FLock.io привернула до себе увагу в межах програми MINDS Світового економічного форуму завдяки двом NHS-клінікам, які використовують її приватність-зберігаючий ШІ для протидії серйозним захворюванням. Moorfields Eye Hospital і University College London Hospitals застосовують платформу FLock.io для федеративного навчання, щоб тренувати клінічні моделі для виявлення хвороб очей і ведення діабету, зберігаючи 100% суверенітет даних. Відзнака стосується ключового виклику для регульованих галузей, зокрема охорони здоров’я, де вимоги до приватності даних і питання безпеки обмежують використання ШІ, не дозволяючи ділитися чутливими даними пацієнтів.
NHS-клініки впроваджують FLock.io для ведення хвороб очей і діабету
FLock.io співпрацює з дослідниками NHS з UCL і клінічними партнерами з University College London Hospitals для оповіщень під час моніторингу глюкози. Платформа дає клініцистам змогу використовувати локально навчені AI-передбачення на даних понад 400 пацієнтів. Вона дозволяє спільно тренувати моделі між партнерами в Україні, Європі, США та Китаї, водночас гарантуючи, що дані пацієнтів ніколи не залишають захищену мережу довіри NHS, зберігаючи 100% суверенітет даних.
Майже 14 000 кінцевих користувачів, зокрема пацієнтів, які користуються застосунками для ведення діабету, взаємодіють із платформою FLock.io в усьому Об’єднаному Королівстві, Південно-Східній Азії та Східній Азії. Наступний етап — багатоконтинентальне реальне дослідження з прогнозування глюкози за участі 100 пацієнтів — розпочнеться цього літа. FLock.io оцінює, що профілактика, керована ШІ в NHS, може призвести до понад £100 млн щорічної економії завдяки 1% зниженню витрат у розмірі £10 млрд+, які наразі спрямовуються на ведення діабету.
У Moorfields Eye Hospital FLock.io завершила початкові дослідження для федеративного виявлення хвороб очей. Триває навчання AI-моделі з використанням зображувальних даних лікарні. Довгострокова мета — відтворити ці моделі в додаткових NHS-клініках. Єдина платіжна система NHS і послідовне управління даними роблять її ідеальною для демонстрації федеративного навчання в масштабі перед розширенням на інші ринки.
FLock.io вирішує обмеження приватності даних у сфері охорони здоров’я
Норми приватності даних і проблеми безпеки обмежують використання ШІ регульованими організаціями, які зберігають чутливі дані, зокрема лікарнями, банками та державними агенціями. Це змушує організації або відмовлятися від впровадження ШІ, або покладатися на універсальні моделі, які не мають точності для конкретної предметної області, чи створюють ризики невідповідності вимогам.
Традиційні підходи — наприклад, централізоване хмарне навчання ШІ та розгортання моделей на власних серверах — зазвичай потребують значних обчислювальних ресурсів. Вони не можуть гарантувати надійний захист приватності або захист від атак на отруєння моделей і витоків даних та можуть погіршувати точність моделі.
Технологія федеративного навчання дає змогу спільно тренувати ШІ
Федеративне навчання дає змогу спільно тренувати моделі ШІ без обміну сирими даними. Кожен учасник навчає модель локально та безпечно на власних серверах або на периферійних пристроях. Вони діляться лише зашифрованими оновленнями моделі, які далі агрегуються для покращення її продуктивності, забезпечуючи обробку в реальному часі.
Висвітлення роботи FLock.io ставить її в контекст ширшої програми MINDS разом із ширшою екосистемою, зосередженою на масштабуванні ШІ-застосунків із високим впливом у реальних умовах у співпраці з Accenture. Остання когорти MINDS включає такі організації, як Lenovo, Occidental, TCL Industries, Hisense Hitachi та KUKA.
FLock.io забезпечує покращення продуктивності та зниження витрат
FLock.io — це компанія з досліджень ШІ та інфраструктури, яка першою розробляє федеративне навчання корпоративного рівня та розподілені рішення ШІ, віддаючи пріоритет приватності даних. Її децентралізована архітектура федеративного навчання та платформи, готові до виробництва (AI Arena, FL Alliance і FLock API Platform), дають організаціям змогу тренувати та розгортати власні кастомні AI-моделі на локальному обладнанні, зберігаючи повну приватність даних, право власності на моделі та відповідність регуляторним вимогам за задумом.
FLock.io ефективно поєднує FL і верифікацію на основі блокчейну для 37% покращення точності моделі, 44% зниження загальної вартості володіння, зменшення ризику витоків даних або атак на отруєння моделей і 63% швидшого часу розгортання. Вона є більш сталим рішенням: на 80% менше енергії для навчання на кожне оновлення моделі.
Уряд штату Саравак, Малайзія, також наразі завершує суверенний пілот із FLock.io, зокрема в сфері охорони здоров’я. Далі його запровадять партнерські лікарні в США, Європі та Китаї, а також створять стандарт для транскордонної співпраці в галузі AI для охорони здоров’я в Азійсько-Тихоокеанському регіоні та Європі.
Поширені запитання
Яка роль FLock.io в AI-проєктах NHS?
FLock.io надає платформу федеративного навчання для двох NHS-клінік — Moorfields Eye Hospital і University College London Hospitals — щоб тренувати клінічні AI-моделі для виявлення хвороб очей і ведення діабету, зберігаючи 100% суверенітет даних. Платформа дає змогу спільно тренуватися між партнерами у Великій Британії, Європі, США та Китаї без потреби, щоб дані пацієнтів залишали захищену мережу довіри NHS.
Як федеративне навчання вирішує виклики приватності даних у сфері охорони здоров’я?
Федеративне навчання дає змогу спільно тренувати моделі ШІ без обміну сирими даними пацієнтів. Кожен учасник навчає модель локально та безпечно на власних серверах або на периферійних пристроях, ділячись лише зашифрованими оновленнями моделі, які агрегуються для покращення її продуктивності. Такий підхід враховує норми приватності даних і проблеми безпеки, що обмежують використання ШІ в регульованих галузях, як-от охорона здоров’я.
Які покращення продуктивності забезпечує FLock.io?
FLock.io поєднує федеративне навчання та верифікацію на основі блокчейну для 37% покращення точності моделі, 44% зниження загальної вартості володіння, 63% коротшого часу розгортання та на 80% менше енергії для навчання на кожне оновлення моделі порівняно з традиційними підходами. Платформа обслуговує приблизно 14 000 кінцевих користувачів у всьому Об’єднаному Королівстві, Південно-Східній Азії та Східній Азії.
