Partnerstwa
Nference planuje stworzyć federacyjną platformę badawczą AI we współpracy z Cedars-Sinai

Kluczowe punktyPlatforma jest planowaną infrastrukturą, a nie dostarczonym produktem, którego…
Zobacz więcej
- Platforma jest planowaną infrastrukturą, a nie dostarczonym produktem, którego możliwości wciąż opisuje się jako zamierzone.
- Oprogramowanie sfederowane i orzekanie przez lekarzy mają chronić prywatność, jednocześnie harmonizując nieuporządkowane formaty danych klinicznych.
- Jej prawdziwym testem jest to, czy opracowane dane podłużne pomagają badaczom weryfikować hipotezy i budować użyteczne modele.
20 listopada 2026 roku nference ogłosiło długoterminową współpracę z Cedars-Sinai, której celem jest stworzenie bezpiecznej platformy do analizy pozbawionych danych identyfikujących informacji klinicznych z różnych obszarów opieki nad pacjentami. Planowane zaplecze badawcze ma obejmować dokumentację z ponad dekady, dotyczącą przeszło 5 milionów pacjentów i pozwalającą śledzić przebieg ich opieki w czasie.
Platforma wymaga jeszcze opracowania, a jej funkcje badawcze i możliwości wykorzystania AI opisano jako planowane. Projekt ma przekształcać informacje powstające w trakcie opieki klinicznej w dane gotowe do badań z obszarów terapii, diagnostyki i chirurgii, zapewniając badaczom wspólną podstawę do analizy dokumentacji zapisanej w różnych, nieustrukturyzowanych formatach.
Prywatność, opracowywanie i zakres danych
nference zaprojektuje system z wykorzystaniem oprogramowania federacyjnego, które ma chronić prywatność pacjentów i harmonizować dane zapisane w różnych formatach klinicznych. Opracowywanie dokumentacji w ujęciu podłużnym, czyli porządkowanie jej w miarę postępów opieki nad pacjentem, będzie obejmować weryfikację przez lekarzy, którzy wezmą udział w przygotowywaniu danych do badań.
Pozbawione danych identyfikujących dane wejściowe będą obejmować notatki kliniczne, wyniki badań laboratoryjnych, informacje o lekach i raporty diagnostyczne, a także obrazy radiologiczne i patologiczne, informacje genomiczne, przebiegi elektrofizjologiczne, parametry życiowe i pomiary z kart obserwacji. Uwzględnione zostaną również próbki biologiczne pobrane za zgodą pacjentów.
Częste odświeżanie danych będzie uzupełniać zasoby o nowe informacje w miarę postępów rutynowej opieki. nference zakłada, że stale aktualizowany zasób pomoże badaczom dokładniej zrozumieć, jak zaczynają się i rozwijają choroby; jest to oczekiwana korzyść, a nie potwierdzony rezultat badań.
Badania, modele AI i cele naukowe
Platforma ma wspierać badania prowadzone z inicjatywy badaczy, badania finansowane z grantów, edukację i poprawę jakości, a także współpracę z partnerami z branży nauk przyrodniczych. Zapewni również podstawę, na której badacze Cedars-Sinai i powiązani z tą instytucją innowatorzy będą mogli opracowywać i oceniać nowe modele AI.
Firmy wskazały odkrywanie leków, projektowanie badań klinicznych i przyszłą diagnostykę jako potencjalne dalsze zastosowania. Zależą one od badań i ocen modeli, które platforma ma umożliwić; nie są to rezultaty, o których poinformowano jako już osiągniętych.
Venky Soundararajan, założyciel i współdyrektor generalny nference, określił planowane zaplecze jako przestrzenną inteligencję obejmującą cały organizm, która ma łączyć różnorodne, nieustrukturyzowane modalności, by ułatwić rozwiązywanie trudnych problemów naukowych. „Zrozumienie zdrowia i choroby wymaga połączenia tego, co dzieje się w różnych narządach, w różnych modalnościach klinicznych i na przestrzeni całej, trwającej dziesięciolecia historii opieki medycznej każdego pacjenta” — powiedział.
Sumeet Chugh, prodziekan i dyrektor ds. badań nad sztuczną inteligencją w ochronie zdrowia w Cedars-Sinai, powiedział, że instytucja spodziewa się, iż współpraca pomoże klinicystom i naukowcom czerpać wiedzę ze wspólnych doświadczeń związanych z opieką nad pacjentami, weryfikować hipotezy naukowe i przyspieszyć odkrycia biomedyczne.
Bezpośrednim rezultatem współpracy ma być infrastruktura badawcza: środowisko ukierunkowane na ochronę prywatności, regularnie aktualizowane i łączące opracowywanie danych klinicznych z tworzeniem oraz oceną modeli AI. Szersze znaczenie tego przedsięwzięcia będzie zależeć od tego, czy połączone zasoby danych i mechanizmy ich opracowywania pomogą badaczom weryfikować hipotezy i tworzyć użyteczne modele na podstawie wielu rodzajów informacji o pacjentach, które platforma ma łączyć.












