Zorg · Onderzoek

Gefedereerde klinische studies

Klinische studies op meerdere locaties vereisen het delen van gevoelige patiëntgegevens tussen instellingen, wat zorgen oproept over privacy en soevereiniteit.

De uitdaging

Wat in de weg staat

Klinische studies op meerdere locaties vereisen het delen van gevoelige patiëntgegevens tussen instellingen, wat zorgen oproept over privacy en soevereiniteit.
De oplossing

Hoe Scrydon dit oplost

Federated learning stelt AI-modellen in staat te trainen over studielocaties heen zonder dat ruwe data ooit de beveiligde omgeving van een instelling verlaat.
In de praktijk

Hoe dit uitpakt

Een studie op meerdere locaties heeft een voldoende grote patiëntenpopulatie nodig om statistische significantie te bereiken, maar het samenvoegen van ruwe patiëntgegevens tussen instellingen roept precies die zorgen over privacy en soevereiniteit op die een studie maandenlang in juridische toetsing kunnen laten vastlopen.

Data Spaces laten elke locatie de eigen patiëntgegevens ter plaatse houden terwijl ze bijdragen aan gefedereerde modeltraining, zodat de studie de benodigde populatie bereikt zonder dat één gegeven ooit de instelling verlaat die het beheert — waardoor de ontwikkeling versnelt zonder dat een gegevensdelingsovereenkomst in de weg staat.

Ontdek Data Spaces
Het resultaat
  • Versnelde geneesmiddelenontwikkeling in volledige overeenstemming met de gegevensbeschermingsregelgeving.

Ontdek hoe dit werkt voor uw organisatie

Laten we deze use case uit de sector zorg vertalen naar uw omgeving, uw data en uw soevereiniteitseisen.