RecognitionGhi nhận

NSW Export Awards 2026 FinalistChung kết Giải thưởng Xuất khẩu NSW 2026

N2N AI, the business behind XVita Global, was named a finalist in the 2026 NSW Export Awards.N2N AI, doanh nghiệp đứng sau XVita Global, được ghi danh vào vòng chung kết Giải thưởng Xuất khẩu NSW 2026.

XVita is one business in the n2n.ai ecosystem. The credentials below belong to n2n.ai. XVita là một doanh nghiệp trong hệ sinh thái n2n.ai. Các chứng nhận dưới đây thuộc về n2n.ai.

Research partnershipHợp tác nghiên cứu

Industry Partner, CSIRO Next Generation Graduates ProgramĐối tác công nghiệp, Chương trình NGGP của CSIRO

“Towards AI on the edge”, with UNSW, Curtin and ANU.“Towards AI on the edge”, cùng UNSW, Curtin và ANU.

CSIRO project pageTrang dự án CSIRO

National directoryDanh bạ quốc gia

Listed in the National AI Centre AI DirectoryĐược niêm yết trên AI Directory của National AI Centre

Australian Government, Department of Industry, Science and Resources.Chính phủ Úc, Bộ Công nghiệp, Khoa học và Tài nguyên.

View profileXem hồ sơ

Industry programChương trình ngành

Participant, Buy Australian AI PartnershipThành viên tham gia, Buy Australian AI Partnership

National digital track, 2026. Delivered by Stone & Chalk, with the National AI Centre as Principal Sponsor.Nhóm digital track quốc gia, 2026. Do Stone & Chalk vận hành, National AI Centre là nhà tài trợ chính.

About the programVề chương trình

AI for healthAI cho y tế

Knowledge moves.
The record stays.Tri thức di chuyển.
Bệnh án ở lại.

Privacy-preserving AI infrastructure for hospitals and health systems. The model travels to the record; the record never travels to the model. Patient data stays with the institution holding it, and the model learns from many institutions at once. Hạ tầng AI bảo vệ quyền riêng tư cho bệnh viện. Mô hình đi tới bệnh án; bệnh án không đi tới mô hình. Dữ liệu không rời khỏi tổ chức đang giữ nó, và mô hình học từ kinh nghiệm của nhiều tổ chức cùng lúc.

Talk to XVitaLiên hệ XVita → See the agentsXem các AI agent

How it runsCách vận hành

Inside the hospitalTrong bệnh viện

Hospital ABệnh viện A

Hospital BBệnh viện B

Imaging siteCơ sở chẩn đoán hình ảnh

records stay insidebệnh án ở lại bên trong

ciphertext onlychỉ bản mã

Secure aggregationSecure aggregation

Computes the sum. Cannot read a single site's contribution.Tính tổng. Không đọc được phần đóng góp của bất kỳ cơ sở nào.

The problemBài toán

The knowledge exists. It is just never in one place.Tri thức đã có. Chỉ là không bao giờ nằm một chỗ.

Clinical AI is limited less by algorithms than by the impossibility of pooling patient data. Four things stand in the way — and none of them is a modelling problem. AI y tế bị giới hạn không phải bởi thuật toán, mà bởi việc không thể gom dữ liệu bệnh nhân về một nơi. Bốn rào cản, và không rào cản nào là bài toán mô hình.

One patientMột người bệnh

GP clinicPhòng khám

medicationthuốc

SpecialistChuyên khoa

consultationkhám

Pathology labXét nghiệm

resultskết quả

HospitalBệnh viện

dischargera viện

Four fragments of one patient, and no line that joins them — so anything that wants to learn from them starts by copying them somewhere else.Bốn mảnh của một người bệnh, không có đường nào nối chúng — nên thứ gì muốn học từ đó cũng bắt đầu bằng cách sao chép chúng đi nơi khác.

A record split across sitesBệnh án bị chia giữa nhiều nơi

No single clinician sees the whole patient. Medication history sits with one provider, imaging with another, pathology with a third, discharge notes with a fourth. An AI assistant reads a fraction of the record.Không bác sĩ nào thấy được toàn bộ người bệnh. Lịch sử dùng thuốc ở một nơi, hình ảnh ở nơi khác, xét nghiệm ở nơi thứ ba, giấy ra viện ở nơi thứ tư. Trợ lý AI chỉ đọc được một phần bệnh án.

Imaging locked in silosHình ảnh bị khoá trong từng kho riêng

A radiology model needs volume and variety. One hospital’s archive is large but narrow — the same scanners, referrals and population. What it most needs sits in other institutions.Mô hình chẩn đoán hình ảnh cần khối lượng và độ đa dạng. Kho của một bệnh viện thì lớn nhưng hẹp — cùng máy chụp, cùng luồng chỉ định, cùng nhóm dân số. Thứ nó cần nhất nằm ở cơ sở khác.

Rare conditions, too few casesBệnh hiếm, quá ít ca

A rare disease yields a handful of cases a year at any one hospital — not enough to train on. Across twenty hospitals it is a dataset. The patients who would benefit most from shared learning have the most siloed data.Một bệnh hiếm chỉ có vài ca mỗi năm ở một bệnh viện — không đủ để huấn luyện. Trên hai mươi bệnh viện thì đó là một tập dữ liệu. Bệnh nhân hưởng lợi nhiều nhất từ việc học chung lại là những người có dữ liệu chia cắt kỹ nhất.

Patient data cannot be sent to an APIDữ liệu bệnh nhân không thể gửi tới API

A language model is genuinely useful in clinical work — reading notes, summarising a history, drafting documentation. But a patient’s record is the most sensitive data an institution holds, and sending it to an external provider is not a configuration decision — in most jurisdictions it is not permitted at all.Mô hình ngôn ngữ rất có ích trong lâm sàng — đọc ghi chú, tóm tắt bệnh sử, soạn hồ sơ. Nhưng bệnh án là dữ liệu nhạy cảm nhất một tổ chức nắm giữ, và gửi nó ra nhà cung cấp bên ngoài không phải là tuỳ chọn cấu hình — ở phần lớn quốc gia, điều đó không được phép.

The principleNguyên tắc

Bring the computation to the patient record, not the record to the computation.Đưa phép tính tới bệnh án, không đưa bệnh án tới phép tính.

Conventional health AI copies the data to where it can be worked on. Each copy is another place to protect, another consent to account for, another record to erase, another boundary widened. XVita removes the copy rather than guarding it better. AI y tế thông thường sao chép dữ liệu tới nơi xử lý được. Mỗi bản sao là thêm một nơi phải bảo vệ, thêm một đồng thuận phải giải trình, thêm một bản ghi phải xoá, thêm một ranh giới bị mở. XVita bỏ hẳn bản sao thay vì canh nó kỹ hơn.

The differenceKhác biệt ở đâu

Conventional health AIAI y tế thông thường

Patient recordBệnh án Trained modelMô hình đã huấn luyện

A copy is made and a model trained on it. Ask that model about a patient: the record is still in there.Dữ liệu bị sao chép ra và huấn luyện mô hình trên đó. Hỏi mô hình ấy về một bệnh nhân: bệnh án vẫn còn trong đó.

XVitaXVita

Patient recordBệnh án KnowledgeKiến thức

No copy is made, so nothing can be read back. What the model learns stays locked to the record that produced it.Không có bản sao nào, nên không có gì đọc ngược lại được. Điều mô hình học được bị khoá chặt vào chính bệnh án đã tạo ra nó.

Commitment 01Cam kết 01

Privacy by designRiêng tư từ thiết kế

Not a promise not to look — the cryptography does not permit it. What a hospital owes its patients is met by an architecture that cannot do otherwise, not by good intentions.Không phải lời hứa sẽ không nhìn — mật mã không cho phép nhìn. Điều bệnh viện nợ bệnh nhân được trả bằng một kiến trúc không thể làm khác, không phải bằng thiện chí.

Commitment 02Cam kết 02

Security at the protocol layerAn ninh ở tầng giao thức

Access controls are misconfigured, credentials taken, insiders turned — health systems carry those risks at scale. At the protocol layer, an attacker holding the server has only encrypted data and no key.Kiểm soát truy cập cấu hình sai, thông tin đăng nhập bị lấy cắp, người trong nhà phản lại — hệ thống y tế mang những rủi ro đó ở quy mô lớn. Ở tầng giao thức, kẻ chiếm được máy chủ chỉ có dữ liệu đã mã hoá và không có khoá.

Commitment 03Cam kết 03

Accountability through an audit ledgerTrách nhiệm giải trình qua sổ kiểm toán

Every agent action — context read, model and version, reasoning chain, sources, rules triggered, confidence, and whether a clinician verified or overrode it — goes to a tamper-evident ledger under the hospital’s own key.Mọi hành động của AI agent — ngữ cảnh đã đọc, mô hình và phiên bản, chuỗi lập luận, nguồn, quy tắc đã kích hoạt, độ tin cậy, và việc bác sĩ xác nhận hay ghi đè — đều vào sổ chống sửa đổi, dưới khoá bệnh viện giữ.

What crosses the hospital's boundaryĐiều gì đi qua ranh giới của bệnh viện

No copy of a patient record exists outside the boundary — nothing to protect, nothing to enter in a consent register, nothing to erase on request.Không bản sao bệnh án nào tồn tại ngoài ranh giới — không gì phải bảo vệ, không gì phải ghi vào sổ đồng thuận, không gì phải xoá theo yêu cầu.

Inside the boundaryBên trong ranh giới

Never leaves the hospitalKhông bao giờ rời bệnh viện

Patient records and clinical notesBệnh án và ghi chú lâm sàng
Images and imaging studiesHình ảnh và các ca chẩn đoán hình ảnh
Patient identifiersThông tin định danh bệnh nhân
Cryptographic keys — held in the hospital's own infrastructureKhoá mật mã — giữ trong hạ tầng của chính bệnh viện
Any single site's contribution — masked by secure aggregationPhần đóng góp của từng cơ sở — được che bằng secure aggregation
Agent output and audit recordsKết quả của AI agent và bản ghi kiểm toán

Crosses, encryptedĐi qua, dạng mã hoá

Nothing elseKhông còn gì khác

Model updatesCập nhật mô hình

Encrypted at the source. Useless without the aggregation key.Mã hoá ngay tại nguồn. Vô dụng nếu không có khoá tổng hợp.
Shared modelMô hình chung

Returns encrypted, decrypted only inside each site's own infrastructure.Quay về dạng mã hoá, chỉ giải mã trong hạ tầng của từng cơ sở.

Two items. Both ciphertext.Hai thứ. Đều là bản mã.

ArchitectureKiến trúc

Federated training across sites. Inference inside the hospital.Federated learning giữa các cơ sở. Suy luận bên trong bệnh viện.

The architecture N2N operates in regulated financial services, applied to clinical data: federated learning so models train across sites without records moving, secure aggregation so no site’s contribution can be isolated, and on-premises inference so the agent never calls out. Kiến trúc N2N đang vận hành trong tài chính, áp dụng cho dữ liệu lâm sàng: federated learning để mô hình huấn luyện xuyên cơ sở mà không chuyển bệnh án, secure aggregation để không tách được phần đóng góp của cơ sở nào, và suy luận tại chỗ để AI agent không bao giờ gọi ra ngoài.

The federated training flowLuồng federated learning

Tier 1 · each site, inside its own boundaryTầng 1 · từng cơ sở, trong ranh giới của chính mình

Hospital ABệnh viện A

patient recordsbệnh án

does not movekhông di chuyển

Hospital BBệnh viện B

patient recordsbệnh án

does not movekhông di chuyển

Imaging siteCơ sở chẩn đoán hình ảnh

imaging archivekho hình ảnh

does not movekhông di chuyển

the only thing that leaves: an encrypted model updatethứ duy nhất rời đi: một cập nhật mô hình đã mã hoá

Secure aggregationSecure aggregation

Only encrypted updates arrive. The aggregation computes the sum and cannot isolate any site's contribution — including N2N's own. No hospital's patients are ever the reason the model improved, so far as anyone outside can tell.Chỉ những cập nhật đã mã hoá đến được. Phép tổng hợp tính ra tổng và không tách được phần đóng góp của cơ sở nào — kể cả góc nhìn của chính N2N. Bệnh nhân của một bệnh viện không bao giờ là lý do mô hình tốt lên, xét theo những gì bên ngoài có thể biết.

sum computed · contributions never separatedtính ra tổng · không bao giờ tách rời phần đóng góp

Tier 3 · back inside the institutionTầng 3 · trở lại bên trong tổ chức

The shared model returns encrypted and is decrypted and served inside each site’s own infrastructure. Nothing about a patient is sent to an external API.Mô hình chung quay về dạng mã hoá, được giải mã và phục vụ trong hạ tầng của từng cơ sở. Không thông tin nào về bệnh nhân được gửi tới API bên ngoài.

Inference runs entirely on premisesSuy luận chạy hoàn toàn tại chỗ

A new patient’s data goes to a model already inside the hospital. The output is produced on site and stays in the hospital’s systems. No record, image or identifier reaches an external API.Dữ liệu bệnh nhân mới đi vào một mô hình đã nằm sẵn trong bệnh viện. Kết quả tạo tại chỗ và ở lại trong hệ thống bệnh viện. Không bệnh án, hình ảnh hay định danh nào đi tới API bên ngoài.

Why cryptography as well as federated learningVì sao cần cả mật mã lẫn federated learning

Federated learning alone is not enough: model updates can be inverted to reconstruct training data, and for medical text and imaging that risk is not theoretical. XVita adds secure aggregation, secure multi-party computation and a trusted execution environment.Federated learning một mình là chưa đủ: cập nhật mô hình có thể bị đảo ngược để tái tạo dữ liệu huấn luyện, và với văn bản y khoa cùng hình ảnh, rủi ro đó không phải giả thuyết. XVita ghép thêm secure aggregation, SMPC và TEE.

The agentsCác AI agent

illustrativeminh hoạ

Two agents, trained across sites, running inside the hospital.Hai AI agent, huấn luyện xuyên cơ sở, chạy bên trong bệnh viện.

Federation is what makes these two agents possible without patient data leaving. One works on text, one on images, and both read only what the hospital already holds. Kiến trúc liên kết khiến hai AI agent này khả thi mà không cần dữ liệu bệnh nhân rời đi. Một agent làm việc với văn bản, một với hình ảnh, cả hai chỉ đọc những gì bệnh viện đang có.

Agent 01AI agent 01

Medical text agentAI agent văn bản y khoa

Reads fromĐọc từ

notesghi chú pathologyxét nghiệm dischargera viện referralchuyển tuyến

One recordMột bệnh án every line carries its sourcemỗi dòng đều mang theo nguồn

Reads the textual record: notes, history, medications, pathology, discharge summaries, referrals. It reconstructs one picture of the patient from documents never written to be read together, and says where each part came from.Đọc phần văn bản của bệnh án: ghi chú, bệnh sử, thuốc, xét nghiệm, giấy ra viện, thư chuyển tuyến. Nó dựng lại một bức tranh về người bệnh từ những tài liệu vốn không được viết để đọc cùng nhau, và nói rõ từng phần đến từ đâu.

Reconciling a history. Medication, allergy and past visits in one view, with the source document attached to every claim.Đối chiếu bệnh sử. Thuốc, dị ứng và các lần khám trước trong một góc nhìn, kèm tài liệu nguồn cho từng khẳng định.

Documentation. Discharge summaries, referral letters and structured entries drafted from notes the clinician already wrote.Soạn thảo hồ sơ. Giấy ra viện, thư chuyển tuyến và các mục dữ liệu có cấu trúc, soạn từ ghi chú bác sĩ đã viết.

Answering questions about a record. The clinician asks; the agent answers from that patient's file only, and cites the passage.Trả lời câu hỏi về bệnh án. Bác sĩ hỏi; AI agent chỉ trả lời từ hồ sơ của bệnh nhân đó, và trích dẫn đoạn đã dùng.

Trained by federation. Sites train on their own notes; only the learning is shared.Federated learning. Các cơ sở huấn luyện trên ghi chú của mình; chỉ phần đã học được chia sẻ.

Agent 02AI agent 02

Medical image agentAI agent hình ảnh y khoa

Compares againstSo với

previous studyca chụp trước current studyca chụp nay

What changedĐiều đã thay đổi against that patient's own historyso với chính bệnh sử của bệnh nhân

Reads imaging studies and the findings written about them — not to replace a radiologist, but so nothing in the archive is missed and the same finding reads the same everywhere. Its value comes from the variety it trained on, which only federation unlocks.Đọc các ca chẩn đoán hình ảnh và phần kết luận viết về chúng — không phải để thay bác sĩ chẩn đoán hình ảnh, mà để không bỏ sót gì trong kho ảnh và cùng một tổn thương được đọc giống nhau ở mọi nơi. Giá trị của nó đến từ độ đa dạng dữ liệu đã huấn luyện — thứ chỉ federated learning mở ra.

Triage and prioritisation. Ordering the worklist so studies most likely to need attention are read first, with the reasoning attached.Phân loại và ưu tiên. Sắp xếp danh sách ca đọc để những ca dễ cần chú ý nhất được đọc trước, kèm lý do.

Change detection over time. Comparing a study with the patient's own previous studies, and surfacing what has changed.Phát hiện thay đổi theo thời gian. So sánh một ca chụp với các ca trước đó của chính bệnh nhân, và nêu ra những gì đã thay đổi.

Consistency of reporting. Findings drafted in one structure, so a patient's record reads the same whoever wrote it.Nhất quán trong mô tả. Kết luận được soạn theo một cấu trúc, để bệnh án của bệnh nhân được đọc giống nhau dù ai viết.

Trained by federation. Imaging archives stay put. Only what the model learned crosses between sites, never what it saw — the only way to train on a representative population.Federated learning. Kho hình ảnh vẫn ở nguyên chỗ. Thứ đi qua giữa các cơ sở là điều mô hình đã học, không phải điều nó đã thấy — cách duy nhất để huấn luyện trên nhóm dân số đủ rộng.

Both agents assist; neither decides. Every action goes to the audit ledger, every output is attributable to a source, and every clinician override is recorded as such. The decision stays with the clinician.Cả hai AI agent hỗ trợ, không quyết định. Mọi hành động vào sổ kiểm toán, mọi kết quả truy được về nguồn, mọi bước bị bác sĩ ghi đè đều được ghi nhận. Quyết định lâm sàng vẫn thuộc về bác sĩ.

ApplicationsỨng dụng

Where the architecture pays for itself first.Nơi kiến trúc này hoàn vốn trước tiên.

Clinical documentationHồ sơ lâm sàng

Summarising a long history before a consultation, drafting discharge and referral letters, structuring free-text notes — all inside the hospital, so the record never leaves to be summarised.Tóm tắt bệnh sử dài trước một buổi khám, soạn giấy ra viện và thư chuyển tuyến, cấu trúc hoá ghi chú dạng văn bản tự do — tất cả trong bệnh viện, nên bệnh án không bao giờ phải rời đi để được tóm tắt.

Imaging triage and change detectionPhân loại hình ảnh và phát hiện thay đổi

Prioritising worklists, comparing a study against the patient's own prior studies, flagging what has changed. The archive stays in the hospital; only the trained model is shared.Ưu tiên danh sách ca đọc, so sánh một ca chụp với các ca trước đó của chính bệnh nhân, đánh dấu những gì đã thay đổi. Kho ảnh vẫn ở bệnh viện; chỉ mô hình đã huấn luyện được chia sẻ.

Rare-disease study across sitesNghiên cứu bệnh hiếm xuyên cơ sở

A cohort too small at any one hospital becomes a usable study across many — no site hands over a record, no patient is identifiable from what crosses.Một nhóm bệnh quá nhỏ ở từng bệnh viện trở thành một nghiên cứu khả thi khi gộp nhiều nơi — không cơ sở nào phải giao bệnh án, không bệnh nhân nào bị nhận diện từ những gì đi qua.

AI audit ledgerSổ kiểm toán AI

The piece that requires no consortium at all, and the recommended place to start: an attributable, tamper-evident record of what every agent did, held under the hospital's own key.Phần không cần liên danh nào cả, và là nơi được khuyến nghị bắt đầu: một bản ghi truy được nguồn, chống sửa đổi về mọi việc AI agent đã làm, giữ dưới khoá của chính bệnh viện.

A deliberate constraintMột giới hạn có chủ ý

No patient data, no patient identifiers, no exceptionsKhông dữ liệu bệnh nhân, không thông tin định danh, không ngoại lệ

De-identification is not the same guarantee as non-disclosure. XVita relies not on removing identifiers but on there being no copy in the first place — the arithmetic happens where the record already sits.Xoá danh tính không đồng nghĩa với bảo mật tuyệt đối. XVita không phụ thuộc vào việc ẩn danh dữ liệu, mà đảm bảo dữ liệu gốc chưa từng bị sao chép — mọi phép tính đều diễn ra ngay tại nơi lưu trữ.

The principle N2N states for financial services applies unchanged: intelligence moves, data stays. In healthcare the cost of getting it wrong is not a fine — it is a patient’s privacy, and the trust a health system runs on.Nguyên tắc N2N nêu cho tài chính vẫn nguyên vẹn ở y tế: trí tuệ di chuyển, dữ liệu ở lại. Trong y tế, cái giá của việc làm sai không phải một khoản phạt — mà là quyền riêng tư của bệnh nhân, và lòng tin cả hệ thống y tế vận hành dựa vào.

the identifier field is never filledô định danh chưa từng được điền

Why nowVì sao bây giờ

Health data is the category regulators watch most closely.Dữ liệu y tế là loại dữ liệu bị giám sát chặt nhất.

Health information sits in the most sensitive tier of personal data protection wherever it is regulated, and demand for AI in clinical work has moved from pilot to expectation in two years. The conventional route — collect the data, train centrally — is closing, not opening. Thông tin sức khoẻ nằm ở nhóm nhạy cảm nhất của pháp luật bảo vệ dữ liệu cá nhân ở bất cứ đâu có quy định, và nhu cầu về AI trong công việc lâm sàng đã chuyển từ thử nghiệm sang kỳ vọng trong hai năm. Con đường thông thường — gom dữ liệu lại, huấn luyện tập trung — đang khép lại, không mở ra.

RegulationQuy định AI demandNhu cầu AI

What this means in practiceĐiều này nghĩa là gì trên thực tế

De-identification is not a safe harbour.Loại bỏ định danh không phải nơi trú ẩn an toàn.

Removing identifiers does not make a record non-personal, and re-identification from clinical detail has been demonstrated repeatedly.Xoá thông tin định danh không làm hồ sơ trở thành phi cá nhân, và việc tái nhận diện từ chi tiết lâm sàng đã được chứng minh nhiều lần.

Cross-border transfer is the hard constraint.Chuyển dữ liệu xuyên biên giới là ràng buộc khó nhất.

The rules are strictest for health data, and no policy commitment cures them. On-premises inference removes the question.Các quy định chặt nhất với dữ liệu y tế, và không cam kết chính sách nào khắc phục được. Suy luận tại chỗ loại bỏ câu hỏi đó.

Automated clinical decisions need an explanation trail.Quyết định lâm sàng tự động cần dấu vết giải thích.

What data informed a result, which rules applied, who verified it — produced by the hospital, not a vendor's dashboard.Dữ liệu nào dẫn tới kết quả, quy tắc nào đã áp dụng, ai đã xác nhận — do bệnh viện tạo ra, không phải bảng điều khiển của nhà cung cấp.

Consent has to survive the architecture.Đồng thuận phải tồn tại qua kiến trúc.

Consent to care at one hospital is not consent to train a model elsewhere.Đồng thuận điều trị ở một bệnh viện không phải là đồng thuận huấn luyện mô hình ở nơi khác.

Jurisdiction-neutral: the instruments that apply are a matter for the deploying institution and its counsel.Không gắn với một quốc gia nào: các văn bản được áp dụng là việc của tổ chức triển khai và đơn vị tư vấn pháp lý của họ.

Knowledge moves.The record stays.Tri thức di chuyển.Bệnh án ở lại.

The knowledge exists. It is just never in one place.Tri thức đã có. Chỉ là không bao giờ nằm một chỗ.

A record split across sitesBệnh án bị chia giữa nhiều nơi

Imaging locked in silosHình ảnh bị khoá trong từng kho riêng

Rare conditions, too few casesBệnh hiếm, quá ít ca

Patient data cannot be sent to an APIDữ liệu bệnh nhân không thể gửi tới API

Bring the computation to the patient record, not the record to the computation.Đưa phép tính tới bệnh án, không đưa bệnh án tới phép tính.

Privacy by designRiêng tư từ thiết kế

Security at the protocol layerAn ninh ở tầng giao thức

Accountability through an audit ledgerTrách nhiệm giải trình qua sổ kiểm toán

Federated training across sites. Inference inside the hospital.Federated learning giữa các cơ sở. Suy luận bên trong bệnh viện.

Inference runs entirely on premisesSuy luận chạy hoàn toàn tại chỗ

Why cryptography as well as federated learningVì sao cần cả mật mã lẫn federated learning

Two agents, trained across sites, running inside the hospital.Hai AI agent, huấn luyện xuyên cơ sở, chạy bên trong bệnh viện.

Medical text agentAI agent văn bản y khoa

Medical image agentAI agent hình ảnh y khoa

Where the architecture pays for itself first.Nơi kiến trúc này hoàn vốn trước tiên.

Clinical documentationHồ sơ lâm sàng

Imaging triage and change detectionPhân loại hình ảnh và phát hiện thay đổi

Rare-disease study across sitesNghiên cứu bệnh hiếm xuyên cơ sở

AI audit ledgerSổ kiểm toán AI

No patient data, no patient identifiers, no exceptionsKhông dữ liệu bệnh nhân, không thông tin định danh, không ngoại lệ

Health data is the category regulators watch most closely.Dữ liệu y tế là loại dữ liệu bị giám sát chặt nhất.

Start with one ward,or one study.Bắt đầu từ một khoa,hoặc một nghiên cứu.

Knowledge moves.
The record stays.Tri thức di chuyển.
Bệnh án ở lại.

Start with one ward,
or one study.Bắt đầu từ một khoa,
hoặc một nghiên cứu.