نوح ناصر مدیرعامل این شرکت است داده ها (که قبلا Omics Data Automation نام داشت)، ارائه دهنده پیشرو پلتفرم های فدرال داده های دنیای واقعی و ابزارهای مرتبط برای تجزیه و تحلیل و تجسم. ماموریت datma توانمندسازی سازمان‌های مراقبت‌های بهداشتی برای بهینه‌سازی دارایی‌های داده‌های خود، هدایت نوآوری و بهبود نتایج بیماران از طریق ذخیره‌سازی پیشرفته داده‌ها، هماهنگ‌سازی داده‌های مبتنی بر هوش مصنوعی، و فن‌آوری‌های پرس و جو و گردش کار فدرال است. این شرکت که دفتر مرکزی آن در اورگان واقع شده است، در خط مقدم تغییر نحوه اشتراک گذاری، کسب درآمد و استفاده از داده های مراقبت های بهداشتی قرار دارد و امکان همکاری ایمن بین نگهبانان داده و مصرف کنندگان داده را فراهم می کند.
آیا می توانید توضیح دهید که چگونه datma.FED از هوش مصنوعی برای ایجاد انقلابی در اشتراک گذاری و تجزیه و تحلیل داده های مراقبت های بهداشتی استفاده می کند؟
datma.FED ابزارهای تحلیلی مبتنی بر هوش مصنوعی را ادغام می کند تا اجرای پرس و جو ایمن را در شبکه فدرال ما فعال کند. الگوریتم‌های پیشرفته آن استخراج، تجمیع و تحویل مجموعه داده‌های غیرشناسایی و قابل اشتراک‌گذاری را تسهیل می‌کند – به مصرف‌کنندگان داده‌ها مانند شرکت‌های داروسازی و سازمان‌های تحقیقاتی اجازه می‌دهد تا بینش را استخراج کنند و در عین حال از رعایت کامل استانداردها و حفظ حریم خصوصی اطمینان حاصل کنند.
با خودکارسازی پرس و جوهای پیچیده داده، datma.FED دسترسی به داده های واقعی با کیفیت بالا و آماده برای استفاده را تسریع می کند. این به نگهبانان داده‌ها مانند سیستم‌های سلامت و آزمایشگاه‌های مولکولی قدرت می‌دهد تا در تلاش‌های تحقیقاتی مشترک شرکت کنند و در عین حال کنترل کامل بر دارایی‌های داده‌های خود را حفظ کنند.
چالش های کلیدی که datma برای آزمایشگاه های مولکولی و سیستم های بهداشتی حل می کند چیست؟
datma.FED چندین چالش حیاتی را برای آزمایشگاه های مولکولی و سیستم های بهداشتی حل می کند، از جمله:
- کسب درآمد از داده ها: تولید درآمد مستمر از داده‌های مراقبت‌های بهداشتی کم استفاده را فعال می‌کند در حالی که به نگهبانان داده اجازه می‌دهد مالکیت و کنترل کامل را حفظ کنند.
- حریم خصوصی و امنیت داده ها: داده‌های حساس را با اطمینان از اینکه هرگز از محیط نگهبان داده خارج نمی‌شوند، از طریق یک مدل فدرال شده برای حفظ حریم خصوصی، ایمن نگه می‌دارد.
- خطرات انطباق داده ها: خطرات نظارتی را با کنترل های دسترسی به داده های آماده ممیزی و ردیابی انطباق کامل به حداقل می رساند.
- آماده سازی داده ها و توسعه کسب و کار: datma تلاش می کند تا داده ها را آماده کند تا از آمادگی داده ها اطمینان حاصل کند و حافظان داده را با شرکای تحقیقاتی و دارویی مرتبط کند.
چگونه datma حریم خصوصی و انطباق داده ها را تضمین می کند در حالی که امکان همکاری ایمن بین نگهبانان داده و مصرف کنندگان داده را فراهم می کند؟
datma.FED از یک مدل شبکه فدرال استفاده می کند که داده ها را به صورت ایمن در محیط هر نگهبان نگه می دارد و در عین حال امکان همکاری برای حفظ حریم خصوصی با مصرف کنندگان داده را فراهم می کند. داده‌ها از یک فرآیند چند مرحله‌ای عبور می‌کنند: ناشناس می‌شوند، برای دسترسی فیلتر می‌شوند و بر اساس مجوزهای تعریف‌شده توسط نگهبان به‌عنوان قابل اشتراک‌گذاری تعیین می‌شوند. سپس datma پرس‌وجوهای خارجی را بدون انتقال داده‌های خام پردازش می‌کند و تنها فیلدهای داده‌ای تایید شده و شناسایی نشده را جمع‌آوری می‌کند. محدودیت اندازه سلول از شناسایی مجدد جلوگیری می کند. هر تعامل داده قابل ممیزی است و با استانداردهای نظارتی مانند HIPAA مطابقت دارد.
چه چیزی datma.FED را از نظر مقیاس پذیری و قابلیت استفاده از سایر پلتفرم های داده متمایز می کند؟
datma.FED به گونه ای طراحی شده است که به طور یکپارچه از طریق معماری فدرال و ویژگی های آمادگی داده خودکار خود مقیاس شود. طراحی آن امکان ادغام یکپارچه داده های مراقبت های بهداشتی چندوجهی از منابع متعدد را فراهم می کند. ویژگی‌های آمادگی داده خودکار پلتفرم – از جمله برچسب‌گذاری داده‌ها و استانداردسازی – آماده‌سازی داده‌ها را ساده می‌کند و تلاش دستی را کاهش می‌دهد. datma.FED با اطمینان از اینکه داده‌ها از همان ابتدا آماده پرس‌وجو هستند و مطابقت دارند، اشتراک‌گذاری داده‌ها را در مقیاس بزرگ و در درجه اول برای حفظ حریم خصوصی امکان‌پذیر می‌کند و آن را برای تحقیقات و برنامه‌های داده‌های دنیای واقعی بسیار مقیاس‌پذیر و شهودی می‌کند.
چگونه پلت فرم datma.FED ادغام داده های مراقبت های بهداشتی چندوجهی را در سیلوها تسهیل می کند؟
datma.FED ادغام داده های مراقبت های بهداشتی چندوجهی را در سیلوها از طریق یکی از اجزای آن، datma.BASE تسهیل می کند. datma.BASE یک چارچوب جامع است که بر اساس ذخیره‌های داده، کانتینرها و APIهای اختصاصی ساخته شده است. در مقیاس، قابلیت های پیشرفته آن امکان جذب، تجمیع و هماهنگی انواع داده های مراقبت های بهداشتی (EHR، Omics، تصاویر، و آسیب شناسی) را فراهم می کند. با تجزیه سیلوهای داده، datma.BASE مجموعه داده های تکه تکه شده را به بینش های یکپارچه و عملی تبدیل می کند.
چگونه فناوری datma به پر کردن شکاف های داده در تحقیقات دارویی و توسعه دارو کمک می کند؟
datma.FED به پر کردن شکاف های داده های حیاتی برای تحقیقات دارویی و استراتژی های دسترسی به بازار کمک می کند. datma.FED با ارائه داده‌های دنیای واقعی با کیفیت بالا و آماده برای استفاده (RWD) با دانه‌بندی و عمق طولی، شرکت‌های داروسازی را قادر می‌سازد تا تصمیمات مبتنی بر داده بیشتری اتخاذ کنند. زیرساخت امن آن تضمین می‌کند که داده‌ها بدون به خطر انداختن حریم خصوصی یا امنیت در دسترس باقی می‌مانند و از بینش‌های جامع مورد نیاز برای اکتشافات پشتیبانی می‌کنند.
چگونه datma سازمان‌های مراقبت‌های بهداشتی را برای کسب درآمد از داده‌های خود در عین حفظ استانداردهای اخلاقی و نظارتی توانمند می‌کند؟
datma به سازمان‌های مراقبت‌های بهداشتی این امکان را می‌دهد تا با ایجاد یک اکوسیستم امن اشتراک‌گذاری داده‌ها که در آن سازمان‌های مراقبت‌های بهداشتی مالکیت و کنترل کامل را حفظ می‌کنند، از داده‌های خود درآمد کسب کنند. از طریق شبکه فدرال خود، متولیان داده تعیین می‌کنند که چه داده‌هایی قابل دسترسی و اشتراک‌گذاری هستند و در عین حال اطلاعات حساس را به صورت ایمن در زیرساخت خود نگه می‌دارند. مسیرهای حسابرسی جامع، مجوزهای مبتنی بر نقش، و ویژگی‌های انطباق با مقررات تضمین می‌کند که تمام فعالیت‌های اشتراک‌گذاری داده‌ها از استانداردهای اخلاقی و مقررات حفظ حریم خصوصی پیروی می‌کنند. این رویکرد به سازمان‌های مراقبت‌های بهداشتی اجازه می‌دهد تا ضمن حفظ حریم خصوصی بیمار و حفظ اعتماد، جریان‌های درآمد جدیدی تولید کنند.
پیش‌بینی می‌کنید چه روندهایی در داده‌های هوش مصنوعی و مراقبت‌های بهداشتی بیشترین تأثیر را در پنج سال آینده داشته باشد؟
هوش مصنوعی در مراقبت‌های بهداشتی به دلیل نگرانی‌های مربوط به حریم خصوصی، امنیت و تنها با کیفیت داده‌ها محدود می‌شود. هوش مصنوعی در حال حاضر به ما قدرت می‌دهد تا پزشکی واقعاً شخصی‌سازی شده را در انکولوژی ارائه کنیم، اما فقط سطح آنچه را که ممکن است خراش داده است. با تجزیه و تحلیل حجم وسیعی از داده‌های چندوجهی بیمار، از جمله داده‌های ژنومیک، تصویربرداری و نشانگرهای زیستی در زمینه تاریخچه پزشکی، عوامل جمعیت شناختی و شیوه زندگی، برنامه‌های درمانی و درمان‌ها را با نیازهای فردی تنظیم می‌کنیم. این منجر به بهبود نتایج بیمار و در نهایت کاهش هزینه های مراقبت های بهداشتی می شود. همراهی این ابزارها با نظارت از راه دور بیمار و نتایج گزارش شده توسط بیمار، تشخیص زودهنگام بیماری و بهبود پایبندی به برنامه های درمانی را ممکن می سازد. با این حال، نقطه اصلی در همه اینها منابع داده عمیق و متنی هستند که به اندازه کافی متنوع هستند.
علاوه بر این، هوش مصنوعی در ارائه دسترسی پیشرفته به مراقبت شخصی کلیدی خواهد بود. من نقشی را برای مدل‌های هوش مصنوعی در ساده‌سازی تدارکات پرداخت‌کننده و صورت‌حساب، ساده‌سازی اسناد سنگین و تضمین دسترسی و برابری در بین مردم می‌بینم. در حال حاضر، LLM محدودیت هایی را در این برنامه نشان داده است. نشریات اخیر به کاستی های خود در زمینه کدگذاری پزشکی اشاره کرده اند. واضح است که با داده های آموزشی بهتر، عمیق تر و کامل تر می توان بر این موانع غلبه کرد.
در نهایت، هوش مصنوعی به سرعت تحقیقات پزشکی ادامه خواهد داد. هوش مصنوعی می‌تواند اهداف دارویی جدید را با تجزیه و تحلیل مجموعه داده‌های عظیم، تصویربرداری فراگیر، چند omic، و رویکردهای دیگر، بهینه‌سازی طراحی کارآزمایی بالینی و تسریع در کشف دارو شناسایی کند. یادگیری فدرال، یک تکنیک هوش مصنوعی حفظ حریم خصوصی، به مؤسسات اجازه می دهد تا در تحقیقات بدون به اشتراک گذاشتن داده های حساس بیمار همکاری کنند و پتانسیل تحقیقات مشترک را باز کند. پیشرفت‌های اخیر در استنتاج علّی و هوش مصنوعی مولد، به‌ویژه، پیشرفت‌های قابل توجهی را در کشف از زیست‌شناسی پایه تا درمان‌های کاربردی نشان می‌دهد.
چشم انداز بلندمدت شما برای تاثیر دادهما بر سیستم های مراقبت های بهداشتی و صنعت گسترده تر چیست؟
در datma، ما بر ساختن آینده‌ای متمرکز هستیم که در آن داده‌های بهتر مراقبت‌های بهداشتی شخصی، در دسترس و کارآمد را هدایت می‌کنند. با متحد کردن مجموعه داده‌های پیچیده از طریق یادگیری فدرال، پزشکان و محققان را برای رسیدگی به چالش‌های پیچیده مراقبت‌های بهداشتی و کشف پیشرفت‌های جدید پزشکی توانمند می‌سازیم. بازار داده فدرال و دنیای واقعی ما، datma.FED، اولین گام برای تحقق این چشم انداز است.
آینده‌ای را برای مراقبت‌های بهداشتی تصور کنید که در آن محققان از حجم وسیعی از داده‌های بیمار، از ژنومیک، تصویربرداری، و تاریخچه پزشکی گرفته تا عوامل سبک زندگی، استفاده کرده و آن‌ها را تجزیه و تحلیل می‌کنند تا درمان‌های نسل بعدی را با تمرکز بر روی بیمار طراحی کنند. در عین حال، پزشکان می توانند از هوش مصنوعی برای ارائه مراقبت مناسب در زمان مناسب با حداقل بار اداری استفاده کنند. رویکرد فدرال datma این چشم انداز را با باز کردن قدرت داده های پزشکی پیچیده و ایمن تسریع می کند. با گسترش مستمر مجموعه داده‌هایمان و راه‌اندازی ابزارهای نوآورانه مانند datma.WHY و datma.360، تشخیص زودهنگام بیماری، درمان‌های بهبود یافته و نتایج بهتر برای بیماران را انجام می‌دهیم.
دید ما فراتر از بیماران فردی است. تعهد datma به یادگیری فدرال قدرت تحقیقات مشترک را باز می کند و به موسسات اجازه می دهد تا مجموعه داده های عظیم را بدون به خطر انداختن حریم خصوصی بیمار تجزیه و تحلیل کنند. این موجی از اکتشافات را از شناسایی اهداف دارویی جدید تا بهینه‌سازی آزمایش‌های بالینی به راه می‌اندازد. با استفاده از توانایی های تحلیلی هوش مصنوعی و توانایی های استنتاج علّی، می توانیم تحقیقات پزشکی را تسریع بخشیم و درمان های نجات دهنده را برای بیماران سریعتر ارائه کنیم. ما متعهد هستیم که این آینده را به واقعیت تبدیل کنیم.
با تشکر از شما برای مصاحبه عالی، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید از آن بازدید کنند داده.
