FLock.io ha sido destacado por el programa MINDS del Foro Económico Mundial por el uso de su IA preservadora de la privacidad en dos fideicomisos del NHS para abordar enfermedades importantes. Moorfields Eye Hospital y University College London Hospitals utilizan la plataforma de aprendizaje federado de FLock.io para entrenar modelos clínicos de detección de enfermedades oculares y control de la diabetes, manteniendo el 100% de la soberanía de los datos. El reconocimiento aborda un reto central en sectores regulados como la sanidad, donde las normativas de privacidad de los datos y las preocupaciones de seguridad limitan el uso de la IA al impedir compartir datos sensibles de pacientes.
Fideicomisos del NHS despliegan FLock.io para la detección de enfermedades oculares y el control de la diabetes
FLock.io trabaja con investigadores del NHS de la UCL y socios clínicos de University College London Hospitals para alertas de monitorización de glucosa. La plataforma capacita a los clínicos con predicciones impulsadas por IA entrenadas localmente con los datos de 400+ pacientes. Permite el entrenamiento colaborativo entre socios del Reino Unido, Europa, EE. UU. y China, garantizando al mismo tiempo que los datos de los pacientes nunca salen de la red segura del fideicomiso del NHS, manteniendo el 100% de la soberanía de los datos.
Aproximadamente 14.000 usuarios finales, incluidos pacientes que utilizan aplicaciones de gestión de la diabetes, interactúan con la plataforma de FLock.io en el Reino Unido, el Sudeste Asiático y el Este de Asia. La siguiente fase: un ensayo real de predicción de glucosa multincontinental con 100 pacientes—comenzará este verano. FLock.io estima que la prevención impulsada por IA en el NHS podría traducirse en más de 100 millones de libras esterlinas en ahorros anuales, basándose en una reducción del 1% de los 10.000 millones de libras esterlinas actualmente gastados en el manejo de la diabetes.
Con Moorfields Eye Hospital, FLock.io ha completado la investigación inicial para la detección federada de enfermedades oculares. El entrenamiento del modelo de IA con los datos de imagen del hospital está en marcha. El objetivo a largo plazo es replicar estos modelos en fideicomisos adicionales del NHS. El sistema de pagador único del NHS y la gobernanza de los datos consistente lo convierten en el entorno ideal para demostrar el aprendizaje federado a gran escala antes de expandirse a otros mercados.
FLock.io aborda las limitaciones de privacidad de los datos sanitarios
Las normativas de privacidad de los datos y las preocupaciones de seguridad restringen el uso de la IA por parte de sectores regulados que manejan datos sensibles, incluidos hospitales, bancos y agencias gubernamentales. Esto obliga a las organizaciones a prescindir de la adopción de IA o a depender de modelos genéricos que carecen de precisión en el dominio o introducen riesgos de cumplimiento.
Los enfoques convencionales—como el entrenamiento centralizado de IA basado en la nube y el despliegue de modelos on-premises—normalmente requieren recursos computacionales significativos. No pueden garantizar una protección de privacidad robusta ni protección contra ataques de envenenamiento de modelos y fugas de datos, y pueden comprometer la precisión del modelo.
La tecnología de aprendizaje federado permite el entrenamiento colaborativo de IA
El aprendizaje federado permite el entrenamiento colaborativo de modelos de IA sin compartir datos sin procesar. Cada participante entrena el modelo localmente y de forma segura en instalaciones on-premises o en dispositivos perimetrales (edge). Solo comparten actualizaciones del modelo cifradas, que luego se agregan para mejorar el rendimiento del modelo, habilitando inferencia en tiempo real.
El foco sitúa el trabajo de FLock.io dentro del programa MINDS más amplio, junto con un ecosistema más amplio centrado en escalar aplicaciones reales de IA de alto impacto en colaboración con Accenture. La última cohorte de MINDS incluye organizaciones como Lenovo, Occidental, TCL Industries, Hisense Hitachi y KUKA.
FLock.io ofrece mejoras de rendimiento y reducción de costes
FLock.io es una empresa de investigación e infraestructura de IA que impulsa el aprendizaje federado de nivel empresarial y soluciones de IA distribuida, priorizando la privacidad de los datos. Su arquitectura descentralizada de aprendizaje federado y plataformas listas para producción (AI Arena, FL Alliance y FLock API Platform) permiten a las organizaciones entrenar y desplegar sus propios modelos de IA personalizados en hardware local, manteniendo la privacidad completa de los datos, la propiedad del modelo y la alineación regulatoria por diseño.
FLock.io combina de forma eficaz FL y verificación basada en blockchain para lograr una mejora del 37% en la precisión del modelo, una reducción del 44% en el coste total de propiedad, un menor riesgo de brechas de datos o ataques de envenenamiento de modelos y un 63% menos tiempo de despliegue. Es más sostenible, con un 80% menos energía de entrenamiento por actualización del modelo.
El gobierno de Sarawak, Malasia, también está completando actualmente un piloto soberano de IA con FLock.io, incluyendo en sanidad. Posteriormente, lo desplegarán socios hospitalarios en EE. UU., Europa y China y establecerá un estándar para la colaboración transfronteriza en IA sanitaria en Asia-Pacífico y Europa.
Preguntas frecuentes
¿Cuál es el papel de FLock.io en los proyectos de IA del NHS?
FLock.io proporciona una plataforma de aprendizaje federado para dos fideicomisos del NHS—Moorfields Eye Hospital y University College London Hospitals—para entrenar modelos de IA clínicos para la detección de enfermedades oculares y el control de la diabetes, manteniendo el 100% de la soberanía de los datos. La plataforma habilita el entrenamiento colaborativo entre socios del Reino Unido, Europa, EE. UU. y China sin requerir que los datos de los pacientes salgan de la red segura del fideicomiso del NHS.
¿Cómo resuelve el aprendizaje federado los desafíos de privacidad de los datos sanitarios?
El aprendizaje federado permite el entrenamiento colaborativo de modelos de IA sin compartir datos sin procesar de pacientes. Cada participante entrena el modelo localmente y de forma segura en instalaciones on-premises o en dispositivos perimetrales (edge), compartiendo solo actualizaciones del modelo cifradas que se agregan para mejorar el rendimiento del modelo. Este enfoque aborda las normativas de privacidad de los datos y las preocupaciones de seguridad que restringen el uso de la IA en sectores regulados como la sanidad.
¿Qué mejoras de rendimiento ofrece FLock.io?
FLock.io combina el aprendizaje federado y la verificación basada en blockchain para lograr una mejora del 37% en la precisión del modelo, una reducción del 44% en el coste total de propiedad, un 63% menos tiempo de despliegue y un 80% menos energía de entrenamiento por actualización del modelo en comparación con los enfoques convencionales. La plataforma atiende aproximadamente a 14.000 usuarios finales en el Reino Unido, el Sudeste Asiático y el Este de Asia.
