• FLock.io koppelt seine on chain Lerninfrastruktur an AIGEN Sciences.
  • Südkoreanische Kliniken trainieren Arznei KI ohne Datentransfer.

FLock.io und AIGEN Sciences kooperieren, um datenschutzfreundliches Föderiertes Lernen in die Arzneimittelforschung zu bringen. Ein jetzt unterzeichnetes Memorandum of Understanding sichert den technisch rechtlichen Rahmen. Die Partner richten eine direkte Verbindung zwischen FLock.io Blockchain Netz und der AIGEN Discovery Engine ein. Auf dieser Basis können Krankenhäuser und Forschungszentren in Südkorea ihre sensiblen Patientendaten behalten und dennoch gemeinsam KI Modelle trainieren.

Kliniken behalten volle Kontrolle über Rohdaten

Das Konzept setzt auf Föderiertes Lernen. Modelle werden dezentral an den Datenstandorten aktualisiert. Nur die Modellparameter verlassen die Klinikserver. FLock.io legt diese Parameteränderungen als Transaktionen auf einer öffentlichen Blockchain ab. Dadurch entsteht eine überprüfbare Historie, und die Beitragenden erhalten automatisierte Token Prämien für Rechenleistung oder Datennutzen. AIGEN integriert die so erzeugten Modelle in seine Large Language Modell gestützte Wirkstoffsuche, die bereits virtuelle Screening Pipelines für kleine Moleküle und Biologika betreibt.

Professor Jaewoo Kang, Chief Executive bei AIGEN Sciences, betont, dass bisher unzugängliche klinische Register nun in die Entwicklung einfließen können. Jiahao Sun, Mitgründer von FLock.io, spricht von einem Schritt hin zu industrietauglicher dezentraler KI in den Life Sciences. Beide Unternehmen sehen darin einen Weg, Zeit und Kosten im vorklinischen Stadium erheblich zu senken.

Pilotprojekt startet im dritten Quartal 2025

Ein gemeinsames Team unter Leitung von Dr. Zehua Cheng, Chief Scientist bei FLock.io, und Dr. Sunkyu Kim, Director AI Research bei AIGEN, bereitet derzeit einen Proof of Concept vor. Erste Tests beginnen im dritten Quartal 2025. Dabei sollen reale, aber pseudonymisierte Bild und Genomdaten aus drei südkoreanischen Universitätskliniken genutzt werden. Ziel ist es, die Vorhersagegenauigkeit bei Zielproteinen um mindestens zehn Prozent zu erhöhen, ohne dass Rohdaten jemals das Krankenhaus verlassen.

Die Partner planen, Zwischenergebnisse auf Fachkonferenzen für KI gestützte Gesundheit zu präsentieren. Eine Skalierung auf zusätzliche asiatische und europäische Kliniken ist für 2026 vorgesehen, sofern die Pilotphase regulatorische und technische Erwartungen erfüllt.

Die Vereinbarung zeigt, dass sich Web3 und Gesundheitsforschung annähern, um Datenschutz und gemeinsame Modellleistung in Einklang zu bringen.