FLock.io a été mis en avant par le programme MINDS du Forum économique mondial pour deux établissements du NHS qui utilisent son IA préservant la confidentialité afin de lutter contre de grandes maladies. Le Moorfields Eye Hospital et les University College London Hospitals utilisent la plateforme d’apprentissage fédéré de FLock.io pour entraîner des modèles cliniques de détection des maladies oculaires et de gestion du diabète tout en conservant 100% de souveraineté des données. Cette reconnaissance répond à un défi central dans des secteurs réglementés comme la santé, où les règles de confidentialité des données et les préoccupations de sécurité limitent l’usage de l’IA en empêchant le partage de données sensibles de patients.
Des établissements du NHS déploient FLock.io pour la détection des maladies oculaires et la gestion du diabète
FLock.io travaille avec des chercheurs du NHS de l’UCL et des partenaires cliniques des University College London Hospitals pour des alertes de surveillance de la glycémie. La plateforme donne aux cliniciens des prédictions alimentées par l’IA, entraînées localement sur les données de 400+ patients. Elle permet un entraînement collaboratif entre partenaires au Royaume-Uni, en Europe, aux États-Unis et en Chine tout en garantissant que les données des patients ne quittent jamais le réseau sécurisé de l’établissement du NHS, en conservant 100% de souveraineté des données.
Environ 14 000 utilisateurs finaux, y compris des patients utilisant des applications de gestion du diabète, interagissent avec la plateforme FLock.io au Royaume-Uni, en Asie du Sud-Est et en Asie de l’Est. La prochaine phase -- un essai réel multi-continentaux de prédiction de la glycémie avec 100 patients -- commencera cet été. FLock.io estime que la prévention pilotée par l’IA au sein du NHS pourrait entraîner plus de 100 millions de livres sterling d’économies annuelles, sur la base d’une réduction de 1% des 10 milliards de livres sterling+ actuellement consacrés à la gestion du diabète.
Avec le Moorfields Eye Hospital, FLock.io a finalisé la recherche initiale pour la détection fédérée des maladies oculaires. L’entraînement du modèle d’IA à partir des données d’imagerie de l’hôpital est en cours. L’objectif à long terme consiste à répliquer ces modèles dans des établissements du NHS supplémentaires. Le système d’assurance maladie à payeur unique du NHS et une gouvernance des données cohérente en font un terrain idéal pour démontrer l’apprentissage fédéré à grande échelle avant de s’étendre à d’autres marchés.
FLock.io répond aux contraintes de confidentialité des données en santé
Les réglementations sur la confidentialité des données et les préoccupations de sécurité limitent l’usage de l’IA par les secteurs réglementés qui détiennent des données sensibles, notamment les hôpitaux, les banques et les agences gouvernementales. Cela oblige les organisations soit à renoncer à l’adoption de l’IA, soit à s’appuyer sur des modèles génériques qui manquent de précision métier ou introduisent un risque de conformité.
Les approches conventionnelles -- comme l’entraînement centralisé d’IA via le cloud et le déploiement de modèles sur site -- exigent généralement d’importantes ressources de calcul. Elles ne peuvent pas garantir une protection robuste contre la divulgation de données ni contre les attaques par empoisonnement des modèles, et peuvent compromettre la précision des modèles.
La technologie d’apprentissage fédéré permet un entraînement collaboratif de l’IA
L’apprentissage fédéré permet un entraînement collaboratif de modèles d’IA sans partage de données brutes. Chaque participant entraîne le modèle localement et de manière sécurisée sur site ou sur des dispositifs périphériques. Il ne partage que des mises à jour de modèle chiffrées, ensuite agrégées pour améliorer les performances du modèle, permettant une inférence en temps réel.
La mise en avant situe le travail de FLock.io dans le cadre plus large du programme MINDS, aux côtés d’un écosystème plus vaste axé sur le déploiement à grande échelle d’applications d’IA concrètes à fort impact, en collaboration avec Accenture. Le dernier groupe MINDS inclut des organisations telles que Lenovo, Occidental, TCL Industries, Hisense Hitachi et KUKA.
FLock.io améliore les performances et réduit les coûts
FLock.io est une entreprise de recherche et d’infrastructure en IA qui développe des solutions d’apprentissage fédéré et d’IA distribuée de niveau entreprise, en donnant la priorité à la confidentialité des données. Son architecture d’apprentissage fédéré décentralisée et ses plateformes prêtes pour la production (AI Arena, FL Alliance et FLock API Platform) permettent aux organisations d’entraîner et de déployer leurs propres modèles d’IA sur mesure sur du matériel local tout en conservant une confidentialité totale des données, la propriété des modèles et l’alignement réglementaire dès la conception.
FLock.io combine efficacement l’apprentissage fédéré et une vérification basée sur la blockchain pour améliorer la précision des modèles de 37%, réduire les coûts totaux de possession de 44%, diminuer le risque de brèches de données ou d’attaques par empoisonnement des modèles, et réduire de 63% le temps de déploiement. C’est aussi plus durable, avec 80% d’énergie d’entraînement en moins par mise à jour de modèle.
Le gouvernement de Sarawak, en Malaisie, complète également actuellement un pilote d’IA souveraine avec FLock.io, y compris dans la santé. Le déploiement sera ensuite réalisé par des partenaires hospitaliers aux États-Unis, en Europe et en Chine, et établira une norme pour la collaboration transfrontalière en IA médicale en Asie-Pacifique et en Europe.
FAQ
Quel est le rôle de FLock.io dans les projets d’IA du NHS ?
FLock.io fournit une plateforme d’apprentissage fédéré pour deux établissements du NHS -- le Moorfields Eye Hospital et les University College London Hospitals -- afin d’entraîner des modèles d’IA cliniques pour la détection des maladies oculaires et la gestion du diabète tout en conservant 100% de souveraineté des données. La plateforme permet un entraînement collaboratif entre partenaires au Royaume-Uni, en Europe, aux États-Unis et en Chine sans nécessiter que les données des patients quittent le réseau sécurisé de l’établissement du NHS.
Comment l’apprentissage fédéré résout-il les défis de confidentialité des données en santé ?
L’apprentissage fédéré permet un entraînement collaboratif de modèles d’IA sans partage de données brutes de patients. Chaque participant entraîne le modèle localement et de manière sécurisée sur site ou sur des dispositifs périphériques, en ne partageant que des mises à jour de modèle chiffrées qui sont ensuite agrégées pour améliorer les performances du modèle. Cette approche répond aux réglementations sur la confidentialité des données et aux préoccupations de sécurité qui limitent l’usage de l’IA dans les secteurs réglementés comme la santé.
Quelles améliorations de performance FLock.io apporte-t-elle ?
FLock.io combine l’apprentissage fédéré et une vérification basée sur la blockchain pour une amélioration de 37% de la précision des modèles, une réduction de 44% des coûts totaux de possession, un temps de déploiement 63% plus court et 80% d’énergie d’entraînement en moins par mise à jour du modèle par rapport aux approches conventionnelles. La plateforme s’adresse à environ 14 000 utilisateurs finaux au Royaume-Uni, en Asie du Sud-Est et en Asie de l’Est.
