Ноа Нассер, генеральный директор datma – Интервью-серия

Ноа Нассер является генеральным директором datma (ранее Omics Data Automation), ведущим поставщиком федеративных платформ реальных данных и связанных с ними инструментов для анализа и визуализации. Миссия datma – дать возможность здравоохранительным организациям оптимизировать свои данные, стимулировать инновации и улучшить результаты лечения пациентов за счет передовых технологий хранения данных, гармонизации данных с помощью ИИ и федеративных запросов и рабочих процессов. Штаб-квартира компании находится в штате Орегон, и компания является лидером в области трансформации того, как обмениваются, монетизируются и применяются данные здравоохранения, обеспечивая безопасное сотрудничество между хранителями данных и потребителями данных.

Можете ли вы объяснить, как datma.FED использует ИИ для революционизации обмена и анализа данных здравоохранения?

datma.FED интегрирует аналитические инструменты, управляемые ИИ, для обеспечения безопасного выполнения запросов в нашей федеративной сети. Его передовые алгоритмы облегчают извлечение, агрегацию и доставку деидентифицированных, общедоступных наборов данных, позволяя потребителям данных, таким как фармацевтические компании и исследовательские организации, извлекать информацию, обеспечивая при этом полное соблюдение стандартов конфиденциальности и безопасности.

Автоматизируя сложные запросы данных, datma.FED ускоряет доступ к высококачественным, готовым к использованию реальным данным. Это дает возможность хранителям данных, таким как системы здравоохранения и молекулярные лаборатории, участвовать в совместных исследовательских усилиях, сохраняя при этом полный контроль над своими активами данных.

Какие ключевые проблемы решает datma для молекулярных лабораторий и систем здравоохранения?

datma.FED решает несколько критических проблем для молекулярных лабораторий и систем здравоохранения, включая:

• Монетизация данных: Позволяет непрерывно генерировать доход от неиспользуемых данных здравоохранения, сохраняя при этом полную собственность и контроль хранителей данных.
• Конфиденциальность и безопасность данных: Сохраняет конфиденциальные данные в безопасности, гарантируя, что они не покидают среду хранителя данных благодаря модели федеративной конфиденциальности.
• Риски соблюдения требований: Минимизирует регуляторные риски за счет средств контроля доступа к данным, готовых к аудиту, и полного отслеживания соблюдения требований.
• Подготовка и бизнес-развитие данных: datma берет на себя усилия по подготовке данных, чтобы обеспечить готовность данных, а также соединяет хранителей данных с исследовательскими и фармацевтическими партнерами.

Как datma обеспечивает конфиденциальность и соблюдение требований данных, обеспечивая при этом безопасное сотрудничество между хранителями и потребителями данных?

datma.FED использует федеративную модель сети, которая сохраняет данные в безопасности внутри среды каждого хранителя, обеспечивая при этом конфиденциальное сотрудничество с потребителями данных. Данные проходят многоступенчатый процесс: они анонимизируются, фильтруются для доступности и определяются как общедоступные на основе разрешений, определенных хранителем. Затем datma обрабатывает внешние запросы без передачи сырых данных, агрегируя только утвержденные, деидентифицированные поля данных. Ограничения размера ячеек предотвращают повторную идентификацию. Каждое взаимодействие с данными является аудиторским и соответствует нормативным стандартам, таким как HIPAA.

Что отличает datma.FED от других платформ данных в плане масштабируемости и удобства использования?

datma.FED предназначен для бесшовного масштабирования благодаря своей федеративной архитектуре и автоматическим функциям готовности данных. Его конструкция позволяет легко интегрировать многомодальные данные здравоохранения из нескольких источников. Автоматические функции готовности данных, включая маркировку и стандартизацию данных, упрощают подготовку данных и снижают ручные усилия. Обеспечивая, что данные готовы к запросам и соответствуют требованиям с самого начала, datma.FED позволяет осуществлять крупномасштабное, конфиденциальное обмен данными, что делает его высоко масштабируемым и интуитивно понятным для исследований и реальных приложений данных.

Как платформа datma.FED облегчает интеграцию многомодальных данных здравоохранения через разные сilos?

datma.FED облегчает интеграцию многомодальных данных здравоохранения через один из своих компонентов, datma.BASE. datma.BASE – это комплексная основа, построенная на проприетарных хранилищах данных, контейнерах и API. В масштабе его передовые возможности позволяют ингестировать, агрегировать и гармонизировать различные типы данных здравоохранения (EHR, Omics, Images и Pathology). Разрушая данные сilos, datma.BASE преобразует фрагментированные наборы данных в объединенные, действенные идеи.

Как технология datma способствует устранению пробелов в данных фармацевтических исследований и разработки лекарств?

datma.FED помогает заполнить критические пробелы в данных для фармацевтических исследований и стратегий доступа на рынок. Предоставляя высококачественные, готовые к использованию реальные данные (RWD) с гранулярностью и временной глубиной, datma.FED позволяет фармацевтическим компаниям принимать более обоснованные решения. Его безопасная инфраструктура гарантирует, что данные остаются доступными без компрометации конфиденциальности или безопасности, поддерживая полные идеи, необходимые для открытий.

Как datma дает возможность здравоохранительным организациям монетизировать свои данные, сохраняя при этом этические и регуляторные стандарты?

datma дает возможность здравоохранительным организациям монетизировать свои данные, создавая безопасную экосистему обмена данными, в которой организации здравоохранения сохраняют полную собственность и контроль. Через свою федеративную сеть хранители данных определяют, какие данные доступны и могут быть обменены, сохраняя при этом конфиденциальную информацию в безопасности внутри своей инфраструктуры. Комплексные аудиторские следы, разрешения на основе ролей и функции соответствия требованиям гарантируют, что все действия по обмену данными соответствуют этическим стандартам и правилам конфиденциальности. Этот подход позволяет здравоохранительным организациям генерировать новые потоки доходов, сохраняя при этом конфиденциальность пациентов и поддерживая доверие.

Какие тенденции в области ИИ и данных здравоохранения, по вашему мнению, окажут наибольшее влияние в течение следующих пяти лет?

ИИ в здравоохранении ограничен проблемами конфиденциальности, безопасности и ограничен только качеством данных. ИИ уже позволяет нам предоставлять действительно персонализированную медицину в онкологии, но только поцарапал поверхность того, что возможно. Анализируя огромные объемы многомодальных данных пациентов, включая геномику, изображения и данные биомаркеров в контексте медицинской истории, демографических и факторов образа жизни, мы сможем адаптировать планы лечения и терапии к индивидуальным потребностям. Это приведет к улучшению результатов лечения пациентов и, в конечном итоге, к снижению затрат на здравоохранение. Объединение этих инструментов с удаленным мониторингом пациентов и результатами, сообщенными пациентами, позволит выявить заболевания на ранней стадии и улучшить соблюдение планов лечения. Однако критической скрепкой во всем этом являются глубокие, контекстные источники данных, которые достаточно разнообразны.

Кроме того, ИИ будет играть ключевую роль в предоставлении доступа к персонализированной помощи. Я вижу роль моделей ИИ в упрощении логистики оплаты и выставления счетов, упрощении бюрократической документации и обеспечении доступа и равенства во всей популяции. В настоящее время модели LLM показали некоторые ограничения в этом применении; недавние публикации подчеркнули их недостатки, связанные с медицинским кодированием. Очевидно, что эти барьеры можно преодолеть с помощью лучших, более глубоких и полных обучающих данных.

Наконец, ИИ будет продолжать ускорять темп медицинских исследований. ИИ может выявить новые мишени для лекарств, анализируя огромные наборы данных, охватывающие изображения, мультомику и другие подходы, оптимизируя проектирование клинических испытаний и ускоряя открытие лекарств. Федеративное обучение, техника ИИ, сохраняющая конфиденциальность, позволяет учреждениям сотрудничать в исследованиях без обмена конфиденциальными данными пациентов, открывая потенциал совместных исследований. Недавние достижения в области причинно-следственных выводов и генеративного ИИ, в частности, предвещают значительные достижения в открытии, от базовой биологии до прикладной терапии.

Каково ваше долгосрочное видение влияния datma на системы здравоохранения и более широкую отрасль?

В datma мы сосредоточены на построении будущего, где лучшие данные стимулируют персонализированную, доступную и эффективную помощь. Объединяя сложные наборы данных через федеративное обучение, мы даем возможность клиницистам и исследователям решать сложные проблемы здравоохранения и открывать новые медицинские прорывы. Наша федеративная, реальная платформа обмена данными, datma.FED, – это первый шаг на пути к реализации этого видения.

Представьте себе будущее для здравоохранения, где исследователи анализируют и изучают огромные объемы данных пациентов, от геномики, изображений и медицинской истории до факторов образа жизни, чтобы адаптировать следующие поколения терапий с исключительным вниманием к пациенту. В то же время клиницисты могут использовать ИИ, чтобы предоставить правильную помощь в правильное время с минимальной бюрократической нагрузкой. Федеративный подход datma ускоряет это видение, открывая силу сложных, безопасных медицинских данных. Постоянно расширяя наш набор данных и запуская инновационные инструменты, такие как datma.WHY и datma.360, мы стимулируем раннее выявление заболеваний, улучшение терапий и лучшие результаты лечения пациентов.

Наше видение выходит за рамки отдельных пациентов. Коммит datma к федеративному обучению открывает силу совместных исследований, позволяя учреждениям анализировать огромные наборы данных без компрометации конфиденциальности пациентов. Это запускает волну открытий, от выявления новых мишеней для лекарств до оптимизации клинических испытаний. Используя аналитические возможности ИИ и возможности причинно-следственных выводов, мы можем ускорить медицинские исследования и быстрее внедрить спасающие жизни методы лечения пациентам. Мы привержены тому, чтобы идти во главе в реализации этого будущего.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить datma.