诺亚·纳瑟，datma CEO – 采访系列

诺亚·纳瑟是datma（前身为Omics Data Automation）的CEO，datma是一家领先的联邦式现实世界数据平台和相关分析、可视化工具提供商。datma的使命是通过高级数据存储、AI启用的数据协调和联邦式查询及工作流技术，赋予医疗保健组织优化其数据资产、推动创新和改善患者结果的能力。datma总部位于俄勒冈州，公司处于变革医疗保健数据共享、货币化和应用方式的前沿，实现数据托管方和数据消费者之间的安全合作。

您能解释datma.FED如何利用AI革新医疗保健数据共享和分析吗？

datma.FED集成了AI驱动的分析工具，实现了安全的查询执行，跨我们的联邦网络。其高级算法促进了去识别、聚合和交付可共享的数据集，使数据消费者（如制药公司和研究机构）能够在确保完全合规和隐私标准的同时提取见解。

通过自动化复杂的数据查询，datma.FED加速了高质量、可用的现实世界数据的获取。这种方式赋予了数据托管方（如医疗系统和分子实验室）参与合作研究工作的能力，同时保持对其数据资产的完全控制。

datma解决了哪些关键挑战，为分子实验室和医疗系统带来了哪些益处？

datma.FED解决了分子实验室和医疗系统面临的几个关键挑战，包括：

• 数据货币化：使医疗保健数据能够持续产生收入，同时允许数据托管方保留完全的所有权和控制权。
• 数据隐私与安全：通过联邦式模型，确保敏感数据的安全性，从不离开数据托管方的环境。
• 数据合规风险：最小化监管风险，通过审计准备好的数据访问控制和完整的合规跟踪。
• 数据准备和商业开发：datma承担数据准备的工作，确保数据的可用性，同时连接数据托管方与研究和制药合作伙伴。

datma如何确保数据隐私和合规，同时实现数据托管方和数据消费者之间的安全合作？

datma.FED采用联邦网络模型，确保数据在每个托管方的环境中保持安全，同时实现与数据消费者的隐私优先合作。数据经过多步骤处理：匿名化、过滤以实现可访问性，并根据托管方定义的权限进行共享。datma处理外部查询，而不传输原始数据，只聚合批准的去识别数据字段。单元格大小限制防止重新识别。每次数据交互都是可审计的，并符合HIPAA等监管标准。

datma.FED在可扩展性和易用性方面与其他数据平台有什么区别？

datma.FED通过其联邦架构和自动数据准备功能而设计，能够无缝扩展。其设计允许来自多个来源的多模式医疗保健数据的无缝集成。平台的自动数据准备功能（包括数据标记和标准化）简化了数据准备，减少了手动努力。通过确保数据从一开始就是查询准备就绪和合规的，datma.FED实现了大规模、隐私优先的数据共享，使其高度可扩展和直观，适用于研究和现实世界数据应用。

datma.FED平台如何促进医疗保健数据在不同孤岛之间的集成？

datma.FED通过其组件datma.BASE促进了医疗保健数据在不同孤岛之间的集成。datma.BASE是一个基于专有数据存储、容器和API的综合框架。在大规模上，其高级功能使得多样化医疗保健数据类型（EHR、Omics、图像和病理）的摄取、聚合和协调成为可能。通过打破数据孤岛，datma.BASE将碎片化的数据集转化为统一的、可操作的见解。

datma的技术如何为制药研究和药物开发中的数据缺口做出贡献？

datma.FED帮助填补了制药研究和市场准入策略中的关键数据缺口。通过提供高质量、可用的现实世界数据（RWD），具有粒度和纵向深度，datma.FED使制药公司能够做出更数据驱动的决策。其安全基础设施确保数据在不损害隐私或安全性的情况下保持可访问性，支持发现所需的全面见解。

datma如何赋予医疗保健组织在保持道德和监管标准的同时货币化其数据的能力？

datma通过创建一个安全的数据共享生态系统使医疗保健组织能够货币化其数据，同时保持对其数据资产的完全所有权和控制。通过其联邦网络，数据托管方决定哪些数据是可访问和共享的，同时保持敏感信息在其自身基础设施内的安全。全面审计跟踪、基于角色的权限和监管合规功能确保所有数据共享活动都遵守道德标准和隐私法规。这使医疗保健组织能够在保护患者隐私和保持信任的同时产生新的收入来源。

您预见在未来五年内，AI和医疗保健数据领域的哪些趋势将产生最大的影响？

医疗保健中的AI受到对隐私、安全和数据质量的担忧的限制。AI已经使我们能够在肿瘤学中提供真正的个性化医学，但仅仅触及了可能性的表面。通过分析大量多模式患者数据（包括基因组学、成像和生物标志物数据），并将其与医疗史、人口统计和生活方式因素联系起来，我们将根据个体需求量身定制治疗计划和疗法。这将带来改善的患者结果和最终降低医疗保健成本。将这些工具与远程患者监测和患者报告结果相结合，将实现早期疾病检测和治疗计划的遵守。然而，所有这些的关键枢纽是深度、有上下文的数据源，具有足够的多样性。

此外，AI将在提供高级个性化护理方面发挥关键作用。我认为AI模型在简化支付者和计费逻辑、简化繁琐的文书工作以及确保人口中的可及性和公平性方面具有作用。目前，LLM已经在医疗编码方面显示出了一些局限性；最近的出版物已经指出了它们的缺点。显然，这些障碍可以通过更好、更深、更完整的训练数据来克服。

最后，AI将继续加速医疗研究的步伐。AI可以通过分析大量数据集（包括成像、多组学和其他方法）来识别新的药物靶点，优化临床试验设计，并加速药物发现。联邦学习是一种保密AI技术，允许机构在不共享敏感患者数据的情况下合作研究，解锁合作研究的潜力。最近在因果推断和生成AI方面的进展，尤其预示着从基础生物学到应用治疗的重大进展。

您对datma对医疗保健系统和更广泛的行业影响的长期愿景是什么？

在datma，我们专注于建设一个数据驱动更好的医疗保健的未来。通过联邦学习，实现复杂数据集的统一，我们使临床医生和研究人员能够应对复杂的医疗保健挑战，并解锁新的医学突破。我们的联邦式现实世界数据市场datma.FED，是实现这一愿景的第一步。

想象一个医疗保健的未来，研究人员利用和分析大量患者数据（包括基因组学、成像和医疗史），以量身定制下一代治疗方法。同时，临床医生可以利用AI提供正确的护理，在正确的时间，并最小化行政负担。datma的联邦式方法通过解锁复杂、安全的医疗数据的力量来加速这一愿景。通过不断扩大我们的数据集，并推出创新工具，如datma.WHY和datma.360，我们推动了更早的疾病检测、改进的治疗方法和更好的患者结果。

我们的愿景超出了个别患者。datma致力于联邦学习，解锁了合作研究的力量，允许机构在不损害患者隐私的情况下分析大量数据集。这释放了一波发现的浪潮，从识别新的药物靶点到优化临床试验。通过利用AI的分析能力和因果推断能力，我们可以加速医疗研究，并更快地将救命治疗方法带给患者。我们致力于领导这一未来的实现。

感谢这次精彩的采访，希望了解更多的读者可以访问datma。