Validación médica e estándares clínicos para Análise de sangue con IA
Unha referencia interna e automatizada do motor de IA Kantesti, elaborada polo noso Director Médico e non validada de forma independente nin revisada por pares, detrás de Analizador de análises de sangue con IA.
Probas e documentación primarias
A cifra de rendemento desta páxina procede do noso propio banco de probas automatizado e de código aberto, con código e scorecards publicados de forma aberta. Trátase dun banco de probas técnico reproducible, non dunha validación independente ou regulatoria, e non é unha medida da precisión diagnóstica no mundo real. Accede ao código e aos datos a continuación.
Kantesti Motor de IA — Interpretación análise de sangue Benchmark
Puntuación composta automatizada en 100.000 casos sintéticos con 127 etiquetas de país
Visión xeral do banco de probas e da metodoloxía
Kantesti's Interpretación de análises de sangue con IA a plataforma sométese a unha validación médica rigorosa como parte do noso proceso interno de calidade. O rendemento mídese cun banco de probas interno, automatizado e de código aberto.
Esta páxina documenta ese banco de probas, a nosa estrutura de supervisión por médicos e o noso proceso continuo de control da calidade. O banco de probas é unha avaliación técnica, non un ensaio clínico nin unha validación regulatoria.
Rendemento interno do banco de probas (composto)
Este é o resultado do noso banco de probas interno, automatizado e de código aberto. É autoexecutado e non foi validado de forma independente nin revisado por pares.
Resultado global do benchmark
Puntuación composta do benchmark: 99,80% (autoejecutado, non revisado por pares) — o resultado global do noso banco de probas automatizado, de código aberto, en 100.000 casos sintéticos con 127 etiquetas de país. A composta é unha mestura métrica técnica (35% validez da estrutura de saída + 55% recuperación de palabras clave clínicas + 10% latencia); é non unha medida da precisión diagnóstica, e non foi validada de forma independente nin revisada por pares. Consulta o código e os datos en GitHub
O benchmark produce unha única puntuación composta a partir dun arnés automatizado; non produce cifras de sensibilidade/especificidade por categoría de proba. Os cadros de puntuación completos por caso están no repositorio aberto.
Consello Asesor Médico
O noso Consello Asesor Médico proporciona supervisión clínica para todo o desenvolvemento e validación de algoritmos de IA. Os membros do consello representan especialidades diversas en varios países, en medicina clínica.
Thomas Klein, doutor en medicina
Director Médico Xefe (CMO) Hematoloxía clínica e diagnóstico de IADra. Sarah Mitchell, doutora en medicina e doutora en doutoramento
Asesor médico xefe Patoloxía Clínica e Medicina de LaboratorioProfesor Dr. Hans Weber
Asesor médico sénior Medicina de Laboratorio e Química ClínicaDra. María Rodríguez, MD, MPH
Asesor médico Medicina Interna e Medicina PreventivaDoutor Chen Wei, doutor en medicina e mestrado en ciencias
Asesor médico Endocrinoloxía e Medicina MetabólicaCoñece o noso Consello Asesor Médico completo con perfís detallados, credenciais e experiencia investigadora.
Ver todos os asesores →Monitorización continua da calidade
Tras a posta en produción, o motor monitorízase mediante controis operativos internos e un feedback estruturado por parte dos usuarios e do noso Consello Asesor Médico. Trátase de seguimento interno e non dun estudo independente de resultados clínicos.
Informes mensuais de rendemento
Análise exhaustiva de precisión en todas as categorías de biomarcadores, segmentos demográficos e rexións xeográficas. A identificación de tendencias permite unha xestión proactiva da calidade.
Comentarios dos provedores de atención médica
Integración estruturada de comentarios de médicos e profesionais de laboratorio. As interpretacións sinaladas son revisadas polo Consello Asesor Médico e as correccións están integradas na formación.
Datos de formación e garantía de calidade
O noso proceso de garantía de calidade aplica controis estándar aos datos utilizados pola plataforma.
Controis de calidade
Garantía da calidade dos datos en varias etapas:
- Eliminación de rexistros incompletos ou corruptos
- Detección de valores atípicos para erros preanalíticos
- Verificación da procedencia para todos os conxuntos de datos
- Anonimización conforme a HIPAA/GDPR
Socios tecnolóxicos e de cumprimento
A nosa infraestrutura de validación e o desenvolvemento da IA están apoiados por asociacións con provedores de tecnoloxía líderes do sector.
Centro de fundadores de Microsoft
Infraestrutura na nube e plataforma de desenvolvemento de IA de nivel empresarial que admite fluxos de traballo de validación escalables.
Programa de creación de NVIDIA
Recursos de computación GPU e optimización do modelo de IA que permiten adestramento e optimización eficientes do modelo.
IA de Google Cloud
Infraestrutura de aprendizaxe automática que admite o adestramento de modelos distribuídos e a inferencia en tempo real.
Cloudflare
Rede global de edge que garante acceso seguro e de baixa latencia a nivel mundial.
Conforme coa HIPAA
Garantías de protección de datos sanitarios dos Estados Unidos
Conforme co RGPD
Regulamento europeo de protección de datos
Uso axeitado e limitacións
A transparencia sobre as capacidades e limitacións é esencial para un despregamento responsable da IA na atención sanitaria. Kantesti está deseñado como unha ferramenta de apoio á toma de decisións para complementar, non substituír, o xuízo médico profesional.
Información non accedida
A nosa IA interpreta os datos dos biomarcadores de forma illada. O seguinte contexto clínico non está dispoñible para o sistema:
- Historial médico completo do paciente
- Medicamentos actuais e posibles interaccións
- Achados da exploración física
- Factores xenéticos e antecedentes familiares
- Factores do estilo de vida (a non ser que os proporcione o usuario)
Variacións da metodoloxía de laboratorio
Os intervalos de referencia varían entre laboratorios debido ás diferenzas de equipamento e aos estándares de calibración. A nosa base de datos de intervalos de referencia específicos de laboratorio aborda moitas variacións, pero os usuarios deben verificar que os valores extraídos coinciden co seu informe orixinal.
Consideracións sobre a calidade dos documentos
A precisión do OCR depende da calidade do documento. Os resultados manuscritos ou as dixitalizacións de baixa resolución poden afectar á extracción de valores. A corrección manual está dispoñible para todos os valores extraídos antes da análise.
Exención de responsabilidade médica
Kantesti é unha ferramenta informativa impulsada pola IA que interpreta os resultados das análises de sangue segundo os rangos de referencia médica establecidos e as directrices clínicas. NON é un dispositivo médico e non diagnostica, trata, cura nin prevén ningunha enfermidade.
A información proporcionada ten fins educativos e informativos unicamente e non debe considerarse consello médico. Consulte sempre cun profesional sanitario cualificado antes de tomar decisións sobre a súa saúde ou o seu tratamento.
En caso de emerxencia médica, póñase en contacto cos servizos de emerxencia inmediatamente. Kantesti non está deseñado para situacións de emerxencia.
Divulgación de conflitos de intereses e financiamento
Esta documentación de validación é publicada por Kantesti Ltd (UK Companies House No. 17090423), con sede central en Londres, Reino Unido. Os membros do Consello Asesor Médico reciben compensación polos seus roles de asesoramento. O Director Médico (Thomas Klein, MD) é un empregado a tempo completo de Kantesti Ltd. Toda a validación aquí reportada é interna de Kantesti e non foi verificada de forma independente nin revisada por pares. Non se recibiu financiamento externo para estudos de validación. A empresa está autofinanciada mediante ingresos e asociacións tecnolóxicas con Microsoft for Startups, NVIDIA Inception, Google Cloud e Cloudflare.
Preguntas frecuentes sobre a validación médica
Con que frecuencia se actualiza o modelo de IA?
O noso modelo se somete a adestramento trimestral, incorporando novos datos validados, directrices clínicas actualizadas e investigación emerxente sobre biomarcadores. Cada actualización verifícase fronte ao noso banco de probas automatizado interno antes da súa implantación. As actualizacións que non cumpren o umbral do noso banco de probas non se envían.
Como se informa o rendemento de referencia?
O rendemento informase como unha única puntuación composta do noso banco de probas automatizado, non como precisión diagnóstica por categorías. A composta combina validez da estrutura da saída, recuperación de palabras clave clínicas e latencia, e é só unha medida técnica.
Podo confiar na interpretación da IA para as decisións médicas?
Kantesti está deseñado como unha ferramenta de apoio á toma de decisións, non como un substituto do xuízo médico profesional. A nosa IA proporciona interpretacións validadas baseadas en rangos de referencia establecidos, pero o contexto clínico (incluído o historial médico, os medicamentos e os síntomas) require unha avaliación médica para tomar decisións de tratamento. Consulte sempre co seu profesional sanitario.
Cantos casos e etiquetas de país cobre o benchmark?
O banco de probas automatizado executa 100.000 casos sintéticos que abranguen 127 etiquetas de país. Trátase dun banco de probas técnico de contido e formato, non dun estudo de precisión demográfica, e non foi validado de forma independente nin revisado por pares.
Que ocorre se a IA comete un erro?
Os profesionais sanitarios e os usuarios poden sinalizar as interpretacións para que a revisen o Consello Asesor Médico. Os casos sinalados son analizados polo noso director de mercadotecnia, o doutor en medicina Thomas Klein, e o equipo médico. Se se confirman os erros, as correccións intégranse nos futuros ciclos de formación. A nosa monitorización continua fai un seguimento do rendemento no mundo real para identificar e abordar os problemas sistemáticos de forma proactiva.
Onde podo atopar o informe de validación completo?
A nosa metodoloxía de referencia, código e scorecards por caso están dispoñibles publicamente: o benchmark de análise de sangue do motor de IA Kantesti en GitHub (https://github.com/emirhanai/kantesti-blood-test-benchmark) e o rexistro en Figshare (DOI: 10.6084/m9.figshare.32095435). Trátase dun benchmark automatizado e executado por conta propia, non validado de maneira independente nin revisado por pares.
Quen revisa o contido médico en Kantesti?
Todo o contido médico está escrito e revisado por Thomas Klein, MD, o noso Director Médico. O Dr. Klein é un hematólogo clínico certificado polo consello, afiliado ao Departamento de Hematoloxía da Universidade de Nisantasi de Estambul, con 15+ anos de experiencia en medicina de laboratorio e interpretación apoiada por IA. Ademais, o noso Consello Asesor Médico proporciona supervisión adicional.
Experiencia de análise de sangue asistida por IA
Únete a millóns de usuarios de todo o mundo que confían Analizador de análises de sangue con IA de Kantesti para a interpretación de análises de sangue informativa asistida por IA en 75+ idiomas.
Transparencia corporativa
Cremos na total transparencia sobre quen somos e como operamos. A continuación atoparás os detalles do rexistro da nosa empresa e información sobre a dirección.
A marzo de 2026, o IA de Kantesti plataforma — actualmente operando como Kantesti V11 — é xestionada por Kantesti Ltd., unha sociedade de responsabilidade limitada constituída en Inglaterra e Gales (UK Companies House núm. 17090423), coa súa sede rexistrada en Londres, Reino Unido. Esta incorporación no Reino Unido consolida as operacións globais baixo unha única estrutura corporativa transparente, rexida polos estándares reguladores do Reino Unido, construíndo sobre os traballos de desenvolvemento iniciados en 2019. A mesma rede neuronal propietaria — interpretando máis de 15.000 biomarcadores en 75+ idiomas para máis de 2 millóns de usuarios en 127 países — segue a ser desenvolvida e mantida polos mesmos equipos de enxeñaría e médicos. O noso benchmarking interno, a supervisión do Consello Asesor Médico e as colaboracións con Microsoft for Startups (Founders Hub), NVIDIA Inception e Google Cloud permanecen inalteradas. Os usuarios de todo o mundo manteñen acceso á mesma calidade de servizo, agora respaldada por unha gobernanza corporativa do Reino Unido reforzada xunto coa nosa existente conformidade con GDPR (UE) e HIPAA (EUA).
Kantesti AI · Kantesti Ltd
Nomes comerciais: Kantesti, Kantesti AI
Entidade xurídica: Kantesti Ltd (Sociedade de responsabilidade limitada)
Companies House núm.: 17090423
Xurisdición: Inglaterra e Gales, Reino Unido
Tipo de negocio: Tecnoloxía sanitaria con IA (SaaS)
Fundada: 2019 · Entidade do Reino Unido rexistrada: Marzo de 2026
Sede: 4 Raven Road, Unidade 1c3-1100, Londres, E18 1HB, Reino Unido
Versión da aplicación: Kantesti V11
Contacto: [email protected]
Teléfono do Reino Unido: +44 7508 364740 (Lun–Ven 9:00–18:00 GMT)
Teléfono DE: +49 177 497 4039 (Lun–Ven 9:00–18:00 CET)
Liderado
Fundador e CEO: Julián Emirhan Bulut
Emprendedor visionario que lidera a innovación en IA na tecnoloxía sanitaria. Desenvolve ferramentas accesibles de interpretación de análises de sangue para a mellora da saúde global.
Conectar en LinkedInXefe médico: Thomas Klein, doutor en medicina
Hematólogo clínico certificado polo consello, que lidera a supervisión clínica do noso contido médico.
Conformidade
Protección de datos: Conforme co RGPD (UE)
Privacidade sanitaria: Conforme á HIPAA (EE. UU.)
Dispositivo médico: Non clasificado como dispositivo médico: só ferramenta informativa
Referencias e estándares
A nosa metodoloxía de validación e os nosos estándares clínicos baséanse en directrices médicas establecidas e estándares internacionais.
- [1] Organización Mundial da Saúde (OMS). Uso da hemoglobina glicada (HbA1c) no diagnóstico da diabetes mellitus. Xenebra: OMS; 2011. Dispoñible en: https://www.who.int/diabetes/publications/diagnosis_diabetes2011/en/
- [2] Organización Internacional de Normalización. ISO 15189:2022 Laboratorios médicos — Requisitos de calidade e competencia. Xenebra: ISO; 2022. https://www.iso.org/standard/76677.html
- [3] Instituto de Normas Clínicas e de Laboratorio (CLSI). EP09c: Comparación de procedementos de medición e estimación do sesgo utilizando mostras de pacientes. 3ª ed. Wayne, PA: CLSI; 2018.
- [4] Institutos Nacionais de Saúde (NIH). Rangos de referencia das análises de sangue. Bethesda, MD: NIH; Actualizado en 2024. Dispoñible en: MedlinePlus
- [5] Asociación Americana de Química Clínica (AACC). Rangos de referencia para probas de laboratorio. Washington, D.C.: AACC; 2024. https://www.aacc.org/
- [6] Federación Internacional de Química Clínica (IFCC). Procedementos de medición de referencia. Milán: IFCC; 2023. https://www.ifcc.org/
- [7] Bulut J E. Kantesti Motor de IA — Benchmark de interpretación de análises de sangue (arnés automatizado, de código aberto). Kantesti Ltd; 2026. Código e datos: GitHub · DOI: 10.6084/m9.figshare.32095435
- [8] Departamento de Saúde e Servizos Humanos dos Estados Unidos. Norma de privacidade da HIPAA. 45 CFR Parte 160 e Subpartes A e E da Parte 164. Washington, DC: HHS; 2013.
- [9] Parlamento Europeo e Consello. Regulamento Xeral de Protección de Datos (RXPD). Regulamento (UE) 2016/679. Bruxelas: UE; 2016.