Presagen的联合创始人兼首席科学家Jonathan Hall博士说：“通过分散式AI培训，该AI会移动到数据，进行训练，然后再移动到下一个数据源。只有代表该数据的一般性学习的AI被共享，而不是私人数据本身。这使我们的团队可以针对从未见过的私人患者数据训练AI。”

意外而激动人心的结果表明，与使用传统的集中式方法对相同数据进行训练相比，分散式AI训练可以实现更高的准确性。当数据质量较差时，该技术将成为自校正技术，并且精度提高了10%以上。

联合创始人兼首席执行官Michelle Perugini博士说：“这一结果对于开发商业AI产品至关重要。像医疗保健这样的现实世界问题并非Kaggle竞争。由于主观性或临床不确定性，数据本质上质量较差。重要的是，当您无法亲自看到时或验证数据，您将遭受数据提供者有意插入质量低劣数据的对抗攻击。对于AI而言，为您可靠，自动地处理这些情况非常重要，这减少了手动处理，清理和验证数据的需要。对于AI公司而言，这是一笔巨大的费用，而且还可能侵犯患者的隐私权。”

CB Insights的报告《 2020年的人工智能趋势》引述Google Sundar Pichai的首席执行官的话说：“在用户隐私和控制方面，这一直是我们关注的重点...例如，正在进行中的联合学习正在进行中，例如，针对三个人的联合学习年...我认为这是我们正在努力的最重要领域之一。”

Google拥有自己的专利联合学习技术，该技术最初旨在在单个手机上运行AI。Presagen的替代技术专为来自数据源(例如诊所)的分布式节点和不平衡数据集群而设计，确保在保持可扩展性和效率的同时，不会移动或共享私有数据。

Presagen联合创始人兼首席战略官Don Perugini博士说：“联合学习对于在医疗保健行业开展业务的AI公司构建可扩展商业化的AI医疗产品将变得至关重要。可扩展且公正的AI需要训练不同的数据集，这些数据集代表不同的患者人群然而，许多国家/地区的健康隐私法都禁止私人临床数据离开原籍国。联合学习使AI可以在全球不同的数据集上进行训练，而无需移动或集中数据，从而创建可用于临床和临床的AI产品。世界各地的患者都可以使用和依赖。”

Presagen的AI开放项目计划为Presagen的联合学习提供了支持，该计划目前专注于服务不足的女性健康部门(Femtech)。Presagen宣布呼吁“项目”(这是正在开发的特定医疗产品)向全球诊所提供数据。诊所可以通过拖放功能将其以预先指定的格式从诊所注释和验证的数据轻松“连接”到Presagen的在线临床数据门户上。数据保留在原始国家/地区的安全本地云服务器上，准备进行分散式AI培训。这也将数据标记和预处理的工作转移到拥有适当专业知识的诊所，从而消除了AI公司的巨额成本和障碍。作为对提供标记数据和临床试验支持的回报，Presagen一旦商品化，就会向该产品的全球销售提供版税。这样一来，任何规模的诊所都可以在任何地方利用货币获利，而不会产生技术或商业成本和风险。