驅動AI輔助藥物開發的根基在於醫療大數據，醫療數據的數量與品質為訓練AI模型的關鍵，因此製藥業投入大量資金欲獲取高量高質的醫療數據。然而，各生技製藥廠若僅限於以自家掌握的醫療數據來訓練AI模型，擔心分享數據會失去競爭優勢，可能受限於醫療數據不足或同質性高，難以訓練出精確或多樣性的AI模型；抑或，合作可能涉及病患醫療資料機敏性與隱私權問題，即便以去識別化處理仍可能存在逆向還原原始識別資料的可能性。
為解決上述AI應用課題，創立於2016年總部位於美國的新創公司Owkin建構聯合學習（Federated Learning）框架，在符合GDPR隱私規範下，讓製藥廠、醫療機構與學研單位等不同組織，透過Owkin研究平台......
一、AI縮短新藥物開發週期，極具市場潛力
二、AI聯合學習技術，解鎖數據安全與隱私問題
三、平台模型豐富，以AI民主化降低導入門檻
四、結論與建議
圖1 Owkin營收模式
若有任何問題，可使用下方檢索互動介面找解答，或是寫信到客服信箱。
星期一~五 9:00-12:30/13:30-18:00