Noah Nasser, VD för datma – Intervjuserie

Noah Nasser är VD för datma (tidigare Omics Data Automation), en ledande leverantör av federerade Real-World Data-plattformar och relaterade verktyg för analys och visualisering. datmas uppdrag är att ge hälsosjukvårdsorganisationer möjlighet att optimera sina dataresurser, driva innovation och förbättra patientresultat genom avancerad datahantering, AI-aktiverad dataharmonisering och federerad fråga- och arbetsflödesteknik. Med huvudkontor i Oregon är företaget i framkanten av att omvandla hur hälsodata delas, monetiseras och tillämpas, vilket möjliggör säker samverkan mellan dataförvaltare och datakonsumenter.

Kan du förklara hur datma.FED använder AI för att revolutionera hälsodata-delning och analys?

datma.FED integrerar AI-drivna analytiska verktyg för att möjliggöra säker frågeutförande över vår federerade nätverk. Dess avancerade algoritmer underlättar extrahering, aggregering och leverans av deidentifierade, delbara datamängder, vilket gör det möjligt för datakonsumenter som läkemedelsföretag och forskningsorganisationer att extrahera insikter samtidigt som de säkerställer fullständig efterlevnad och integritet.

Genom att automatisera komplexa datafrågor accelererar datma.FED tillgången till högkvalitativa, färdiga realvärldsdata. Detta ger dataförvaltare som hälso- och sjukvårdssystem och molekylära laboratorier möjlighet att delta i samverkansforskning samtidigt som de behåller full kontroll över sina dataresurser.

Vilka är de viktigaste utmaningarna som datma löser för molekylära laboratorier och hälso- och sjukvårdssystem?

datma.FED löser flera kritiska utmaningar för molekylära laboratorier och hälso- och sjukvårdssystem, inklusive:

• Data-monetisering: Möjliggör kontinuerlig intäktsgenerering från outnyttjad hälsodata samtidigt som dataförvaltare behåller full äganderätt och kontroll.
• Data-integritet och säkerhet: Håller känslig data säker genom att se till att den aldrig lämnar dataförvaltarens miljö via en integritetsförst federerad modell.
• Data-efterlevnadsrisker: Minimerar de regulatoriska riskerna med granskningsklara dataåtkomstkontroller och fullständig efterlevnadsspårning.
• Data-beredning och affärsutveckling: datma tar på sig ansträngningen att förbereda data för att säkerställa databeredskap samtidigt som de kopplar dataförvaltare till forsknings- och läkemedelspartners.

Hur säkerställer datma data-integritet och efterlevnad samtidigt som de möjliggör säker samverkan mellan dataförvaltare och datakonsumenter?

datma.FED använder en federerad nätverksmodell som håller data säkert inom varje dataförvaltares miljö samtidigt som de möjliggör integritetsförst samverkan med datakonsumenter. Data går igenom en flerstegsprocess: den anonymiseras, filtreras för tillgänglighet och utpekas som delbar baserat på dataförvaltarens definierade behörigheter. datma bearbetar sedan externa frågor utan att överföra rådata, samtidigt som endast godkända, deidentifierade datafält aggregeras. Cell-storleksbegränsningar förhindrar återidentifiering. Varje datainteraktion är granskningsbar och följer regulatoriska standarder som HIPAA.

Vad särskiljer datma.FED från andra data-plattformar när det gäller skalbarhet och användarvänlighet?

datma.FED är utformat för att skalas sömlöst genom sin federerade arkitektur och automatiserade data-beredskapsfunktioner. Dess design möjliggör enkel integration av multimodal hälsodata från flera källor. Plattformens automatiserade data-beredskapsfunktioner – inklusive data-märkning och standardisering – förenklar data-beredning och minskar manuell ansträngning. Genom att se till att data är frågeklar och följer reglerna från början möjliggör datma.FED storskalig, integritetsförst data-delning, vilket gör den högt skalbar och intuitiv för forsknings- och realvärldsdata-applikationer.

Hur möjliggör datma.FED-plattformen integrationen av multimodal hälsodata över silos?

datma.FED möjliggör integrationen av multimodal hälsodata över silos genom en av dess komponenter, datma.BASE. datma.BASE är ett omfattande ramverk byggt på proprietära data-lager, containrar och API:er. I stor skala möjliggör dess avancerade funktioner insamling, aggregering och harmonisering av olika hälsodata-typer (EHR, Omics, Bilder och Patologi). Genom att bryta ner data-silos omvandlar datma.BASE fragmenterade datamängder till enhetliga, agerbara insikter.

Hur bidrar datmas teknologi till att överbrygga data-luckor i läkemedelsforskning och läkemedelsutveckling?

datma.FED hjälper till att fylla kritiska data-luckor för läkemedelsforskning och marknadstillgänglighetsstrategier. Genom att tillhandahålla högkvalitativa, färdiga realvärldsdata (RWD) med granularitet och longitudinell djup möjliggör datma.FED för läkemedelsföretag att fatta mer data-drivna beslut. Dess säkra infrastruktur säkerställer att data förblir tillgänglig utan att äventyra integritet eller säkerhet, vilket stöder omfattande insikter som behövs för upptäckter.

Hur möjliggör datma för hälsosjukvårdsorganisationer att monetisera sin data samtidigt som de upprätthåller etiska och regulatoriska standarder?

datma möjliggör för hälsosjukvårdsorganisationer att monetisera sin data genom att skapa en säker data-delningsekosystem där hälsosjukvårdsorganisationer behåller full äganderätt och kontroll. Genom sin federerade nätverksmodell bestämmer dataförvaltare vilken data som är tillgänglig och delbar samtidigt som de håller känslig information säkert inom sin egen infrastruktur. Omfattande gransknings-spår, roll-baserade behörigheter och regulatoriska efterlevnadsfunktioner säkerställer att alla data-delningsaktiviteter följer etiska standarder och integritetsregler. Detta tillvägagångssätt möjliggör för hälsosjukvårdsorganisationer att generera nya intäktsströmmar samtidigt som de skyddar patient-integritet och upprätthåller förtroende.

Vilka trender inom AI och hälsodata tror du kommer att ha den största påverkan under de närmaste fem åren?

AI inom hälsosjukvården är begränsad av oro för integritet, säkerhet och begränsad endast av data-kvalitet. AI möjliggör redan för oss att leverera verkligen personlig medicin inom onkologi men har bara skrapat på ytan av vad som är möjligt. Genom att analysera stora mängder multimodal patientdata, inklusive genetik, bilddata och biomarkördata i sammanhang med medicinsk historia, demografiska och livsstilsfaktorer, kommer vi att skräddarsy behandlingsplaner och terapier för individuella behov. Detta leder till förbättrade patientresultat och, i slutändan, till minskade hälsosjukvårdskostnader. Genom att kombinera dessa verktyg med fjärrpatientövervakning och patient-rapporterade resultat kommer vi att kunna upptäcka sjukdomar tidigt och förbättra efterlevnaden av behandlingsplaner. Men den kritiska länken i allt detta är djupa, kontextuella data-källor som är tillräckligt diversifierade.

Dessutom kommer AI att spela en nyckelroll i att tillhandahålla avancerad tillgång till personlig vård. Jag ser en roll för AI-modeller i att förenkla betalnings- och faktureringslogistik, förenkla tungrodda pappersarbeten och säkerställa tillgång och jämlikhet över populationen. För närvarande har stora språkmodeller visat vissa begränsningar i denna tillämpning; nyliga publikationer har pekat på deras brister när det gäller medicinsk kodning. Tydligt kan dessa barriärer övervinnas med bättre, djupare och mer fullständig utbildningsdata.

Slutligen kommer AI att fortsätta att accelerera takten i medicinsk forskning. AI kan identifiera nya läkemedelsmål genom att analysera massiva datamängder, som omfattar bild-, multi-omik- och andra tillvägagångssätt, optimera kliniska prövningsdesign och accelerera läkemedelsupptäckt. Federerat lärande, en integritetsbevarande AI-teknik, möjliggör för institutioner att samarbeta i forskning utan att dela känslig patientdata, vilket låser upp potentialen för samarbetsforskning. Nya framsteg inom kausalinferens och generativ AI, i synnerhet, förutsäger betydande framsteg inom upptäckt från grundläggande biologi till tillämpad terapi.

Vad är din långsiktiga vision för datmas påverkan på hälsosjukvårds-system och den bredare branschen?

På datma fokuserar vi på att bygga en framtid där bättre data driver personlig, tillgänglig och effektiv hälsosjukvård. Genom att förena komplexa datamängder via federerat lärande ger vi kliniker och forskare möjlighet att tackla komplexa hälsosjukvårds-utmaningar och låsa upp nya medicinska genombrott. Vår federerade, realvärldsdata-marknadsplats, datma.FED, är det första steget mot att förverkliga denna vision.

Föreställ er en framtid för hälsosjukvården där forskare kan analysera och utnyttja stora mängder patientdata, från genetik, bilddata och medicinsk historia till livsstilsfaktorer, för att skräddarsy nästa generations terapier med exakt patientfokus. Samtidigt kan kliniker använda AI för att tillhandahålla rätt vård vid rätt tidpunkt med minimal administrativ börda. datmas federerade tillvägagångssätt accelererar denna vision genom att låsa upp kraften i komplex, säker medicinsk data. Genom att kontinuerligt expandera vår datamängd och lansera innovativa verktyg som datma.WHY och datma.360 driver vi tidig upptäckt av sjukdomar, förbättrade terapier och bättre patientresultat.

Vår vision sträcker sig bortom enskilda patienter. datmas åtagande för federerat lärande låser upp kraften i samarbetsforskning, vilket möjliggör för institutioner att analysera massiva datamängder utan att äventyra patient-integritet. Detta frigör en våg av upptäckt, från identifiering av nya läkemedelsmål till optimering av kliniska prövningar. Genom att utnyttja AI:s analytiska kraft och kausalinferens-förmåga kan vi accelerera medicinsk forskning och bringa livräddande behandlingar till patienter snabbare. Vi är åtaganda att leda vägen mot att förverkliga denna framtid.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka datma.