🧠Galeon AI®
Last updated
Last updated
Détecter instantanément les maladies
Choisir le traitement le plus adapté à chaque patient
Apprendre à partir de millions de dossiers patients
Découvrir de nouveaux médicaments
Automatiser les tâches administratives des soignants
Les applications de l'IA en santé ont un potentiel révolutionnaire et nous n'en sommes qu'aux balbutiements !
Pour créer l'IA, les innovateurs et ingénieurs ont besoin de données structurées en grande quantité.
Dr Nozman détaille ces innovations dans cette vidéo :
Galeon structure et stocke une quantité phénoménale de données médicales. Ces informations restent la propriété du patient, à tout moment, avec Galeon, un patient ayant donné son accord à l'utilisation de ses données peut se rétracter.
Galeon respecte et protège la vie privée des patients ainsi que la souveraineté des hôpitaux sur leurs données en construisant un réseau collaboratif décentralisé d'entraînement de l'IA appelé Blockchain Swarm Learning®.
Galeon a développé une technologie propriétaire d'entraînement d'IA transparente et sécurisée. La blockchain Galeon sert à connecter les hôpitaux pour décentraliser la recherche médicale entre plusieurs hôpitaux répartis dans le monde entier.
La donnée est le carburant pour l'entraînement d'Intelligences Artificielles: c'est une ressource rare, précieuse et sensible.
Pour accéder à la donnée médicale et entraîner des IAs, les GAFAM et les startups d'IA proposent plusieurs architectures d'apprentissage. On peut distinguer 4 grands types d'entraînement d'IA : localisé, centralisé, fédéré, en essaim tracé par blockchain (Blockchain Swarm Learning®). Chaque type d'entraînement d'IA a ses qualités et ses défauts.
Chaque hôpital entraîne ses IAs sur ses propres données.
L'apprentissage localisé peut suffire pour des applications IA nécessitant peu de données et peu de ressources, cela peut convenir sur des applications simples développées au sein de n'importe quel hôpital. Mais les limites sont vite atteintes pour le développement de traitements personnalisés basés sur les données.
Souveraineté sur les données
✅
Souveraineté de l'hôpital sur les Intelligences Artificielles
✅
Taille du dataset (corrélé au potentiel des IAs)
❌
Besoin de compétences en IA à l'hôpital
😕
Partage de la valeur entre les hôpitaux
❌
Sécurité des données
❌
Chaque hôpital confie ses données à une plateforme tierce qui entraîne des IAs.
L'apprentissage centralisé permet de mutualiser les ressources en données chez une entreprise experte en IA, mais la souveraineté sur les données et sur les résultats des recherches n'est pas assurée pour les hôpitaux.
Ce modèle n'est pas accepté par les hôpitaux et les Etats.
Souveraineté sur les données
❌
Souveraineté de l'hôpital sur les Intelligences Artificielles
❌
Taille du dataset (corrélé au potentiel des IAs)
✅
Besoin de compétences en IA à l'hôpital
👌
Partage de la valeur entre les hôpitaux
❌
Sécurité des données
❌
Les données restent la propriété de chaque hôpital. Mais, parce que les données sont hétérogènes, un point unique d'accès reste nécessaire pour les nettoyer. Les IAs sont alors propriété d'une plateforme tierce.
L'apprentissage fédéré est une variante de l'apprentissage centralisé, où cette fois les données sont supposées rester la propriété des hôpitaux.
Seulement, l'hétérogénéité des données au niveau du soin est un obstacle majeur à l'entraînement des IAs sur de grandes bases de données. La nécessité de post-traitement diminue le poids des hôpitaux dans la chaîne de valeur de la donnée de santé.
Souveraineté sur les données
😕
Souveraineté de l'hôpital sur les Intelligences Artificielles
❌
Taille du dataset (corrélé au potentiel des IAs)
✅
Besoin de compétences en IA à l'hôpital
👌
Partage de la valeur entre les hôpitaux
❌
Sécurité des données
😕
Les applications santé de l'IA deviennent tous les jours plus précises.
Elles demandent de plus en plus de données en quantité et en qualité (structurées). Les apprentissages localisé, centralisé et fédéré sont tous bloqués à une certaine échelle, par des problématiques de ressources en compétences, d'infrastructure, par l'hétérogénéité des données ou par des blocages règlementaires et, heureusement, pour des raisons de confidentialité.
C'est pour le développement des applications les plus précises que Galeon construit le Blockchain Swarm Learning®, un moyen d'entraîner des IAs sur des données réparties sur plusieurs continents, sans compromettre la confidentialité des données.
L'entraînement a lieu sur un ensemble décentralisé de données entre plusieurs hôpitaux. Les données restent sur les serveurs des hôpitaux, elles ne sont pas mise sur une blockchain.
La blockchain Galeon entre hôpitaux sert à tracer l'entraînement des IAs sur les données qu'ils mettent à disposition puis à répartir la valeur créée au pro-rata des données utilisées.
Le Blockchain Swarm Learning® (BSL®) protège la confidentialité des données patient.
Souveraineté sur les données
✅
Souveraineté de l'hôpital sur les Intelligences Artificielles
✅
Taille du dataset (corrélé au potentiel des IAs)
✅
Besoin de compétences en IA à l'hôpital
👌
Partage de la valeur entre les hôpitaux
✅
Sécurité des données
✅
Galeon a choisi une approche fidèle aux principes fondamentaux de Bitcoin :
"Don't trust, verify"
La blockchain Galeon entre les hôpitaux, dont les hôpitaux sont les utilisateurs et les validateurs, garantit un respect total de la vie privée des patients et l'intégrité des données.
Les données sont hébergées localement par chaque hôpital, seuls les algorithmes d'intelligence artificielle se "déplacent" via la blockchain pour être entraînés de façon décentralisée.
Grâce à la blockchain médicale, toutes les actions sont tracées lors de l'entraînement de l'IA.
La valeur créée par l'IA doit être partagée de manière juste entre les patients, les innovateurs, les investisseurs et les soignants pour un système durable.
Chaque utilisation des données de santé par le BSL® donne lieu à une transaction qui sera répartie :
50% pour le fond de la DAO Galeon, formée des patients volontaires et des pionniers de Galeon
40% pour les hôpitaux, chez qui la donnée est captée et structurée
5% pour buy back and burn
5% pour Galeon
Cette répartition permet l'équilibre et la durabilité du système en intéressant suffisamment toutes les parties prenantes à hauteur de leur contribution.
Une startup financée par du capital risque (VC), lève 20 millions d'euros pour entraîner ses modèles sur des données de santé. Elle dépense 10 millions d'euros pour l'accès aux données sur la plateforme Galeon.
5 millions d'euros reviennent au fond de la DAO Galeon.
4 millions d'euros pour les hôpitaux, au prorata de l'utilisation des données.
500 000 euros serviront à acheter des $GALEON sur les marchés et les détruire.
500 000 euros reviennent à Galeon.
