Intheris Health SA | Écosystème Nodae

Les données restent,
l'intelligence circule.

Intheris Health permet aux établissements de santé de valoriser leurs données cliniques pour l'excellence opérationnelle et la recherche, sans transfert de données patients.

Découvrir Nodae
Federated Research Network

Accélérez vos études.
Gardez le contrôle.

Pilotez des programmes de Real-World Evidence (RWE) multicentriques au sein d'un réseau gouverné, tout en garantissant la souveraineté locale de chaque institution.

Voir l'Architecture
Trust-by-Design pour les détenteurs de données

La confiance d'abord.
Zéro transfert de données brutes

Chaque établissement valide les accès et les partages. Les résultats consolidés sont protégés, traçables et audit-ready.

Notre Conformité
Nodae Platform Icon
La Plateforme Technique

Nodae

Un modèle opérationnel clair pour les hôpitaux et les partenaires pharma: les données restent dans chaque établissement, les études sont coordonnées au centre, et seuls des résultats agrégés validés sont partagés.

Module 01

Root : Écosystème Local

Application / portail pour les hôpitaux et détenteurs de données

Root est le portail local qui permet à un hôpital de structurer, qualifier et réconcilier ses données sans en perdre la maîtrise. Il reconstruit de façon déterministique les chemins thérapeutiques, donne une lecture en temps réel de la performance clinique et financière et, de façon optionnelle, permet de réinjecter des données vers des noeuds internes après déduplication, réconciliation ou curation automatique, ainsi que de participer à des études dans un cadre gouverné. Les tiers hardware S, M et L correspondent à des capacités croissantes pour exécuter localement des analyses et études de plus en plus complexes.

Data Ingestion
Auto-curation
Benchmarking
Tiers S / M / L
Module 02

Hub : Orchestration Globale

Portail applicatif léger pour les investigateurs cliniques et les réseaux de recherche

Hub est un portail applicatif léger qui permet de créer et d'orchestrer des études multisites en vraie fédération. Chaque étude dispose de son propre workspace pour le monitorage, le suivi d'exécution et la coordination entre sites. Hub s'appuie sur la curation automatique locale et prend en charge des études prospectives temps réel, rétrospectives ou hybrides.

Federated Learning
Federated Analytics
Études multicentriques
Modèles d'études
Module 03

Signals : Real-time Manager

Pour les opérations, la qualité et le suivi des parcours

Signals est la couche de monitoring temps réel de Nodae. Il met en évidence des signaux opérationnels et financiers, des écarts de parcours et des indicateurs de suivi en direct afin d'aider les hôpitaux à détecter rapidement les frictions et à revoir des tendances réseau. Destiné exclusivement à la recherche et au support opérationnel ; n'est pas un dispositif médical.

Real-time Insight
Signaux opérationnels
Suivi de cohortes en direct
Forschungs-Insights
Module 04

MimesIS·lab : Flux synthétique

Pour la validation, les tests et le pré-production hardening

MimesIS·lab est l'environnement de validation et de simulation autour de Nodae. Il génère une activité hospitalière synthétique réaliste sur les workflows cliniques, administratifs et financiers, et émet des flux FHIR, HL7, DICOM et fichiers. Les équipes l'utilisent pour stress-tester des algorithmes, valider des intégrations et répéter des déploiements sans jamais toucher aux données réelles des patients.

Synthetic Real-World Data (RWD)
Tests de charge
Interoperability Testing
Injection de biais
Pourquoi Intheris Health

Une plateforme locale d'abord, qui devient un réseau de recherche.

Les hôpitaux n'installent pas Root uniquement pour participer à des études. Root leur apporte un cockpit local pour la qualité des données, les parcours patients, l'aide au codage, les opérations financières, le monitoring des sources, l'audit et la préparation des données. L'adoption crée de la valeur avant même le lancement d'un programme de recherche.

Une fois les Roots installés, Hub les transforme en réseau de recherche gouverné. Les sponsors peuvent concevoir des études, inviter des sites, exécuter localement des statistiques ou des modèles, et recevoir des résultats agrégés sans centraliser les dossiers patients.

Intheris Health est un partenaire d'infrastructure, pas un fournisseur de SIH et pas un propriétaire des données. Cette position neutre aligne hôpitaux, sponsors et acteurs publics autour de règles partagées, d'une exécution transparente et de résultats auditables.

Le même travail qui améliore les opérations locales prépare aussi le site aux études gouvernées : données nettoyées, vérification terminologique, monitoring des sources, couverture d'éligibilité, provenance et audit trails. Root fait de la participation à la recherche un prolongement naturel d'une meilleure infrastructure locale.

La plateforme prend en charge le déploiement par pays, la gouvernance locale et les permissions contrôlées par les établissements. Les institutions suisses et européennes peuvent collaborer entre sites tout en maintenant le contrôle des données, la conformité et l'exécution au niveau local.

Chaque nouveau Root augmente la valeur locale pour l'établissement et élargit le réseau de recherche adressable. Le chemin d'adoption est concret : les hôpitaux gagnent des outils opérationnels, les sponsors gagnent un accès gouverné, et la plateforme se renforce avec la croissance du réseau.

Nodae est conçu pour un déploiement léger et reproductible : services conteneurisés, clés locales, auditabilité et chaîne de confiance contrôlée par les établissements. Ce modèle opérationnel est renforcé par un portefeuille IP documenté : neuf familles de brevets préparées autour de Nodae et MimesIS·lab, actuellement en processus de dépôt et de revue conseil.

Deux priorités
Architecture RWE à l'échelle et accès concret au Real-World Data (RWD)

Intheris Health fournit l'infrastructure locale que les hôpitaux peuvent utiliser immédiatement et l'architecture fédérée dont les sponsors ont besoin pour piloter des programmes RWE gouvernés à grande échelle. Destiné exclusivement à la recherche et au support opérationnel ; n'est pas un dispositif médical.

Réalisons-le ensemble
Nos partenaires

Pourquoi les leaders de la santé choisissent Intheris Health.

Hôpitaux & Laboratoires

Optimisez vos opérations locales et valorisez vos actifs de recherche, quelle que soit la taille de votre établissement, tout en conservant la maîtrise juridique et technique totale de vos données patients.

  • Data Sovereignty Les données patients ne quittent jamais votre infrastructure et restent sous votre gouvernance.
  • Audit-ready by default La traçabilité intégrée et la gestion fine des accès simplifient la conformité et les contrôles.
  • Valorisation de la recherche Générez des revenus via des études sponsorisées sans jamais exposer les données brutes.
  • Interoperability Une interopérabilité pensée pour la santé réduit les silos entre systèmes et équipes.

Pharma & MedTech

Menez des programmes de Real-World Evidence (RWE) fédérés au sein d'un groupe gouverné d'institutions — des grands centres académiques aux hôpitaux régionaux de plus petite taille — et exploitez des résultats vérifiables produits à la source, sans transfert de données patients identifiables.

  • Lancement rapide Passez du protocole à l'exécution multicentrique avec une charge opérationnelle réduite.
  • Verifiable Evidence Exploitez des résultats auditables générés directement à la source par les institutions.
  • Des centres de toutes tailles Connectez aussi bien les grands hôpitaux que les plus petits via un modèle gouverné — chaque site conserve la pleine maîtrise technique et juridique de ses données.
  • Exigences réglementaires Gouvernance, auditabilité et protection des données sont intégrées dès la conception.

Santé Publique & Recherche

Réalisez des analyses multi-institutions via des méthodes de Privacy Preservation pour l'épidémiologie et la recherche translationnelle.

  • Accès accéléré Des flux standardisés réduisent les délais de coordination entre établissements.
  • Sécurité juridique L'absence d'échange de données brutes simplifie les processus contractuels de recherche.
  • Veille quasi temps réel Suivez les tendances épidémiologiques avec des indicateurs comparables et actualisés.
  • Reproducible Analytics Utilisez des méthodes garantissant des résultats robustes, transparents et reproductibles.
"Données patients scellées. Intelligence débloquée à l'échelle du réseau."

Enable · Federate · Discover

CONFIANCE & GOUVERNANCE

Intheris Health SA agit en tant que partenaire d'infrastructure neutre et ne revendique aucune propriété sur les données. Les dossiers patients restent confinés au sein de chaque établissement. La plateforme garantit une gouvernance claire, des Audit trails exhaustifs et une conformité stricte à la nLPD suisse et au RGPD.

  • ✓ Aucun accès direct aux dossiers patients : seuls les paramètres de modèles et indicateurs agrégés sont transmis.
  • ✓ Controle local : le traitement des données s'effectue dans l'infrastructure de l'hôpital, sous son autorité exclusive.
  • ✓ Preuve a posteriori : des Audit trails infalsifiables certifient l'absence de tout traitement non autorisé.
  • ✓ Souveraineté nationale : le service réseau peut être déployé localement pour répondre aux exigences de souveraineté.
  • ✓ Gestion locale des accès : les identifiants du personnel ne quittent jamais l'infrastructure hospitalière.
Sovereign Cloud hosting

Fondé sur une science éprouvée,

Inter
connectivité
thera
santé
IS
Systèmes d'Information

Notre plateforme s'appuie sur des travaux reconnus en federated learning, federated analytics et data mining médical respectueux de la confidentialité :

Ramage, D. & Mazzocchi, S. (2020). "Federated Analytics: Collaborative Data Science without Data Collection."

Google AI Blog

De Moor, G. et al. (2015). "Using Electronic Health Records for Clinical Research: The Case of the EHR4CR Project."

Journal of Biomedical Informatics

Yoo, I. et al. (2012). "Data Mining in Healthcare and Biomedicine: A Survey of the Literature."

Journal of Medical Systems

McMahan, B. et al. (2017). "Communication-Efficient Learning of Deep Networks from Decentralized Data."

Proceedings of AISTATS 2017

Dwork, C. & Roth, A. (2014). "The Algorithmic Foundations of Differential Privacy."

Foundations and Trends in Theoretical Computer Science

Sweeney, L. (2002). "k-Anonymity: A Model for Protecting Privacy."

International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems

L'Équipe

Dr Frédéric Schoenahl, PhD

Dr Frédéric Schoenahl, PhD

Fondateur & CEO

Dr Olivier Rager, MD

Dr Olivier Rager, MD

Conseil consultatif, Médecin

Dr Lars Leidolt, MD

Dr Lars Leidolt, MD

Conseil consultatif, Médecin