Connect

Wir erweitern den Zugang zu Gesundheitsdaten und schützen die Privatsphäre mit Owkin Connect – unserer föderierten lernenden Software.

Unsere Software Owkin Connect bietet die Infrastruktur und die KI-Technologie, um den Zugang zu Gesundheitsdaten zu erweitern. Sie sorgt für den Datenschutz der Patienten und entspricht den Regeln der Data Governance. Mit unserer dezentralen Architektur und unseren Funktionen föderierten Lernens können Datenwissenschaftler sicher auf dezentralisierte Datensätze mit mehreren Teilnehmern zugreifen. Auf diese Weise lassen sich KI-Modelle trainieren, ohne dass Daten zusammengeführt werden müssen. Die Daten bleiben vor Ort. Nur die Algorithmen werden bewegt.

arrow-desktoparrow-mobile

Aggregierte Modelle und Erkenntnisse – nicht Daten.

Unsere Technologie stützt sich auf drei Grundprinzipien: Vertraulichkeit, Einhaltung von Vorschriften und Zusammenarbeit. Akademische Forschungszentren und biopharmazeutische Unternehmen setzen Owkin Connect in einer Vielzahl von Bereichen der klinischen Forschung, Arzneimittelforschung und -entwicklung ein.

Ausweitung des Datenzugriffs auf verbundene Partner

Einhaltung globaler Compliance-Anforderungen

Aufbau von Forschungsnetzwerken

Ausweitung des Datenzugriffs auf verbundene Partner

Einhaltung globaler Compliance-Anforderungen

Aufbau von Forschungsnetzwerken

FL für Biopharma: Das MELLODDY Projekt

tip-arrow

Das MELLODDY Projekt ist föderiertes Lernen für die Arzneimittelentdeckung. Zehn Pharmaunternehmen arbeiten zusammen, um auf der Grundlage privater und hochsensibler Screening-Datensätze maschinelle Lernmodelle für die Arzneimittelentdeckung zu trainieren. Die Fähigkeiten von Owkin Connect tragen zur Vertrauensbildung bei, da Datenschutz und Sicherheit im Mittelpunkt des Konsortiums stehen. Unsere Plattform wird jährlich von allen Biopharma-Partnern und externen Sicherheitsunternehmen geprüft.

Mehr erfahren

01.

Sensible Daten und testspezifische Modelle bleiben auf dem Server des jeweiligen Biopharmaunternehmens sicher geschützt.

02.

Modellkomponenten der unteren Ebene werden sicher über das Netz ausgetauscht und trainiert, wobei eine sichere Aggregation erfolgt.

03.

Komplexe, aber transparente, im Voraus vereinbarte Zugangsregelungen werden mithilfe der Distributed-Ledger-Technologie strikt durchgesetzt.

2027

Jüngsten Studien zufolge können föderierte Lernmodelle eine vergleichbare Leistung erzielen wie Modelle, die auf zentral gehosteten Datensätzen trainiert wurden, und sind sogar Modellen überlegen, die nur isolierte Daten einer einzelnen Einrichtung erhalten. Im zweiten Jahr des Konsortiums kündigte MELLODDY die erste Demonstration des föderalen Lernens an, das die Leistung von Modellen in der Arzneimittelforschung verbessert.

Mehr erfahren

FL für klinische Forschungszentren: Das Healthchain Projekt

tipArrowDesktop

Föderiertes Lernen für die Bewertung von Brustkrebsbehandlungen: The Healthchain Project

Gemeinsam mit Partnern aus Klinik, Forschung und Technologie haben wir festgestellt, dass maschinelle Lernmodelle erfolgreich auf Histologiebilder trainiert werden können, die in verschiedenen klinischen Zentren gesammelt wurden, um das Ansprechen auf die Behandlung von Brustkrebs vorherzusagen. Das mit Owkin Connect trainierte Modell kann Onkologen dabei helfen, auf der Grundlage einer einzigen Biopsie die wirksamste Brustkrebsbehandlung für jede Patientin auszuwählen.

Mehr erfahren