Fetch.ai 和波兰波兹南超级计算与网络中心 (PSNC) 合作开发用于检测癌细胞的AI 集体学习模块

剑桥 — Fetch.ai (https://fetch.ai/cn/)，一家位于剑桥构建开放去中心化机器学习网络的智能基础设施的人工智能实验室，今天宣布波兰波兹南超级计算与网络中心 (PSNC) 将使用它的集体学习产品。PSNC 将成为合作伙伴并贡献数据来训练算法，世界各地的医院和研究中心可以使用这些算法在未来识别和检测患者血液或组织中的循环癌细胞。

Fetch.ai 的集体学习模块让各方可以协同工作，使用区块链技术和人工智能来训练机器学习模型，而无需共享数据或信任任何个体参与者。它最近被用于识别胸部 X 射线图像的 COVID-19 病例，区分 COVID-19 与普通的肺炎病例。集体学习成功地将 COVID-19 患者与不同的肺炎患者区分开来，准确率为 97%。

作为合作伙伴计划的一部分，Fetch.ai 的集体学习算法将从 PSNC 获取实验数据。 然后将分析这些数据，保持每个数据集的私密性，同时将公开机器学习模型结果用于识别患者血液或组织活检中的癌细胞。这也将有助分析肿瘤的分子，确定治疗中的改变，以及早期发现和治疗癌症患者。

“PSNC 联系波兰所有的临床大学医院。PSNC与生物有机化学研究所联合展开多项研发活动，提供生物信息学领域高级数据分析和人工智能的增值服务。” Fetch.ai 的 Maria Minaricova 说。“他们的影响力与 Fetch.ai 集体学习模块相结合将使研究人员能够利用整个欧洲的生物医学数据集，并远程对其进行分析，同时保留数据。最终目标是促进医疗保健数据用于加速癌症和其他疾病新疗法开发的研究，并让整个欧洲都可以使用。”

根据 1950 年的数据，早期发现疾病是预防许多疾病的关键。这可以从巴氏试验等技术进步中看出。在引入技术后，发达国家的宫颈癌发病率和死亡率下降了 70%。开发这些早期检测方法的关键是分析不同全球人口的大型高质量数据集。

PSNC 的 Krzysztof Kurowski 说：“去中心化账本技术（区块链）优化我们共享私人数据的过程，而无需参与者之间的信任。与人工智能相结合可以更全面地分析大量数据。” “Fetch.ai 的集体学习模块创造了一个场景。其中欧洲的多个利益相关者（医院和研究实验室）可以在不损害其数据隐私的情况下共享机器学习模型。这将使他们能够共享敏感信息，以便进一步分析和检测患者的癌症症状。我们期待与他们一起率先开展这项研究。”

了解有关 Fetch.ai 的集体学习模块的更多信息，您可以访问： https://fetch.ai/cn/

关于 Fetch.ai

位于剑桥的人工智能实验室 Fetch.ai 正在构建自主软件代理所需的基础设施，以代表个人、机器、企业和组织执行有用的经济工作。 Fetch.ai 的网络基于开源技术，让用户可以在世界每个地方安全使用人工智能算法，以在现代经济中执行复杂的协调任务。 欲了解更多信息，请访问 https://fetch.ai/cn/

关于 PSNC

波兰科学院生物有机化学研究所下属的波兹南超级计算与网络中心（PSNC）是欧洲在科学信息技术基础设施领域的国际知名研究机构，也是信息与通信领域的重要研发中心。通信技术 (ICT)。作为电子基础设施的开发中心，PSNC设计，维护，开发并建设了城域网POZMAN、高性能计算中心和国家宽带网络PIONIER。

PSNC 是全球研发基地的重要组成部分，主要实施欧盟框架计划的项目，但也支持与来自世界各地的一千多个合作伙伴的研发计划。在超过四分之一个世纪中，中心已经实施了 282 个研究项目（协调了其中的 38 个），占 PSNC 所有项目的七分之一。

注意事项

Fetch.ai 集体学习模块结合了人工智能和区块链每种技术最合适的元素。 人工智能的作用是帮助人类识别对（早期）诊断有效的数据，而区块链允许各方彼此不了解（和信任）的协作以改进人工智能算法，而无需共享私人数据。