Noah Nasser, CEO av datma – Intervju-serie

Noah Nasser er administrerende direktør i datma (tidligere Omics Data Automation), en ledende leverandør av fødererte Real-World Data-plattformer og relaterte verktøy for analyse og visualisering. datmas mål er å gi helseorganisasjoner mulighet til å optimalisere sine data-aktiva, drive innovasjon og forbedre pasientresultater gjennom avansert data-lagring, AI-aktivert data-harmonisering og fødererte spørring og arbeidsflyt-teknologier. Med hovedkontor i Oregon er selskapet i fremtredende stilling når det gjelder å transformere hvordan helse-data deles, moneteres og brukes, og muliggjør sikker samarbeid mellom data-forvaltere og data-brukere.

Kan du forklare hvordan datma.FED bruker AI til å revolusjonere helse-data-deling og -analyse?

datma.FED integrerer AI-drevne analytiske verktøy for å muliggjøre sikker spørringseksekvering over vår fødererte nettverk. Dets avanserte algoritmer muliggjør ekstraksjon, aggregasjon og levering av de-identifiserte, delbare datasett – noe som gjør det mulig for data-brukere som legemiddel-selskaper og forskningsinstitusjoner å trekke ut innsikt samtidig som de sikrer full overholdelse av og privatlivs-standarder.

Ved å automatisere komplekse data-spørringer, akselererer datma.FED tilgangen til høykvalitets, ferdig-til-bruk real-verden-data. Dette muliggjør det for data-forvaltere som helse-systemer og molekylære laboratorier å delta i samarbeidsforskning samtidig som de beholder full kontroll over sine data-aktiva.

Hva er de viktigste utfordringene datma løser for molekylære laboratorier og helse-systemer?

datma.FED løser flere kritiske utfordringer for molekylære laboratorier og helse-systemer, inkludert:

• Data-monetisering: Muliggjør kontinuerlig inntekts-generering fra underutnyttede helse-data samtidig som data-forvaltere beholder full eierskap og kontroll.
• Data-privatliv og -sikkerhet: Holder sensitive data sikre ved å sikre at de aldri forlater data-forvalterens miljø gjennom en privatlivs-først føderert modell.
• Data-overholdelses-risiko: Minimerer de regulerende risikoene med overholdelses-klare data-tilgangskontroller og full overholdelses-sporing.
• Data-forberedelse og forretnings-utvikling: datma tar på seg ansvaret for data-forberedelse for å sikre data-klarhet samtidig som de kobler data-forvaltere med forsknings- og legemiddel-partnere.

Hvordan sikrer datma data-privatliv og -overholdelse samtidig som de muliggjør sikker samarbeid mellom data-forvaltere og data-brukere?

datma.FED benytter en føderert nettverksmodell, som holder data sikre innenfor hver forvalters miljø samtidig som de muliggjør privatlivs-først samarbeid med data-brukere. Data går gjennom en multi-trinns prosess: den anonymiseres, filtreres for tilgjengelighet og betegnes som delbar basert på forvalter-definerte tillatelser. datma prosesserer deretter eksterne spørringer uten å overføre rådata, og aggregater kun godkjente, de-identifiserte data-felt. Cell-størrelses-begrensninger forhindrer gjen-identifisering. Hver data-interaksjon er overholdelses-klar og i samsvar med regulerende standarder som HIPAA.

Hva skiller datma.FED fra andre data-plattformer når det gjelder skalerbarhet og brukervennlighet?

datma.FED er designet for å skalerer jevnt gjennom sin fødererte arkitektur og automatiserte data-klarhets-funksjoner. Dets design muliggjør enkel integrasjon av multimodale helse-data fra flere kilder. Plattformens automatiserte data-klarhets-funksjoner – inkludert data-merking og standardisering – strømlinjeformer data-forberedelse og reduserer manuell innsats. Ved å sikre at data er spørrings-klar og overholdelses-klar fra starten, muliggjør datma.FED storskala, privatlivs-først data-deling, og gjør det til en høyt skalerbar og intuitiv plattform for forskning og real-verden-data-applikasjoner.

Hvordan muliggjør datma.FED-integreringen av multimodale helse-data over siloer?

datma.FED muliggjør integreringen av multimodale helse-data over siloer gjennom en av sine komponenter, datma.BASE. datma.BASE er en omfattende ramme bygget på proprietære data-lagre, containere og API-er. I stor skala muliggjør dets avanserte funksjoner inntak, aggregasjon og harmonisering av ulike helse-data-typer (EHR, Omics, Bilder og Patologi). Ved å bryte ned data-siloer, transformerer datma.BASE fragmenterte datasett til enhetlige, handlebare innsikt.

Hvordan bidrar datmas teknologi til å brygge data-gapper i legemiddel-forskning og -utvikling?

datma.FED hjelper til å fylle kritiske data-gapper for legemiddel-forskning og markedstillgangs-strategier. Ved å tilby høykvalitets, ferdig-til-bruk real-verden-data (RWD) med granularitet og longitudinal dybde, muliggjør datma.FED at legemiddel-selskaper kan ta mer data-drevne beslutninger. Dets sikre infrastruktur sikrer at data forblir tilgjengelig uten å kompromittere privatliv eller sikkerhet, og støtter omfattende innsikt nødvendig for oppdagelser.

Hvordan muliggjør datma at helse-organisasjoner kan moneterisere sine data samtidig som de opprettholder etiske og regulerende standarder?

datma muliggjør at helse-organisasjoner kan moneterisere sine data ved å skape en sikker data-delings-økosystem hvor helse-organisasjoner beholder full eierskap og kontroll. Gjennom sin fødererte nettverksmodell bestemmer data-forvaltere hva slags data som er tilgjengelig og delbar samtidig som de holder sensitive informasjon sikre innenfor sin egen infrastruktur. Omfattende overholdelses-sporing, rolle-basert tillatelser og regulerende overholdelses-funksjoner sikrer at alle data-delings-aktiviteter overholder etiske standarder og privatlivs-reguleringer. Dette tillater helse-organisasjoner å generere nye inntekts-strømmer samtidig som de beskytter pasient-privatliv og opprettholder tillit.

Hva er de største trendene i AI og helse-data som du forutser vil ha den største innvirkningen de neste fem årene?

AI i helsevesenet er begrenset av bekymringer for privatliv, sikkerhet og begrensninger i data-kvalitet. AI muliggjør allerede at vi kan levere virkelig personalisert medisin i onkologi, men har bare skrapet overflaten av hva som er mulig. Ved å analysere enorme mengder multimodale pasient-data, inkludert genetiske, bilde- og biomarkør-data i sammenheng med medisinsk historie, demografiske og livsstils-faktorer, vil vi tilpasse behandlingsplaner og terapier til individuelle behov. Dette fører til forbedrede pasient-resultater og, til slutt, reduserte helsekostnader. Ved å kombinere disse verktøyene med fjern-pasient-overvåking og pasient-rapporterte resultater vil vi muliggjøre tidlig sykdoms-oppdaging og forbedre behandlings-plan-adherens. Imidlertid er den kritiske lynchpin i all dette dype, kontekstuelle data-kilder som er tilstrekkelig diverse.

I tillegg vil AI være nøkkel til å gi avansert tilgang til personalisert omsorg. Jeg ser en rolle for AI-modeller i å forenkle betaler- og fakturerings-logistikk, strømlinjeforme byrdefulle papirer og sikre tilgang og likeverd over hele befolkningen. For tiden har LLM-er vist noen begrensninger i denne anvendelsen; nylige publikasjoner har pekt på deres mangler når det gjelder medisinsk kodning. Disse barrierene kan overvindes med bedre, dypere og mer komplette trenings-data.

Til slutt vil AI fortsette å akselerere tempoet i medisinsk forskning. AI kan identifisere nye legemiddel-mål ved å analysere massive datasett, som omfatter bilde-, multi-omiske og andre tilnærminger, optimalisere kliniske prøve-design og akselerere legemiddel-oppdagelse. Føderert læring, en privatlivs-beskyttende AI-teknikk, tillater institusjoner å samarbeide om forskning uten å dele sensitive pasient-data, og låser opp potensialet for samarbeidsforskning. Nylige fremgang i årsaks-inferens og generativ AI lover betydelige fremgang i oppdagelse fra grunnleggende biologi til anvendt terapi.

Hva er din langtids-visjon for datmas innvirkning på helse-systemer og den bredere industrien?

Hos datma fokuserer vi på å bygge en fremtid hvor bedre data driver personalisert, tilgjengelig og effektiv helse. Ved å forene komplekse datasett gjennom føderert læring, muliggjør vi at kliniske og forskere kan løse komplekse helse-utfordringer og låse opp nye medisinske gjennombrudd. Vår fødererte, real-verden-data-markedsplads, datma.FED, er det første skrittet mot å realisere denne visjonen.

Forestall en fremtid for helsevesenet hvor forskere kan analysere og trekke ut innsikt fra enorme mengder pasient-data, fra genetiske, bilde- og medisinske historie til livsstils-faktorer, for å tilpasse neste-generasjons terapier med eksakt pasient-fokus. Samtidig kan kliniske muliggjøre å gi riktig omsorg på riktig tid med minimal administrativ byrde. datmas fødererte tilnærmning akselererer denne visjonen ved å låse opp kraften i komplekse, sikre medisinske data. Ved å kontinuerlig utvide vårt datasett og lansere innovative verktøy som datma.WHY og datma.360, driver vi tidlig sykdoms-oppdaging, forbedrede terapier og bedre pasient-resultater.

Vår visjon strekker seg utover enkelt-pasienter. datmas engasjement for føderert læring låser opp kraften i samarbeidsforskning, og tillater institusjoner å analysere massive datasett uten å kompromittere pasient-privatliv. Dette løser opp en bølge av oppdagelse, fra å identifisere nye legemiddel-mål til å optimalisere kliniske prøver. Ved å utnytte AI-s analytiske dyktighet og årsaks-inferens-kapasiteter, kan vi akselerere medisinsk forskning og bringe livs-redningende behandlinger til pasienter raskere. Vi er engasjert i å lede veien i å gjøre denne fremtiden til virkelighet.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke datma.