英国考文特花园，2026 年 8 月 4 日，Chainwire

FLock.io 因两家 NHS 信托使用其隐私保护 AI 应对重大疾病，获得世界经济论坛（WEF）MINDS 计划的关注。两家信托均使用其联邦学习平台训练临床模型，同时保持 100% 的数据主权。

Moorfields 眼科医院和伦敦大学学院医院（UCLH）在两个应用场景中使用 FLock.io：眼部疾病检测和糖尿病管理。该方案实现了无需共享敏感患者数据的协作，解决了医疗保健等受监管行业面临的挑战——隐私法规和安全要求限制了 AI 的采用。Moorfields 是欧洲历史最悠久、规模最大的眼科治疗、教学和研究中心之一，UCLH 则是隶属于伦敦大学学院的大型教学医院。

此次认可将 FLock.io 的工作纳入更广泛的 MINDS 计划，以及在 Accenture 协作下专注于扩展高影响力、真实世界 AI 应用的更广泛生态系统。最新一届 MINDS 成员包括 Lenovo、Occidental、TCL Industries、Hisense Hitachi 和 KUKA 等组织。

FLock.io 与 NHS 的两个联邦学习应用案例

FLock.io 正与来自 UCL 的 NHS 研究人员和 UCLH 的临床合作伙伴合作开发血糖监测提醒系统。该系统为临床医生提供基于 400 多名患者数据在本地训练的 AI 驱动预测。它支持英国、欧洲、美国和中国的合作伙伴之间的协作训练，同时确保患者数据始终不离开安全的 NHS 信托网络，保持 100% 的数据主权。跨司法管辖区训练的能力尤为重要，因为跨境健康数据传输在欧盟 GDPR 及其他地区类似法规框架下面临严格限制。

约 14,000 名终端用户（包括使用糖尿病管理应用的患者）在英国、东南亚和东亚地区使用 FLock.io 平台。下一阶段——一项涉及 100 名患者的跨大陆血糖预测真实世界试验——计划于今年夏季启动。FLock.io 估计，基于目前糖尿病管理支出超过 100 亿英镑的 1% 的削减幅度，AI 驱动的预防每年可为 NHS 带来超过 1 亿英镑的节省。糖尿病护理是 NHS 最大的单一支出领域之一，该医疗机构一直在积极探索数字化和 AI 工具，以在改善患者预后的同时控制成本。

在 Moorfields 眼科医院方面，FLock.io 已完成联邦眼部疾病检测的初步研究。目前正利用该院的影像数据训练 AI 模型。该项目旨在解决传统集中式 AI 难以克服的扩展限制，并在无需各 NHS 信托对外共享敏感影像数据的情况下实现跨站点训练。

长期目标是将这些模型复制到更多 NHS 信托。FLock.io 表示，NHS 的单一支付方体系和一致的数据治理使其成为在扩展至其他市场之前大规模验证联邦学习的理想环境。

联邦学习实现了无需共享原始数据的协作式 AI 模型训练。每个参与者都在本地、安全地在本地服务器或边缘设备上训练模型。仅共享加密的模型更新，然后进行聚合以提升模型性能，从而实现实时推理。

FLock.io 表示其旨在解决的问题

FLock.io 表示，数据隐私法规和安全担忧限制了受监管行业（包括医院、银行和政府机构）对敏感信息的 AI 使用。因此，组织可能要么放弃 AI 采用，要么依赖缺乏领域准确性或引入合规风险的通用模型。

该公司表示，包括集中式云端 AI 训练和本地部署在内的传统方法通常需要大量计算资源。该公司还指出，此类方法无法保证强大的隐私保护或防御模型中毒攻击和数据泄露的能力，并可能降低模型准确性。

关于 FLock.io

FLock.io 自称是一家专注于企业级联邦学习和分布式 AI 解决方案的 AI 研究和基础设施公司，以数据隐私为优先。其去中心化联邦学习架构和生产就绪平台——AI Arena、FL Alliance 和 FLock API Platform——旨在使组织能够在本地硬件上训练和部署自定义 AI 模型，同时从设计上保持完全的数据隐私、模型所有权和合规一致性。

该公司表示，其联邦学习与区块链验证相结合，实现了 37% 的模型准确性提升、44% 的总拥有成本降低、数据泄露或模型中毒攻击风险降低，以及 63% 的部署时间缩短。该公司还表示，该方法更具可持续性，每次模型更新的训练能耗降低 80%。

马来西亚砂拉越政府目前也正与 FLock.io 完成一项主权 AI 试点，包括医疗保健领域。FLock.io 表示，该试点随后将由美国、欧洲和中国的医院合作伙伴部署，并为亚太地区和欧洲的跨境医疗 AI 协作建立标准。

在 LinkedIn 和 X 上关注 FLock.io，或发送电子邮件至 [email protected] 联系团队。