柏林的医疗数据分析初创公司Apheris AI GmbH今日宣布，已成功筹集825万美元的资金。本轮融资由OTB Ventures和eCAPITAL领投，使这家柏林公司的总外部融资达到2080万美元。
在医疗保健领域，来自不同组织的研究人员通常需要共享临床数据。然而，通过网络将数据发送到其他组织可能存在网络安全风险。医疗机构采用了一种称为联邦计算的方法来应对这些风险，这也是Apheris平台的基础。
通过联邦计算，公司无需将其临床数据集传输到公司网络之外即可供第三方研究人员访问。该技术允许研究人员远程在其托管数据的内部基础设施部分上运行分析。处理结果随后通过网络发送回研究人员，而不会移动任何被分析的信息。
Apheris的平台使得医疗机构更容易实施联邦计算。它还使研究人员能够在共享给他们的临床数据集上运行人工智能模型。
联邦计算项目可以通过一个轻量级程序或代理（称为Compute Gateway）来实现。该程序运行在托管公司计划提供给外部研究人员的临床数据集的系统上。安装后，Compute Gateway允许研究人员以自助服务的方式请求访问数据集。
Apheris用户将其信息访问请求结构化为所谓的Compute Spec。这是一个文件，指定了研究人员希望访问的数据集、他们计划在数据集上运行的人工智能模型以及任务所需的硬件资源。拥有数据集的组织的员工可以使用集中式仪表板审查和批准此类请求。
在底层，该平台基于Nvidia Corp.提供的开源框架FLARE。当研究人员在一个托管数据集的系统上运行人工智能模型时，FLARE确保系统操作员无法反向工程模型以获取其训练数据集。该框架同样阻止了尝试访问神经网络权重的行为。
据Apheris介绍，其平台不仅保护了人工智能模型，还保护了它们处理的临床信息。
数据通常需要解密后才能进行分析。当处于明文形式时，信息更容易被黑客窃取，增加了数据泄露的风险。Apheris实现了同态加密技术，可以在不解密的情况下查询数据集。
这一功能还辅以另一种称为差分隐私的安全特性。当研究项目中使用的临床数据集包含患者记录等个人信息时，科学家们通常会在与其他方共享之前对其进行匿名化处理。差分隐私使得从匿名化数据集中提取个人信息变得更加困难。
Apheris表示，其软件已被强生（Johnson & Johnson）、罗氏（Roche）等主要制药公司采用。该软件制造商的用户群还包括几家医院。
公司将利用新筹集的资金雇佣更多生命科学和市场推广专业人士。此外，公司计划增强平台的人工智能功能。具体计划是托管一些基础人工智能模型，以加速涉及蛋白质研究的任务。
(全文结束)
