Federated Learning

Federated Learning (FL) allows hospitals to participate in collaborative AI research without compromising patient data privacy.

The Approach

Instead of centralizing data into a single data lake, the Base Platform sends the untrained model to the hospital’s edge infrastructure. The local node trains the model on the local data, and only the updated model parameters (weights/gradients) are sent back to the central aggregator.

Real-World Evidence (RWE) on Edge

ColabBio invierte el paradigma tradicional: los datos no viajan a los algoritmos, sino que los algoritmos viajan a los datos. Al desplegarse en el Edge (servidores locales del hospital), conseguimos:

• Para el Hospital: Gobernanza absoluta (Zero-Trust). Nadie toca la base de datos clínica; todo el acceso está abstraído por el MedVFS.
• Para TI: Infraestructura estandarizada (Kubernetes, MLflow, Triton) evitando arquitecturas espagueti.
• Para los Tenants (Pharma): Cero fricción operativa. Sus modelos opacos acceden al dato local, y lo único que se extrae del hospital es el .pt (pesos neuronales), habilitando el Aprendizaje Federado puro.

Configuration

Federated nodes can be enabled in the values.yaml during deployment:

federation:
  enabled: true
  aggregatorUrl: "wss://aggregator.colabbio.net"
  nodeId: "vhio-node-01"