Intel® Tiber™ Secure Federated AI

การวิจัยทางการแพทย์แบบร่วมมือ

ผู้ให้บริการด้านการดูแลสุขภาพ โรงพยาบาล คลินิก และบริษัทวิจัยด้านสุขภาพได้ใช้โมเดล AI และการเรียนรู้ของเครื่องในการวิเคราะห์ชุดข้อมูลผู้ป่วยจำนวนหลายล้านชุดเพื่อช่วยให้ทำความเข้าใจ คาดการณ์ และป้องกันโรคและความเจ็บป่วยต่าง ๆ ได้ดีขึ้น

Intel Tiber Secure Federated AI สามารถนำมาใช้เพื่อฝึกโมเดล AI/ML ช่วยให้หลายฝ่ายมีส่วนร่วมในโมเดลได้ด้วยการนำอัลกอริทึมมาใช้กับข้อมูล ซึ่งจะปรับปรุงผลลัพธ์ทางคลินิก เนื่องจากโมเดล AI มีความทนทานและสามารถสรุปผลทั่วไปได้มากขึ้น ในขณะเดียวกันโรงพยาบาลและคลินิกยังคงควบคุมข้อมูลผู้ป่วยที่ละเอียดอ่อนไว้ได้

การค้นพบยาที่รวดเร็ว

การค้นพบและพัฒนาวิธีการรักษาแบบใหม่เป็นกระบวนการที่ต้องใช้ทรัพยากรจำนวนมากซึ่งต้องอาศัยความเชี่ยวชาญเฉพาะด้าน โมเดลการเรียนรู้ของเครื่องเชิงการสร้างได้กลายมาเป็นเครื่องมืออันทรงพลังสำหรับการค้นพบยา แต่ประสิทธิภาพและความสามารถในการนำไปใช้ทั่วไปนั้นขึ้นอยู่กับข้อมูลที่มักจะกระจายอยู่ตามสถาบันวิจัยและบริษัทต่าง ๆ เป็นอย่างมาก

การรวมข้อมูลเหล่านี้เข้าด้วยกันจะช่วยให้สามารถจัดเก็บข้อมูลได้อย่างครอบคลุมและเป็นแบบอย่างมากขึ้น ส่งผลให้ได้โมเดลที่แข็งแกร่งยิ่งขึ้น อย่างไรก็ตาม การดำเนินการนี้ไม่สามารถทำได้เนื่องจากปัญหาความเป็นส่วนตัวและข้อกังวลทางกฎหมายอื่น ๆ แรงกดดันทางการแข่งขัน และข้อจำกัดทางเทคนิค

Intel Tiber Secure Federated AI สามารถนำมาใช้ฝึกโมเดลเหล่านี้ได้โดยไม่ต้องรวมชุดข้อมูล ซึ่งช่วยให้บริษัทต่าง ๆ ทำงานร่วมกันอย่างปลอดภัยในการฝึกโมเดลควบคู่กับการจัดการกับข้อกังวลเกี่ยวกับความเป็นส่วนตัวของข้อมูล

การตรวจจับการฉ้อโกง

ปัจจุบันมีการนำปัญญาประดิษฐ์และการเรียนรู้ของเครื่องมาใช้เพิ่มมากขึ้นเพื่อตรวจจับการฉ้อโกงแบบเรียลไทม์ แต่ธนาคารขนาดเล็กและขนาดกลางหลายแห่งไม่มีข้อมูลธุรกรรมมากพอที่จะฝึกโมเดลการตรวจจับที่แข็งแกร่ง ธนาคารหลายแห่งมีความสามารถในการรวบรวมข้อมูลการฉ้อโกงของตน แต่ไม่สามารถทำได้เนื่องจากข้อกังวลด้านกฎระเบียบ

Intel Tiber Secure Federated AI สามารถนำมาใช้ฝึกโมเดลการตรวจจับการฉ้อโกงอย่างปลอดภัยได้ในหลายธนาคารโดยไม่ต้องเคลื่อนย้ายข้อมูล วิธีนี้สามารถช่วยลดการสูญเสียด้วยการตรวจจับการฉ้อโกงที่แม่นยำยิ่งขึ้น