Apheris: федеративные вычисления для преобразования медицины и фармацевтики через AI

Искусственный интеллект критически зависит от данных, однако большая часть медицинской информации остается неиспользованной из-за таких факторов, как защита конфиденциальности пациентов, нормативные ограничения и охрана интеллектуальной собственности.

"Это ключевая проблема при разработке решений, основанных на AI, в таких областях, как биомедицина и фармацевтика", - отмечает немецкий предприниматель Робин Рем. Также добавляет, что работа с конфиденциальными данными требует особого подхода. Стартап Apheris, основанный Ремом, предлагает решить эту задачу с помощью федеративных вычислений. Этот подход позволяет безопасно использовать данные для обучения моделей AI без их перемещения, применяя децентрализованную методологию.

Основная идея федеративных вычислений заключается в том, что "вычисления происходят там, где находятся данные, а общие результаты (например, параметры модели) собираются централизованно", - объясняет Марчин Хейка, соучредитель и управляющий партнер OTB Ventures, также участвующий в финансировании Apheris на 8,25 миллиона долларов вместе с eCAPITAL.

Хейка считает, что Apheris может сыграть важную роль в развивающихся федеративных сетях передачи данных.

"Мы наблюдаем развитие экосистемы программных решений от сторонних производителей (включая инструменты для объединения данных с открытым исходным кодом, обеспечения их качества и безопасности)", - сказал он TechCrunch. "Apheris также интегрируется с технологиями для повышения конфиденциальности, такими как гомоморфное шифрование и дифференциальная конфиденциальность".

Новое финансирование для Apheris получено после изменений в стратегии. Изначально компания была основана в 2019 году Ремом и его соучредителем Майклом Хо как платформа федеративного обучения,