
nference kondigde op 20 november 2026 een langdurige samenwerking aan met Cedars-Sinai voor de ontwikkeling van een beveiligd platform om gepseudonimiseerde klinische gegevens uit verschillende onderdelen van de patiëntenzorg te analyseren. De geplande onderzoeksbasis omvat meer dan tien jaar aan gegevens van ruim 5 miljoen patiënten, waarbij hun zorgtrajecten in de tijd worden gevolgd.
Het platform moet nog worden ontwikkeld; de onderzoeks- en AI-functies ervan worden beschreven als beoogde mogelijkheden. Het project is erop gericht informatie die tijdens de klinische zorg wordt gegenereerd om te zetten in onderzoeksgegevens voor therapeutische, diagnostische en chirurgische toepassingen. Zo krijgen onderzoekers een gemeenschappelijke basis om gegevens in uiteenlopende, ongestructureerde formaten te analyseren.
Privacy, gegevenscuratie en de reikwijdte van de gegevens
nference zal het systeem ontwerpen met gefedereerde software die de privacy van patiënten moet beschermen en gegevens uit verschillende klinische formaten moet harmoniseren. De longitudinale curatie — het ordenen van gegevens naarmate de zorg voor patiënten zich ontvouwt — omvat ook beoordeling door artsen, zodat artsen betrokken zijn bij het voorbereiden van gegevens voor onderzoek.
De gepseudonimiseerde gegevens omvatten klinische aantekeningen, laboratoriumuitslagen, medicatiegegevens en diagnostische verslagen, naast radiologische en pathologische beelden, genomische informatie, elektrofysiologische golfvormen, vitale functies en metingen uit klinische registratieschema’s. Ook biomedische monsters die met toestemming van de patiënt zijn verzameld, worden opgenomen.
Regelmatige gegevensvernieuwingen voegen nieuwe informatie toe naarmate de reguliere zorg vordert. nference verwacht dat deze voortdurend bijgewerkte informatiebron onderzoekers gedetailleerder inzicht kan geven in het ontstaan en de ontwikkeling van ziekten. Dit is een beoogd voordeel, geen aangetoond onderzoeksresultaat.
Onderzoeken, AI-modellen en wetenschappelijke doelstellingen
Het platform moet ondersteuning bieden aan door onderzoekers geleide studies, door subsidies gefinancierd onderzoek, onderwijs en kwaliteitsverbetering, en aan samenwerkingen met partners uit de life sciences. Het zal ook een basis vormen waarop onderzoekers van Cedars-Sinai en daarmee verbonden vernieuwers nieuwe AI-modellen kunnen ontwikkelen en evalueren.
Geneesmiddelenontwikkeling, de opzet van klinische onderzoeken en toekomstige diagnostiek zijn mogelijke toepassingen in een later stadium die de bedrijven hebben genoemd. Die toepassingen zijn afhankelijk van de onderzoeken en modelevaluaties die het platform moet ondersteunen; ze zijn niet aangekondigd als resultaten die al zijn behaald.
Venky Soundararajan, oprichter en mede-CEO van nference, omschreef de geplande basis als ruimtelijke intelligentie van het hele lichaam, bedoeld om uiteenlopende, ongestructureerde modaliteiten met elkaar in verband te brengen, zodat lastige wetenschappelijke vragen beter te onderzoeken zijn. ‘Om gezondheid en ziekte te begrijpen, moeten we met elkaar verbinden wat er gebeurt in verschillende organen, binnen verschillende klinische modaliteiten en gedurende de tientallen jaren van ieders medische traject’, zei hij.
Sumeet Chugh, vice-decaan en hoofd onderzoek naar kunstmatige intelligentie in de gezondheidszorg bij Cedars-Sinai, zei dat de instelling verwacht dat de samenwerking artsen en wetenschappers zal helpen te leren van de gezamenlijke ervaring met patiëntenzorg, wetenschappelijke hypothesen te valideren en biomedische ontdekkingen te versnellen.
Het directe resultaat van de samenwerking is onderzoeksinfrastructuur: een op privacy gericht, regelmatig bijgewerkt systeem dat klinische curatie verbindt met de ontwikkeling en evaluatie van AI-modellen. De bredere betekenis ervan hangt af van de vraag of die gecombineerde gegevens en curatiemethoden onderzoekers helpen hypothesen te valideren en bruikbare modellen te ontwikkelen voor de vele soorten patiëntinformatie die het platform met elkaar moet verbinden.












