Interoperacyjna platforma w chmurze AWS, która gromadzi dane medyczne z różnych źródeł i umożliwia równoległą realizację wielu projektów badawczych — zgodna z polskimi i europejskimi wymogami prawnymi i regulacyjnymi.
Każdy projekt badawczy otrzymuje własne, odseparowane środowisko pracy z dostępem do wybranych zbiorów danych. Badacze mogą korzystać z katalogu usług analitycznych, AI oraz zasobów obliczeniowych, które automatycznie dostosowują się do aktualnych potrzeb projektu.
Platforma automatycznie przekształca dane z systemów szpitalnych (HIS) do formatu FHIR, a następnie do modelu OMOP, tworząc spójne środowisko dla badań i analiz. Obsługuje również dane obrazowe w standardzie DICOM. Ułatwia współpracę między ośrodkami oraz wspiera zgodność z wymogami (EHDS).
Platforma zapewnia wbudowane mechanizmy anonimizacji i pseudonimizacji, szczegółowe raportowanie i audyt operacji, kontrolę dostępu opartą na rolach (RBAC), przechowywanie danych w EOG, oraz automatyczne kopie zapasowe i procedury przywracania systemu po awarii.
Platforma eliminuje konieczność utrzymywania niewykorzystanej infrastruktury. Zasoby są uruchamiane i rozliczane zgodnie z rzeczywistym wykorzystaniem infrastruktury, a koszty mogą być przypisywane do konkretnych projektów, grantów lub jednostek organizacyjnych.
Bezpieczne udostępnianie danych zespołom prowadzącym badania
Tworzenie dedykowanych środowisk dla grantów i programów badawczych
Współpraca pomiędzy uczelniami, szpitalami i instytutami badawczymi
Tworzenie kohort i analiza wzorców zdrowotnych w populacjach
Natywna obsługa obrazów DICOM z możliwością segmentacji, adnotacji i trenowania modeli
Trenowanie modeli AI na danych medycznych z pełną kontrolą nad dostępem do danych.
Wspólna platforma danych i usług badawczych, która umożliwia bezpieczne współdzielenie zasobów, ogranicza koszty infrastruktury oraz przyspiesza realizację projektów wykorzystujących dane medyczne i sztuczną inteligencję.
Standaryzacja danych w modelach FHIR, DICOM i OMOP i łączenie danych klinicznych, obrazowych i badawczych.
Różne projekty mogą korzystać ze wspólnych źródeł danych przy zachowaniu pełnej separacji środowisk i wyników badań.
Jedna platforma eliminuje konieczność budowy odrębnej infrastruktury dla każdego projektu, ułatwia zarządzanie kosztami.
Centralne zarządzanie dostępami, audytem i ochroną danych.
Wykorzystanie sprawdzonych, gotowych usług chmurowych umożliwia łączenie danych klinicznych, obrazowych i genomicznych w jednym środowisku badawczym a także gotową integrację z narzędziami AI i ML.
Serwer FHIR z wbudowanym Data Lakehouse do analityki SQL i eksportu danych. Interfejs zgodny ze standardem FHIR API umożliwia definiowanie i przeszukiwanie kohort pacjentów bezpośrednio na danych klinicznych.
Repozytorium obrazów medycznych DICOM. Skalowalna warstwa składowania, natywne API DICOMweb, integracja z istniejącą infrastrukturą PACS. Interaktywny interfejs umożliwia przeglądanie obrazów zgodnie z rolami dostępowymi.
Warstwa składowania i przetwarzania danych genomicznych i omicznych. Umożliwia przechowywanie, przetwarzanie oraz analizę danych sekwencjonowania w ramach jednej platformy.
PyTorchFramework
TensorFlowFramework
Hugging FaceModel hub
ClaudeAnthropicPodejście etapowe minimalizuje ryzyko i pozwala walidować wartość platformy przed pełną implementacją.
Analiza istniejących źródeł danych, architektury IT i wymagań regulacyjnych. Zbudowanie business case'u i planu wdrożenia dopasowanego do Twojej instytucji.
Uruchomienie platformy w chmurze publicznej lub suwerennej, integracja z istniejącą infrastrukturą (HIS, PACS, laboratoria), konfiguracja ról i uprawnień.
Platforma rośnie razem z Twoimi potrzebami. Rozszerzenie na kolejne projekty i ośrodki. Możliwość utrzymania wspólnego lub zarządzanego.
Wirtualne Środowisko Badawcze to dedykowana przestrzeń obliczeniowa tworzona na potrzeby konkretnego projektu badawczego, uruchamiana na wniosek badacza po akceptacji administratora platformy. Każde środowisko jest izolowane na trzech poziomach:
Dzięki temu różne zespoły badawcze mogą prowadzić równolegle niezależne projekty w ramach jednej platformy, bez ryzyka konfliktów w obszarze danych, uprawnień lub budżetów.
Platforma obsługuje i udostępnia zarówno format HL7 FHIR, jak i OMOP CDM, wykorzystując je komplementarnie.
HL7 FHIR pełni dwie role. Po pierwsze, zapewnia interoperacyjność z zewnętrznymi systemami, w tym systemami szpitalnymi, rejestrami krajowymi oraz inicjatywami takimi jak Europejska Przestrzeń Danych o Zdrowiu (EHDS). Po drugie, platforma udostępnia interfejs FHIR Search API, który umożliwia realizację zapytań statystycznych (np. określenie liczby pacjentów spełniających zadane kryteria) bez dostępu do danych jednostkowych — będąc interfejsem statystycznym dla zewnętrznych podmiotów. Odpowiedzi mają zawsze charakter agregacyjny i numeryczny.
OMOP CDM jest wspólnym modelem analitycznym rozwijanym przez OHDSI, do którego platforma konwertuje dane kliniczne. Standaryzacja w tym modelu umożliwia porównywanie wyników między ośrodkami oraz wykorzystanie gotowych narzędzi analitycznych zbudowanych przez społeczność badawczą.
Połączenie obu standardów daje realną wartość w Wirtualnym Środowisku Badawczym. Zdefiniowane kohorty pacjentów mogą być prezentowane zarówno w standardzie FHIR, jak i OMOP. Tym samym spełnione są zarówno wymagania interoperacyjności, jak i zapewniona jest zgodność z najlepszymi praktykami analityki badań klinicznych.
Tak. Platforma udostępnia narzędzia no-code i low-code umożliwiające eksplorację danych oraz budowę modeli ML za pomocą interfejsu graficznego. Jednocześnie zaawansowani użytkownicy mają dostęp do pełnego środowiska Python i R. Oba podejścia mogą być stosowane równolegle w ramach jednego projektu, co umożliwia efektywną współpracę zespołów o zróżnicowanych kompetencjach.
Każde Wirtualne Środowisko Badawcze dysponuje indywidualnie konfigurowaną pulą zasobów obejmującą CPU, pamięć operacyjną, przestrzeń dyskową oraz w razie potrzeby dostęp do GPU wykorzystywanych m.in. w analizie obrazów i trenowaniu modeli.
Zasoby są skalowane dynamicznie — zwiększane w okresach intensywnych obliczeń oraz redukowane w przestojach, co zapewnia efektywne wykorzystanie infrastruktury i optymalizację kosztów operacyjnych projektu.
Platforma zapewnia środowisko do budowy modeli predykcyjnych, klasyfikacyjnych i regresyjnych, a także dostęp do pretrenowanych dużych modeli językowych wspierających język polski i terminologię medyczną. Dostępne są również narzędzia klasy AutoML umożliwiające automatyczny dobór i optymalizację modeli. Wytrenowane modele mogą być publikowane w postaci usług REST API, dostępnych dla innych systemów organizacji lub podmiotów zewnętrznych.
Dane wrażliwe (w tym dane pacjentów oraz dane obrazowe) są przetwarzane wyłącznie w postaci pseudonimizowanej lub — w zależności od potrzeb — anonimizowanej. Badacze pracują bezpośrednio na danych w ramach Wirtualnego Środowiska Badawczego bez dostępu do informacji umożliwiających identyfikację pacjentów. Wyniki analiz oraz definiowane kohorty są przygotowywane w sposób uniemożliwiający reidentyfikację osób.
Tak. Platforma zapewnia natywną obsługę danych obrazowych DICOM, w tym możliwość ich segmentacji, adnotacji i trenowania modeli bezpośrednio w izolowanym środowisku projektowym. Obsługiwane są również dane genomiczne w formatach FASTQ, BAM i CRAM. Praca na tych typach danych odbywa się w całości w ramach platformy, bez konieczności ich eksportu poza platformę.
Nasi architekci pomogą dopasować platformę do potrzeb i specyfiki danej instytucji oraz ocenić jej gotowość do realizacji konkretnych scenariuszy użycia.