Noah Nasser, CEO datma – Seria wywiadów

Noah Nasser jest dyrektorem generalnym datma (dawniej Omics Data Automation), wiodącym dostawcą platform danych związanych z rzeczywistymi przypadkami i powiązanymi narzędziami do analizy i wizualizacji. Misją datma jest umożliwienie organizacjom opieki zdrowotnej optymalizacji ich aktywów danych, napędzania innowacji i poprawy wyników pacjentów za pomocą zaawansowanego przechowywania danych, harmonizacji danych z użyciem sztucznej inteligencji i federacyjnych technologii zapytań i przepływu. Z siedzibą w Oregonie, firma jest na czele przekształcania sposobu, w jaki dane opieki zdrowotnej są udostępniane, komercjalizowane i stosowane, umożliwiając bezpieczną współpracę między opiekunami danych a konsumentami danych.

Czy możesz wyjaśnić, jak datma.FED wykorzystuje sztuczną inteligencję do rewolucjonizacji udostępniania i analizy danych opieki zdrowotnej?

datma.FED integruje narzędzia analityczne napędzane przez sztuczną inteligencję, aby umożliwić bezpieczne wykonywanie zapytań w naszej sieci federacyjnej. Zaawansowane algorytmy ułatwiają ekstrakcję, agregację i dostarczanie zanonimizowanych, udostępnianych zestawów danych, pozwalając konsumentom danych, takim jak firmy farmaceutyczne i organizacje badawcze, na pozyskiwanie informacji, jednocześnie zapewniając pełne przestrzeganie standardów zgodności i prywatności.

Automatyzując złożone zapytania dotyczące danych, datma.FED przyspiesza dostęp do wysokiej jakości, gotowych do użycia danych związanych z rzeczywistymi przypadkami. To umożliwia opiekunom danych, takim jak systemy opieki zdrowotnej i laboratoria molekularne, uczestniczenie w wspólnych badaniach, jednocześnie zachowując pełną kontrolę nad ich aktywami danych.

Jakie są kluczowe wyzwania, których rozwiązanie ułatwia datma dla laboratoriów molekularnych i systemów opieki zdrowotnej?

datma.FED rozwiązuje kilka krytycznych wyzwań dla laboratoriów molekularnych i systemów opieki zdrowotnej, w tym:

• Monetyzacja danych: Umożliwia stałą generację przychodu z nie wykorzystywanych danych opieki zdrowotnej, jednocześnie pozwalając opiekunom danych na zachowanie pełnej własności i kontroli.
• Prywatność i bezpieczeństwo danych: Zachowuje dane wrażliwe w bezpieczeństwie, zapewniając, że nigdy nie opuszczają środowiska opiekuna danych, dzięki modelowi federacyjnemu z pierwszeństwem prywatności.
• Ryzyka związane z zgodnością danych: Minimalizuje ryzyka regulacyjne dzięki kontrolom dostępu do danych gotowym do audytu i pełnemu śledzeniu zgodności.
• Przygotowanie i rozwój biznesu: datma podejmuje się przygotowania danych, aby zapewnić ich gotowość, jednocześnie łącząc opiekunów danych z partnerami badawczymi i farmaceutycznymi.

Jak datma zapewnia prywatność danych i zgodność, jednocześnie umożliwiając bezpieczną współpracę między opiekunami danych a konsumentami?

datma.FED wykorzystuje model sieci federacyjnej, który zachowuje dane w bezpieczeństwie w środowisku każdego opiekuna, jednocześnie umożliwiając współpracę z pierwszeństwem prywatności z konsumentami danych. Dane przechodzą przez proces wieloetapowy: są anonimizowane, filtrowane pod kątem dostępności i wyznaczone jako udostępniane na podstawie uprawnień zdefiniowanych przez opiekuna. datma następnie przetwarza zewnętrzne zapytania bez przenoszenia surowych danych, agregując tylko zatwierdzone, zanonimizowane pola danych. Ograniczenia wielkości komórek zapobiegają ponownej identyfikacji. Każda interakcja z danymi jest audytowalna i zgodna z normami regulacyjnymi, takimi jak HIPAA.

Czym datma.FED różni się od innych platform danych pod względem skalowalności i użyteczności?

datma.FED została zaprojektowana, aby skalować się bezproblemowo dzięki swojej architekturze federacyjnej i funkcjom automatycznej gotowości danych. Jej projekt umożliwia bezproblemową integrację multimodalnych danych opieki zdrowotnej z wielu źródeł. Funkcje automatycznej gotowości danych platformy, w tym etykietowanie i standaryzacja danych, upraszczają przygotowanie danych i redukują nakład pracy ręcznej. Zapewniając, że dane są gotowe do zapytań i zgodne od samego początku, datma.FED umożliwia dużą skalę, z pierwszeństwem prywatności, udostępnianie danych, co sprawia, że jest ona bardzo skalowalna i intuicyjna dla aplikacji badań i danych związanych z rzeczywistymi przypadkami.

Jak platforma datma.FED ułatwia integrację multimodalnych danych opieki zdrowotnej w różnych siedzibach?

datma.FED ułatwia integrację multimodalnych danych opieki zdrowotnej w różnych siedzibach za pomocą jednego ze swoich komponentów, datma.BASE. datma.BASE jest kompleksową ramą zbudowaną na własnych magazynach danych, kontenerach i interfejsach API. W skali jego zaawansowane możliwości umożliwiają pobieranie, agregację i harmonizację różnorodnych typów danych opieki zdrowotnej (EHR, Omics, Obrazy i Patologia). Rozbijając siedziby danych, datma.BASE przekształca fragmentowane zestawy danych w zjednoczone, działające informacje.

Jak technologia datma przyczynia się do zamykania luk w danych w badaniach farmaceutycznych i rozwoju leków?

datma.FED pomaga wypełnić krytyczne luki w danych dla strategii badań farmaceutycznych i rynkowych. Dostarczając wysokiej jakości, gotowe do użycia dane związane z rzeczywistymi przypadkami (RWD) z granulacją i głębią długości, datma.FED umożliwia firmom farmaceutycznym podejmowanie bardziej opartych na danych decyzji. Jej bezpieczna infrastruktura zapewnia, że dane pozostają dostępne bez naruszania prywatności lub bezpieczeństwa, wspierając kompleksowe spostrzeżenia potrzebne do odkryć.

Jak datma umożliwia organizacjom opieki zdrowotnej monetyzację ich danych, jednocześnie zachowując standardy etyczne i regulacyjne?

datma umożliwia organizacjom opieki zdrowotnej monetyzację ich danych, tworząc bezpieczny ekosystem udostępniania danych, w którym organizacje opieki zdrowotnej zachowują pełną własność i kontrolę. Za pomocą swojej sieci federacyjnej opiekunowie danych określają, które dane są dostępne i udostępniane, jednocześnie zachowując wrażliwe informacje w bezpieczeństwie w swojej własnej infrastrukturze. Kompleksowe ślady audytowe, uprawnienia oparte na rolach i funkcje zgodności regulacyjnej zapewniają, że wszystkie działania związane z udostępnianiem danych są zgodne z standardami etycznymi i regulacjami prywatności. Ten podejście pozwala organizacjom opieki zdrowotnej na generowanie nowych strumieni przychodu, jednocześnie chroniąc prywatność pacjentów i utrzymując zaufanie.

Jakie trendy w sztucznej inteligencji i danych opieki zdrowotnej, według Twojej opinii, będą miały największy wpływ w ciągu najbliższych pięciu lat?

Sztuczna inteligencja w opiece zdrowotnej jest ograniczona przez obawy dotyczące prywatności, bezpieczeństwa i ograniczona tylko przez jakość danych. Sztuczna inteligencja już teraz umożliwia nam dostarczanie prawdziwie spersonalizowanej medycyny w onkologii, ale tylko zaczęła korzystać z tego, co jest możliwe. Analizując ogromne ilości multimodalnych danych pacjentów, w tym genomiki, obrazów, danych biomarkerów w kontekście historii medycznej, czynników demograficznych i stylu życia, będziemy dostosowywać plany leczenia i terapii do indywidualnych potrzeb. To prowadzi do poprawy wyników pacjentów i, ostatecznie, do zmniejszenia kosztów opieki zdrowotnej. Połączenie tych narzędzi z monitorowaniem pacjentów na odległość i wynikami pacjentów umożliwi wczesne wykrywanie chorób i poprawi przestrzeganie planów leczenia. Jednak kluczowym ogniwo w tym wszystkim są głębokie, kontekstowe źródła danych, które są wystarczająco zróżnicowane.

Ponadto sztuczna inteligencja będzie odgrywać kluczową rolę w zapewnianiu dostępu do spersonalizowanej opieki. Widzę rolę modeli sztucznej inteligencji w uproszczeniu logistyki płatności i rozliczeń, usprawnieniu uciążliwych formalności i zapewnieniu dostępu i równości w całej populacji. Obecnie duże językowe modele (LLM) wykazały pewne ograniczenia w tym zastosowaniu; ostatnie publikacje wskazały na ich niedociągnięcia dotyczące kodowania medycznego. Wyraźnie, te bariery mogą być pokonane dzięki lepszym, głębszym i bardziej kompletnym danym szkoleniowym.

Wreszcie, sztuczna inteligencja będzie nadal przyspieszać tempo badań medycznych. Sztuczna inteligencja może identyfikować nowe cele leków, analizując ogromne zestawy danych, obejmujące obrazowanie, multi-omikę i inne podejścia, optymalizując projektowanie badań klinicznych i przyspieszając odkrywanie leków. Federacyjne uczenie, technika sztucznej inteligencji zachowującej prywatność, pozwala instytucjom na współpracę w badaniach bez udostępniania wrażliwych danych pacjentów, odblokowując potencjał badań współpracy. Ostatnie postępy w inferencji przyczynowej i generatywnej sztucznej inteligencji, w szczególności, zapowiadają znaczące postępy w odkryciach od podstawowej biologii do zastosowań terapeutycznych.

Jakie jest Twoje długoterminowe wizje wpływu datma na systemy opieki zdrowotnej i szerszy przemysł?

W datma koncentrujemy się na budowaniu przyszłości, w której lepsze dane napędzają spersonalizowaną, dostępną i efektywną opiekę zdrowotną. Łącząc złożone zestawy danych za pomocą federacyjnego uczenia, uprawniamy klinicystów i badaczy do rozwiązywania złożonych wyzwań opieki zdrowotnej i odblokowania nowych przełomów medycznych. Nasz federacyjny, związany z rzeczywistymi przypadkami rynek danych, datma.FED, jest pierwszym krokiem w kierunku realizacji tej wizji.

Wyobraź sobie przyszłość dla opieki zdrowotnej, w której badacze wykorzystują i analizują ogromne ilości danych pacjentów, od genomiki, obrazowania i historii medycznej do czynników stylu życia, aby dostosować następną generację terapii z wyjątkową koncentracją na pacjencie. W tym samym czasie klinicyści mogą wykorzystywać sztuczną inteligencję, aby zapewnić odpowiednią opiekę we właściwym czasie z minimalnym obciążeniem administracyjnym. Podejście federacyjne datma przyspiesza tę wizję, odblokowując moc złożonych, bezpiecznych danych medycznych. Poprzez ciągłe rozszerzanie naszego zestawu danych i uruchamianie innowacyjnych narzędzi, takich jak datma.WHY i datma.360, napędzamy wcześniejsze wykrywanie chorób, poprawione terapie i lepsze wyniki pacjentów.

Nasza wizja wykracza poza poszczególnych pacjentów. Zobowiązanie datma do federacyjnego uczenia odblokowuje moc współpracy badań, pozwalając instytucjom na analizowanie ogromnych zestawów danych bez naruszania prywatności pacjentów. To odblokowuje falę odkryć, od identyfikacji nowych celów leków po optymalizację badań klinicznych. Wykorzystując analityczną siłę sztucznej inteligencji i możliwości inferencji przyczynowej, możemy przyspieszyć badania medyczne i wprowadzić ratujące życie leczenia do pacjentów szybciej. Jesteśmy zaangażowani w prowadzenie drogi w kierunku uczynienia tej przyszłości rzeczywistością.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić datma.