VEIL.AI安全使用敏感健康数据

bob体育下注安卓版VEIL.AI系统开发于赫尔辛基大学,以满足使用健康数据的要求项目需求允许个人敏感数据用于例如机器学习应用、商业使用案例和各种研究目的VEIL.AI处理数据,以便最优化数据集值,但确保个人无法再识别

VEIL.AI解决与使用健康数据有关的数大挑战:它通过匿名相邻或生成合成数据实现数据保护最大化,它能安全分享和进一步处理数据并提高匿名数据质量VEIL:AI匿名和合成数据制作方法支持多项高求数据类型(成像数据、信号数据、持续实时更新数据甚至基因组数据)。

最大化数据保护并同时最小化信息丢失

VEIL.AI开发商启动创建解决方案,最大程度保护数据并使用数据,同时最小化信息损耗以及处理数据所需的时间和计算能力传统方法通常要求泛化数据,使数据随后使用的可能性大为下降。此外,传统方法不适合匿名动态持续积累数据类型传统方法面临的一个特别复杂挑战就是数据来自多个源的任何使用案例,例如多家医院

维里尔.AI神经网络加速计算重进程量级比其他现有方法快保存更好的数据质量并支持此类数据类型匿名化,而先前无法匿名化

VEIL.AI为制药公司和医院提供解决方案

VEIL.AI客户端典型制药公司有数据存取问题处理个人级数据可能具有挑战性有几个原因,这也意味着欧盟通用数据保护规则适用VEIL.AI解决方案基于观察,即在许多情况下原创数据统计特征可满足公司需求,个人敏感数据并非实际需要VEIL.AI提供解决方案保留数据的重要统计特征,同时消除可能影响数据隐私的特征这些方法被称为数据匿名并生成合成数据

多大公司收集了大量数据,但只有限使用数据通过机器学习方法分析这些大数据集可为公司提供重要价值

除药研发外,还有许多其他敏感数据潜在使用案例,例如管理业务情报或开口数据或所谓的二次使用数据隐私是所有这些活动的首要要求VELI.AI经验证数项此类活动

研究项目必须常使用数源数据要做到这一点,有关组织通常必须要么与所有项目伙伴分享数据,要么选择某个人 — — 受信任第三方 — — 集合数据VEIL.AI多伙伴项目更容易实现,因为原数据不再需要共享才能汇总代之以匿名化可在每个组织内实现,以便仅分享匿名化数据

上图显示个人数据如何用ViL.AI提供匿名工具永久化或匿名化此外,应用可用于合成数据制作,这些不同数据类别可用于各种应用,如药物开发、诊断和自帮助以及构建预测模型

VEIL.AI支持各种数据类型

bob体育下注安卓版VEIL.AI开发于赫尔辛基大学分子医学学院FIMMJanna Saarela蒂莫米特宁.当前团队中还有三位开发者企业开发的责任在于串行技术创业者图莫潘台宁.

VEIL.AI开发者在处理病人样本和生物库资源方面有丰富经验

实验项目需要新工具 因为没有合适的工具专注医学研究的组织如FIMM, 数年比世界其他地方先于数据保护,

尽管团队医学专业 VeIL.AI使用个人级数据处理所有领域数据最近的一些应用包括定位信息以及图片视频数据VEIL.AI前导程序之一是制作合成数据,这项工作由诺沃诺迪斯克基金会资助完成。

VEIL.AI能够生成与原创数据非常相似的合成数据图中真实数据(绿色)比对VeIL.AI生成的相应合成数据

VEIL.AI商业潜力探索新业务从研究思想2018-19年期间Finland提供最近VIL.AI从经济数字公司获得资金,该团队与瑞典SciLifeLab和荷兰Philips密切合作,VEIL.AI核心技术专利应用提交

FIMM和他们的ViL.AI团队正在研究非常新概念编译合成数据开发度量分析 评估合成数据质量可用性这一点非常重要,因为合成数据可望帮助解决数据密集HealthTech和药开发中常见的一些最热点问题研究目标是大幅缩短研发准备时间, 减少或甚至消除数据破解风险并提高数据质量,亨宁朗堡哥本哈根HealthTech集群和哥本哈根大学

首发发布日期为2018年11月23日,更新日期分别为2019年10月25日和101.1.2020

简言之

你担心使用贵重个人级数据 由公司或研究项目持有VEIL.AI帮助你理解、评估和直观数据隐私相关风险,帮助处理信息而不影响所收集数据集的价值,但确保个人无法再识别VELI.AI使数据高效使用成为组织内部或外部各种新目的

加入我们

维里尔.AI正在寻找资助者与伙伴

联系细节 :

图莫潘台宁tuomo.pentikainen@helsinki.fi

上路相遇slush平台节点脱机