Hợp tác
Nference lên kế hoạch xây dựng nền tảng nghiên cứu AI liên kết với Cedars-Sinai

Điểm chínhNền tảng này là cơ sở hạ tầng được quy hoạch chứ không phải là một sản phẩm đã được bàn…
Xem thêm
- Nền tảng này là cơ sở hạ tầng được quy hoạch chứ không phải là một sản phẩm đã được bàn giao với các năng lực vẫn được mô tả là dự kiến.
- Phần mềm liên kết và việc phân xử của bác sĩ nhằm bảo vệ quyền riêng tư đồng thời hài hòa các định dạng dữ liệu lâm sàng lộn xộn.
- Bài kiểm tra thực sự của nó là liệu dữ liệu dọc được tuyển chọn có giúp các nhà nghiên cứu xác thực giả thuyết và xây dựng các mô hình hữu ích hay không.
Ngày 20 tháng 11 năm 2026, nference đã công bố hợp tác dài hạn với Cedars-Sinai nhằm xây dựng một nền tảng bảo mật để phân tích dữ liệu lâm sàng đã khử định danh từ nhiều lĩnh vực chăm sóc bệnh nhân. Nền tảng nghiên cứu dự kiến sẽ bao gồm hồ sơ của hơn 5 triệu bệnh nhân trong hơn một thập kỷ, theo dõi quá trình chăm sóc của họ theo thời gian.
Nền tảng vẫn đang trong giai đoạn phát triển; các chức năng nghiên cứu và AI được mô tả là những khả năng dự kiến. Dự án được thiết kế để chuyển đổi thông tin phát sinh trong quá trình chăm sóc lâm sàng thành dữ liệu sẵn sàng phục vụ nghiên cứu ở các lĩnh vực điều trị, chẩn đoán và phẫu thuật, qua đó cung cấp cho các nhà nghiên cứu một cơ sở chung để phân tích hồ sơ ở nhiều định dạng rời rạc và phi cấu trúc.
Quyền riêng tư, tuyển chọn dữ liệu và phạm vi dữ liệu
nference sẽ thiết kế hệ thống bằng phần mềm liên kết, được xây dựng nhằm bảo vệ quyền riêng tư của bệnh nhân và hài hòa dữ liệu từ các định dạng lâm sàng khác nhau. Công tác tuyển chọn dữ liệu theo chiều dọc—tức sắp xếp hồ sơ trong suốt quá trình chăm sóc bệnh nhân—sẽ bao gồm bước thẩm định của bác sĩ, đưa hoạt động rà soát của bác sĩ vào quy trình chuẩn bị dữ liệu cho nghiên cứu.
Dữ liệu đầu vào đã khử định danh sẽ bao gồm ghi chú lâm sàng, kết quả xét nghiệm, thuốc và báo cáo chẩn đoán, cùng với hình ảnh X quang và giải phẫu bệnh, thông tin hệ gen, dạng sóng điện sinh lý, dấu hiệu sinh tồn và các số đo trên phiếu theo dõi. Các mẫu bệnh phẩm sinh học được thu thập với sự đồng ý của bệnh nhân cũng sẽ được đưa vào.
Các đợt cập nhật dữ liệu thường xuyên sẽ bổ sung thông tin mới khi quá trình chăm sóc thường quy diễn ra. nference hình dung rằng nguồn dữ liệu được cập nhật liên tục này sẽ giúp các nhà nghiên cứu hiểu sâu hơn, chi tiết hơn về cách bệnh khởi phát và tiến triển; đây là lợi ích dự kiến chứ không phải kết quả nghiên cứu đã được chứng minh.
Nghiên cứu, mô hình AI và mục tiêu khoa học
Nền tảng dự kiến sẽ hỗ trợ các nghiên cứu do nhà nghiên cứu chủ trì, nghiên cứu được tài trợ bằng khoản cấp kinh phí, hoạt động giáo dục và cải tiến chất lượng, cũng như hợp tác với các đối tác trong ngành khoa học sự sống. Nền tảng cũng sẽ tạo cơ sở để các nhà nghiên cứu của Cedars-Sinai và những nhà đổi mới có liên kết với tổ chức này phát triển, đánh giá các mô hình AI mới.
Các công ty nêu việc khám phá thuốc, thiết kế thử nghiệm lâm sàng và chẩn đoán trong tương lai là những ứng dụng tiềm năng ở các giai đoạn tiếp theo. Những ứng dụng này phụ thuộc vào các nghiên cứu và đánh giá mô hình mà nền tảng hướng đến hỗ trợ; đây không phải là những kết quả được công bố là đã đạt được.
Venky Soundararajan, nhà sáng lập kiêm đồng Giám đốc điều hành của nference, mô tả nền tảng dự kiến này là trí tuệ không gian toàn thân, nhằm đối chiếu các phương thức dữ liệu rời rạc và phi cấu trúc để giúp giải quyết những câu hỏi khoa học khó khăn trở nên khả thi hơn. Ông cho biết: “Muốn hiểu sức khỏe và bệnh tật, cần kết nối những gì đang diễn ra ở các cơ quan, qua các phương thức lâm sàng và trong suốt nhiều thập kỷ hành trình y tế của mỗi bệnh nhân.”
Sumeet Chugh, phó trưởng khoa kiêm giám đốc nghiên cứu y tế về trí tuệ nhân tạo tại Cedars-Sinai, cho biết tổ chức này kỳ vọng sự hợp tác sẽ giúp các bác sĩ lâm sàng và nhà khoa học rút kinh nghiệm từ trải nghiệm chăm sóc bệnh nhân tập thể, kiểm chứng các giả thuyết khoa học và thúc đẩy khám phá y sinh.
Sản phẩm bàn giao trước mắt của sự hợp tác là hạ tầng nghiên cứu: một môi trường chú trọng quyền riêng tư, được cập nhật thường xuyên, kết hợp công tác tuyển chọn dữ liệu lâm sàng với việc phát triển và đánh giá mô hình AI. Ý nghĩa rộng lớn hơn của dự án sẽ phụ thuộc vào việc các cơ chế kết hợp dữ liệu và tuyển chọn này có giúp các nhà nghiên cứu kiểm chứng giả thuyết và tạo ra những mô hình hữu ích trên nhiều loại thông tin bệnh nhân mà nền tảng được thiết kế để kết nối hay không.












