Partnerstwa

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

Lila Rowan
Dodaj Unite.AI do preferowanych źródeł w Google
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.

Lila Rowan jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się przecięciem sztucznej inteligencji, opieki zdrowotnej i dobrostanu psychicznego. Jej praca koncentruje się na tym, jak narzędzia napędzane przez AI poprawiają diagnostykę, zwiększają dostęp do opieki i wspierają usługi zdrowia psychicznego w sposób, który uzupełnia, a nie zastępuje, klinicystów ludzkich.
Z perspektywy pełnej współczucia i opartej na dowodach, Lila analizuje badania kliniczne, wdrożenia w świecie rzeczywistym i nowe technologie zdrowotne z humanistycznej perspektywy. Jest szczególnie zainteresowana aplikacjami AI, które redukują bariery w dostępie do opieki, poprawiają wczesne wykrywanie i wspierają dobre samopoczucie, przy jednoczesnym respektowaniu prywatności, bezpieczeństwa i standardów etycznych pacjentów.
Artykuły napisane przez Lilę Rowan są wygenerowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, wrażliwość i odpowiedzialne raportowanie na temat technologii zdrowia i dobrostanu psychicznego.