FLock.io была отмечена программой MINDS Всемирного экономического форума за использование своей конфиденциальной ИИ‑технологии для решения крупных медицинских задач в двух NHS‑трастах. Moorfields Eye Hospital и University College London Hospitals применяют платформу FLock.io для федеративного обучения, чтобы обучать клинические модели выявлению заболеваний глаз и ведению диабета, сохраняя при этом 100% суверенитет данных. Признание затрагивает ключевую проблему отраслей с жёстким регулированием, таких как здравоохранение, где требования к конфиденциальности данных и вопросы безопасности ограничивают применение ИИ из‑за запрета на обмен чувствительными данными пациентов.
NHS Trusts внедряют FLock.io для ведения заболеваний глаз и диабета
FLock.io сотрудничает с исследователями NHS из UCL и клиническими партнёрами из University College London Hospitals в проектах по оповещениям для мониторинга глюкозы. Платформа даёт клиницистам ИИ‑прогнозы, локально обученные на данных 400+ пациентов. Она позволяет проводить совместное обучение между партнёрами в Великобритании, Европе, США и Китае, при этом обеспечивая, что данные пациентов никогда не покидают защищённую сеть NHS trust, сохраняя 100% суверенитет данных.
Около 14 000 конечных пользователей, включая пациентов, использующих приложения для ведения диабета, взаимодействуют с платформой FLock.io в Великобритании, Юго‑Восточной Азии и Восточной Азии. Следующий этап — много-континентальный реал‑ворлд пилот по прогнозированию глюкозы с участием 100 пациентов — начнётся этим летом. FLock.io оценивает, что ИИ‑основанная профилактика в NHS может привести к более чем 100 млн фунтов стерлингов в ежегодной экономии, исходя из снижения на 1% из 10 млрд фунтов стерлингов+, которые сейчас тратятся на ведение диабета.
В Moorfields Eye Hospital FLock.io завершила начальное исследование по выявлению заболеваний глаз методом федеративного обучения. Идёт обучение ИИ‑модели с использованием изображенческих данных больницы. Долгосрочная цель — воспроизвести эти модели в дополнительных NHS‑трастах. Единая система «плательщик один» в NHS и последовательное управление данными делают её идеальной для доказательства федеративного обучения в масштабе перед расширением на другие рынки.
FLock.io решает ограничения по конфиденциальности данных в здравоохранении
Нормативы по конфиденциальности данных и опасения по безопасности ограничивают применение ИИ в организациях с чувствительными данными, включая больницы, банки и государственные структуры. Это вынуждает организации либо отказаться от внедрения ИИ, либо опираться на универсальные модели, которые не обладают точностью для конкретной предметной области, либо повышать риск несоответствия требованиям.
Обычные подходы — например, централизованное облачное обучение ИИ и развёртывание моделей on‑premises — обычно требуют значительных вычислительных ресурсов. Они не могут гарантировать надёжную защиту конфиденциальности или защиту от атак с отравлением модели и утечек данных, а также могут снижать точность модели.
Технология федеративного обучения поддерживает совместное обучение ИИ
Федеративное обучение позволяет совместно обучать модели ИИ без обмена исходными данными. Каждый участник обучает модель локально и безопасно на собственных площадках или на устройствах на «краю» сети. Они передают только зашифрованные обновления модели, которые затем агрегируются для улучшения качества модели, обеспечивая возможность оперативного вывода.
В центре внимания — работа FLock.io в рамках более широкой программы MINDS, наряду с экосистемой, нацеленной на масштабирование ИИ‑приложений с высокой отдачей в реальных условиях в сотрудничестве с Accenture. Последний набор MINDS включает такие организации, как Lenovo, Occidental, TCL Industries, Hisense Hitachi и KUKA.
FLock.io даёт улучшения по производительности и затратам
FLock.io — компания в области ИИ‑исследований и инфраструктуры, которая пионерит корпоративные решения федеративного обучения и распределённого ИИ, отдавая приоритет конфиденциальности данных. Её децентрализованная архитектура федеративного обучения и платформы, готовые к продуктивному использованию (AI Arena, FL Alliance и FLock API Platform), позволяют организациям обучать и развёртывать собственные кастомные ИИ‑модели на локальном оборудовании, сохраняя полную конфиденциальность данных, владение моделями и регуляторную согласованность «по умолчанию».
FLock.io эффективно сочетает федеративное обучение и верификацию на основе блокчейна: это обеспечивает улучшение точности модели на 37%, снижение общей стоимости владения на 44%, уменьшение риска утечек данных или атак с отравлением модели и сокращение времени развёртывания на 63%. При этом подход более устойчивый: энергия на обучение на каждое обновление модели меньше на 80%.
Правительство Саравака, Малайзия, также в настоящее время завершает суверенный пилот по ИИ с FLock.io, включая здравоохранение. Затем решение будет внедрено партнёрами больниц в США, Европе и Китае и создаст стандарт для трансграничного сотрудничества в области ИИ‑в здравоохранении в Азиатско‑Тихоокеанском регионе и Европе.
FAQ
Какова роль FLock.io в ИИ‑проектах NHS?
FLock.io предоставляет платформу федеративного обучения двум NHS‑трастам — Moorfields Eye Hospital и University College London Hospitals — чтобы обучать клинические ИИ‑модели выявлению заболеваний глаз и ведению диабета, сохраняя при этом 100% суверенитет данных. Платформа позволяет совместно обучать модели между партнёрами в Великобритании, Европе, США и Китае без необходимости, чтобы данные пациентов покидали защищённую сеть NHS trust.
Как федеративное обучение решает проблемы конфиденциальности данных в здравоохранении?
Федеративное обучение позволяет совместно обучать модели ИИ без обмена исходными данными пациентов. Каждый участник обучает модель локально и безопасно на собственных площадках или на устройствах на «краю» сети, передавая только зашифрованные обновления модели, которые агрегируются для улучшения её производительности. Такой подход решает нормативные требования по конфиденциальности данных и вопросы безопасности, которые ограничивают использование ИИ в регулируемых отраслях, таких как здравоохранение.
Какие улучшения по производительности обеспечивает FLock.io?
FLock.io сочетает федеративное обучение и верификацию на основе блокчейна: это даёт улучшение точности модели на 37%, снижение общей стоимости владения на 44%, сокращение времени развёртывания на 63% и на 80% меньше энергии на обучение на каждое обновление модели по сравнению с обычными подходами. Платформа обслуживает примерно 14 000 конечных пользователей в Великобритании, Юго‑Восточной Азии и Восточной Азии.
