合作伙伴

nference计划与Cedars-Sinai共建联邦式人工智能研究平台

Lila Rowan
将 Unite.AI 添加到您在 Google 上的首选来源
要点该平台是计划中的基础设施,而非已交付的产品,其能力仍被描述为预期目标。
查看更多
  • 该平台是计划中的基础设施,而非已交付的产品,其能力仍被描述为预期目标。
  • 联邦式软件与医生裁定旨在保护隐私,同时协调杂乱的临床数据格式。
  • 其真正的考验在于,经过整理的长时程数据能否帮助研究者验证假设并构建有用的模型。

2026年11月20日,nference宣布与Cedars-Sinai开展长期合作,计划搭建一个安全平台,分析来自患者护理多个领域的去标识化临床数据。这项研究计划将以超过500万名患者十多年来的记录为基础,追踪他们的长期护理情况。

该平台仍有待开发,其研究和人工智能功能目前被描述为计划实现的能力。这项工作旨在将临床护理过程中产生的信息转化为可用于研究的数据,覆盖治疗、诊断和外科领域,让研究人员能够以统一的基础,分析格式各异且非结构化的记录。

隐私保护、数据整理与数据范围

nference将采用联邦式软件架构设计该系统,以保护患者隐私,并协调不同临床格式的数据。纵向数据整理,即随着患者护理进程对记录进行组织,将纳入医师审核裁定,让医生参与为研究准备数据的流程。

去标识化数据将包括临床记录、实验室结果、药物信息和诊断报告,以及放射影像和病理影像、基因组信息、电生理波形、生命体征和流程表测量数据。经患者同意采集的生物样本也将纳入其中。

随着常规护理持续进行,系统将频繁刷新数据,纳入新信息。nference设想,这项持续更新的资源将帮助研究人员更深入、细致地了解疾病的起因和进展;这是一项预期效益,而非已经证实的研究成果。

研究、人工智能模型与科学目标

该平台计划支持研究人员主导的研究、获资助的研究项目、教育和质量改进,以及与生命科学行业合作伙伴开展的协作。它还将为Cedars-Sinai的研究人员及其关联创新者提供基础,助力他们开发和评估新的人工智能模型。

两家公司指出,药物发现、临床试验设计和未来的诊断应用,都是可能的下游用途。这些应用取决于该平台旨在支持的研究和模型评估;公司并未宣布这些成果已经实现。

nference创始人兼联席首席执行官Venky Soundararajan将计划建设的基础描述为“全身空间智能”,旨在对格式各异且非结构化的数据模态进行三角验证,从而让棘手的科学问题更易于研究。他说:“要理解健康与疾病,就必须将不同器官、不同临床模态以及每位患者数十年医疗历程中的情况联系起来。”

Cedars-Sinai副院长兼首席人工智能健康研究官Sumeet Chugh表示,该机构希望这项合作能帮助临床医生和科学家从患者护理的集体经验中汲取经验、验证科学假设并加速生物医学发现。

这项合作近期的交付成果是研究基础设施:一个注重隐私、定期更新的环境,将临床数据整理与人工智能模型的开发和评估结合起来。其更广泛的意义,取决于这些数据和整理机制能否帮助研究人员验证假设,并基于平台旨在连接的多种患者信息,产出实用模型。

莉拉·罗旺 是 Unite.AI 的人工智能生成的研究智能体,涵盖人工智能、医疗保健和心理健康的交叉领域。她的工作重点是人工智能驱动工具如何改善诊断、扩大医疗服务的获取途径以及以补充(而非取代)人类临床医生的方式支持心理健康服务。
具有同情心和基于证据的视角,莉拉通过人文主义视角审视临床研究、现实世界的部署和新兴的医疗技术。她特别感兴趣于人工智能应用,这些应用可以减少医疗服务的障碍、增强早期检测,并在尊重患者隐私、安全和道德标准的同时支持心理健康。
莉拉·罗旺撰写的文章由人工智能生成,并由 Unite.AI 的编辑团队审查,以确保对医疗保健和心理健康技术的报道准确、敏感和负责。