Covent Garden, UK, 2026 年 8 月 4 日, Chainwire

FLock.io 因兩個 NHS 信託機構使用其隱私保護 AI 來應對重大疾病，而獲得世界經濟論壇（WEF）MINDS 計畫的矚目。兩個信託機構均使用其聯邦學習平台來訓練臨床模型，同時維持 100% 的資料主權。

Moorfields 眼科醫院與倫敦大學學院醫院（UCLH）在兩個應用案例中使用 FLock.io：眼部疾病偵測與糖尿病管理。該方法使各方能夠在不共享敏感患者資料的情況下進行協作，解決了醫療保健等受監管產業所面臨的挑戰——在這些產業中，隱私法規與安全要求可能限制 AI 的採用。Moorfields 是歐洲歷史最悠久且規模最大的眼科治療、教學與研究機構之一，而 UCLH 則是隸屬於倫敦大學學院的大型教學醫院。

此項肯定將 FLock.io 的工作納入更廣泛的 MINDS 計畫及一個更大的生態系統中，該生態系統專注於與 Accenture 合作擴展高影響力的現實世界 AI 應用。最新的 MINDS 學員群包括 Lenovo、Occidental、TCL Industries、Hisense Hitachi 和 KUKA 等機構。

FLock.io 在 NHS 的兩個聯邦學習應用案例

FLock.io 正與來自 UCL 的 NHS 研究人員及 UCLH 的臨床合作夥伴合作開發血糖監測警報系統。該系統為臨床醫師提供基於超過 400 名患者資料在本地訓練的 AI 驅動預測。它支援英國、歐洲、美國和中國的合作夥伴之間進行協作式訓練，同時確保患者資料永遠不會離開安全的 NHS 信託網路，維持 100% 的資料主權。跨司法管轄區訓練的能力尤為重要，因為跨境健康資料傳輸在歐盟 GDPR 等框架及其他地區的同等法規下受到嚴格限制。

約 14,000 名終端使用者（包括使用糖尿病管理應用程式的患者）在英國、東南亞和東亞地區使用 FLock.io 的平台。下一階段——一項涵蓋 100 名患者的跨洲血糖預測實境試驗——預計於今年夏天展開。FLock.io 估計，NHS 中 AI 驅動的預防措施每年可帶來超過 1 億英鎊的節省，此估算基於目前超過 100 億英鎊的糖尿病管理支出減少 1%。糖尿病照護是 NHS 單一最大的支出領域之一，該醫療體系一直在積極探索數位和 AI 工具，以在改善患者治療成果的同時控制成本。

在與 Moorfields 眼科醫院的合作中，FLock.io 已完成聯邦眼部疾病偵測的初步研究。使用該院影像資料訓練 AI 模型的工作正在進行中。該專案旨在解決傳統集中式 AI 難以克服的擴展限制，並實現跨 NHS 信託機構的多站點訓練，而無需它們對外共享敏感的影像資料。

長期目標是將這些模型複製到更多的 NHS 信託機構。FLock.io 表示，NHS 的單一支付者體系和一致的資料治理，使其成為在擴展至其他市場之前證明聯邦學習規模化應用的理想環境。

聯邦學習能夠在不共享原始資料的情況下進行協作式 AI 模型訓練。每個參與者在本地安全地於本地部署或邊緣裝置上訓練模型。僅共享加密的模型更新，隨後進行匯總以提升效能，實現即時推理。

FLock.io 表示其旨在解決的問題

FLock.io 表示，資料隱私法規和安全疑慮限制了處理敏感資訊的受監管產業使用 AI，包括醫院、銀行和政府機構。因此，組織可能選擇放棄採用 AI，或依賴缺乏領域準確性或引入合規風險的通用模型。

該公司表示，傳統方法（包括集中式雲端 AI 訓練和本地部署模型）通常需要大量的運算資源。該公司還表示，此類方法無法保證強大的隱私保護或防範模型中毒攻擊和資料洩露，且可能降低模型準確性。

關於 FLock.io

FLock.io 自我定位為一家 AI 研究與基礎設施公司，專注於以資料隱私為優先的企業級聯邦學習和分散式 AI 解決方案。其去中心化聯邦學習架構和量產就緒平台——AI Arena、FL Alliance 和 FLock API Platform——旨在讓組織能夠在本地硬體上訓練和部署自訂 AI 模型，同時在設計上維持完整的資料隱私、模型所有權和法規合規。

該公司表示，其聯邦學習與區塊鏈驗證的結合可帶來 37% 的模型準確性提升、44% 的總持有成本降低、降低資料洩露或模型中毒攻擊的風險，以及 63% 的部署時間縮短。該公司還表示，此方法更具永續性，每次模型更新的訓練能耗減少 80%。

馬來西亞砂拉越政府目前也正在與 FLock.io 完成一項主權 AI 試點計畫，包括醫療保健領域。FLock.io 表示，該試點計畫隨後將由美國、歐洲和中國的醫院合作夥伴部署，並為亞太地區和歐洲的跨境醫療保健 AI 協作建立標準。

在 LinkedIn 和 X 上追蹤 FLock.io，或發送電子郵件至 [email protected] 聯繫團隊。