Weil.ai解决了与使用健康数据的使用相关的挑战：它通过匿名apporoaches或通过创建合成数据来最大限度地提高数据保护，它可以实现安全共享和进一步处理数据，它会增加匿名数据的质量。面纱：AI匿名和合成数据生产方法支持许多要求的数据类型（成像数据，信号数据，连续更新实时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
遮盖丝.ai开发人员设置为创建一个解决方案，可以最大限度地提高数据保护和可用性，同时最大限度地减少信息丢失以及处理数据所需的时间和计算能力。传统方法通常需要数据概括到这样的程度，即随后使用数据的可能性很大。此外，传统方法非常适合匿名动态，连续累积数据类型。对传统方法特别复杂的挑战是数据来自多种来源的任何用例，例如，来自几家医院。
面纱使用神经网络加快去识别所需的计算繁重的过程。这是比其他现有方法快的数量级。它保留了更好的数据质量，它支持对此类数据类型的匿名，这可能无法匿名匿名。
Weil.ai提供制药公司和医院的解决方案
典型的面纱.AI客户是一个具有数据可访问性问题的制药公司。由于多种原因，处理单个级数据可能是具有挑战性的，这也意味着欧盟的一般数据保护规范（GDPR）适用。面纱.AI解决方案是基于观察，即在许多情况下，原始数据的统计特征可以满足公司的需求，实际上并不需要个人级敏感数据。Weil.ai提供了保留这些重要统计特征的解决方案，同时删除可能损害数据隐私的特征。这些方法称为数据匿名和产生合成数据。
许多大公司收集大量数据，但只能使用它有限。通过机器学习方法分析这种广泛的数据集可以提供具有重要价值的公司。
除了药物研发之外，还有许多其他潜在用例用于敏感数据，例如敏感数据。在管理，商业智能或作为开放数据或所谓的二级使用中。数据隐私是所有这些活动中的最重要要求。Weil.ai已经在这种性质的几个活动中得到了核实。
研究项目通常必须使用来自多个来源的数据。为此，相关组织通常必须与所有项目合作伙伴共享他们的数据，也必须选择某人 - 一个值得信赖的第三方 - 汇集数据。使用面纱.AI，多合作伙伴项目变得更容易，因为RAW数据不再需要共享才能汇总。相反，可以在每个组织内完成匿名，以便仅共享匿名数据。
上面的Infograph示出了个人数据如何永久义语义或匿名，并使用Weil.ai提供的匿名工具永久匿名。此外，应用可以用于合成数据的生产。这些不同的数据类别可以用于各种应用，例如药物开发，诊断和自助以及建筑预测模型。
weil.ai支持各种数据类型
威尔.AI已经在赫尔辛基大学的分子医学研究所（FIMM）的领导下开发bob体育下注安卓版了janna saarela.和Timo Miettinen。目前的团队还包括三名开发人员。业务发展的责任在于串行技术企业家TuomoPentikäinen.。
遮盖丝.AI开发人员在与患者样本和生物人物资源合作方面拥有丰富的经验。
“此类研究项目需要新工具，因为没有合适的工具。这就是为什么专注于医学研究的组织，如FIMM，在数据保护方面是世界其他地区的几年，“TuomoPentikäinen说。
尽管团队的医学专业化，但是，可以使用个性级数据处理所有字段中的数据。一些应用程序包括位置信息以及图片和视频数据。Leil的矛头之一是在Novo Nordisk基金会资金的帮助下完成了合成数据的生产。
Weil.ai能够产生合成数据，其行为与原始数据非常类似。在该图中，将真实数据（绿色）与面纱产生的相应合成数据进行比较。
威尔的商业潜力是探索的来自研究理念的新业务2018 - 19年期间来自商业芬兰的资金。最近的威尔.AI已经收到了EIT Digital的资金，该团队与荷兰瑞典和飞利浦的Scilifelab紧密合作。提出了威尔核心技术的专利申请。
“FIMM及其遮盖丝.AI团队正在研究非常小说的概念。我们在一个联合研究项目中，我们生产的合成数据并开发了对合成数据的质量和可用性的评估的指标和分析。这是非常重要的，因为合成数据有望帮助在数据密集型健康和药物开发中普遍存在的一些最燃烧的问题。研究的目标是显着降低研发的提前期，减少甚至消除数据泄露风险并提高数据质量，“教授说亨宁兰伯格来自哥本哈根卫生学院集群和哥本哈根大学。
首次发表于23.11.2018，于25.10.2019和10.11.2020更新。
