🧠Galeon AI®
Last updated
Last updated
Detección instantánea de enfermedades
Elección del tratamiento más adecuado para cada paciente
Aprendizaje a partir de millones de registros de pacientes
Descubrimiento de nuevos medicamentos automatizando tareas administrativas de los cuidadores
¡Las aplicaciones de la IA en la atención médica tienen un potencial revolucionario, y apenas estamos al principio! Para crear IA, los innovadores e ingenieros necesitan grandes cantidades de datos estructurados.
El Dr. Nozman detalla estas innovaciones en este video:
Galeon estructura y almacena una cantidad fenomenal de datos médicos. Estos datos siguen siendo propiedad del paciente.
En cualquier momento con Galeon, un paciente que ha dado su consentimiento para el uso de sus datos puede retractarse.
Galeon también respeta y protege la soberanía de los hospitales sobre sus datos al construir una red colaborativa descentralizada para el entrenamiento de IA llamada "Blockchain Swarm Learning®".
Galeon ha desarrollado tecnología propia para el entrenamiento de IA transparente y seguro. La blockchain de Galeon sirve para conectar hospitales y descentralizar la investigación médica entre varios hospitales distribuidos en todo el mundo.
Los datos son el combustible para entrenar Inteligencias Artificiales: es un recurso raro, valioso y sensible.
Para acceder a datos médicos y entrenar IAs, GAFAM y startups de IA proponen varias arquitecturas de aprendizaje. Podemos distinguir 4 tipos principales de entrenamiento de IA: localizado, centralizado, federado y entrenado en enjambre por blockchain (Blockchain Swarm Learning®). Cada tipo de entrenamiento de IA tiene sus pros y contras.
Cada hospital entrena sus IA con sus propios datos.
El aprendizaje localizado puede ser suficiente para aplicaciones de IA que requieren datos y recursos mínimos. Esto puede ser adecuado para aplicaciones simples desarrolladas dentro de cualquier hospital. Sin embargo, las limitaciones se alcanzan rápidamente para el desarrollo de tratamientos personalizados basados en datos.
Soberanía del hospital sobre los datos | ✅ |
Soberanía sobre las Inteligencias Artificiales | ✅ |
Tamaño del conjunto de datos (correlacionado con el potencial de las IA) | ❌ |
Necesidad de competencias en IA en el hospital | 😕 |
Compartir el valor añadido de los datos entre hospitales y beneficio del intercambio de datos para los pacientes | ❌ |
Seguridad de los datos | ❌ |
Cada hospital confía sus datos a una plataforma de terceros que entrena las IA.
El aprendizaje centralizado permite agrupar recursos de datos en una empresa experta en IA, pero no garantiza la soberanía sobre los datos y los resultados de la investigación para los hospitales.
Este modelo no es aceptado por hospitales y gobiernos.
Soberanía del hospital sobre los datos | ❌ |
Soberanía sobre las Inteligencias Artificiales | ❌ |
Tamaño del conjunto de datos (correlacionado con el potencial de las IA) | ✅ |
Necesidad de competencias en IA en el hospital | 👌 |
Compartir el valor añadido de los datos entre hospitales y beneficio del intercambio de datos para los pacientes | ❌ |
Seguridad de los datos | ❌ |
Los datos permanecen siendo propiedad de cada hospital. Sin embargo, debido a que los datos son heterogéneos, sigue siendo necesaria una única entrada para limpiarlos. Las IA luego son propiedad de una plataforma de terceros.
El aprendizaje federado es una variante del aprendizaje centralizado, donde esta vez se supone que los datos permanecen siendo propiedad de los hospitales.
No obstante, la heterogeneidad de los datos a nivel de cuidado es un obstáculo importante para entrenar IA en grandes bases de datos. La necesidad de post-procesamiento reduce el peso de los hospitales en la cadena de valor de los datos de salud.
Soberanía del hospital sobre los datos | 😕 |
Soberanía sobre las Inteligencias Artificiales | ❌ |
Tamaño del conjunto de datos (correlacionado con el potencial de las IA) | ✅ |
Necesidad de competencias en IA en el hospital | 👌 |
Compartir el valor añadido de los datos entre hospitales y beneficio del intercambio de datos para los pacientes | ❌ |
Seguridad de los datos | 😕 |
Las aplicaciones de IA en el sector de la salud se vuelven más precisas cada día, requiriendo datos tanto en cantidad como en calidad (estructurados).
Los enfoques de aprendizaje localizado, centralizado y federado están limitados a cierta escala por desafíos relacionados con recursos de habilidades, infraestructura, heterogeneidad de datos o barreras regulatorias, y afortunadamente, por razones de privacidad.
Para el desarrollo de aplicaciones más precisas, Galeon está construyendo Aprendizaje en Enjambre Blockchain®, una manera de entrenar IA en datos distribuidos a través de múltiples continentes sin comprometer la privacidad de los datos.
The training takes place on a decentralized set of data across multiple hospitals. The data remains on the hospitals' servers and is not put on a blockchain.
The Galeon blockchain between hospitals is used to trace the training of AIs on the data they provide and to distribute the value created proportionally to the data used.
Blockchain Swarm Learning® (BSL®) protects patient data confidentiality.
Sovereignty of the hospital on data | ✅ |
Sovereignty on Artificial Intelligences | ✅ |
Size of the dataset (correlated to AIs' potential) | ✅ |
Need for AI competences in the hospital | 👌 |
Share the value-added of data among hospitals and benefit of data sharing for the patients | ✅ |
Security of data | ✅ |
Galeon has chosen an approach faithful to the fundamental principles of Bitcoin:
"Don't trust, verify"
The Galeon blockchain between hospitals, where hospitals are both users and validators, ensures complete respect for patient privacy and data integrity.
Data is hosted locally by each hospital, with only the artificial intelligence algorithms 'moving' via the blockchain to be trained in a decentralized manner.
Thanks to the medical blockchain, all actions are traced during AI training.
The value created by AI must be fairly shared among patients, innovators, investors, and caregivers for a sustainable system. Each use of health data by BSL® results in a transaction that will be distributed as follows:
50% to the Galeon DAO fund, consisting of voluntary patients and Galeon pioneers
40% to the hospitals, where the data is captured and structured
5% for buyback and burn
5% for Galeon
This distribution ensures balance and sustainability of the system by sufficiently incentivizing all stakeholders according to their contribution.
A startup funded by venture capital (VC) raises 20,000,000 USD to train its models on healthcare data. It spends 10,000,000 USD for access to data on the Galeon platform.
5,000,000 USD go to the Galeon DAO fund.
4,000,000 USD go to the hospitals, proportionally to data usage.
500,000 USD are used to buy $GALEON on the markets and destroy them.
500,000 USD go to Galeon.
