Orvosi validálás és klinikai szabványok AI vérvizsgálat elemzése
A Kantesti mesterséges intelligencia-motor belső, automatizált benchmarkja, amelyet a Főorvosunk (Chief Medical Officer) írt, és amelyet nem validáltak függetlenül, illetve nem ment át szakértői (peer) felülvizsgálaton, a AI vérvizsgálati analizátor.
Elsődleges bizonyítékok és dokumentáció
Az ezen az oldalon szereplő teljesítményadat a saját, automatizált, nyílt forráskódú benchmark-keretrendszerünkből származik, amelynek kódját és pontozólapjait nyilvánosan közzétesszük. Ez egy reprodukálható technikai benchmark, nem pedig független vagy szabályozói érvényesítés, és nem a valós körülmények közötti diagnosztikai pontosság mérőszáma. A kódot és az adatokat az alábbiakban érheti el.
Kantesti AI Engine — Vérkép értelmezése benchmark
Automatizált kompozit pontozás 100 000 szintetikus esetben, 127 országcímke mellett
Benchmark és módszertan áttekintése
Kantesti AI vérvizsgálat értelmezése a platform szigorú orvosi validáción esik át a belső minőségbiztosítási folyamatunk részeként. A teljesítmény mérése egy belső, automatizált, nyílt forráskódú benchmark-keretrendszerrel történik.
Ez az oldal dokumentálja ezt a benchmarkot, az orvosok általi felügyeleti struktúránkat, valamint a folyamatos minőségellenőrzési folyamatunkat. A benchmark technikai értékelés, nem pedig klinikai vizsgálat vagy szabályozói validáció.
Belső benchmark teljesítmény (összetett)
Ez a saját, belső, automatizált, nyílt forráskódú benchmark-keretrendszerünk eredménye. Saját futtatású, és nem lett függetlenül validálva vagy lektorálva.
Átfogó benchmark-eredmény
Kompozit benchmark pontszám: 99,80% (saját futtatás, nem szakértői értékeléssel ellenőrzött) — a 100 000 szintetikus esetben, 127 országcímke mellett futtatott automatizált, nyílt forráskódú benchmark-keretrendszerünk teljes eredménye. A kompozit egy kevert technikai mutató (35% kimeneti-struktúra érvényesség + 55% klinikai kulcsszó-visszahívás + 10% késleltetés); ez nem a diagnosztikai pontosság mértéke, és nem került független validálásra vagy szakértői értékelésre. Lásd a kódot és az adatokat a GitHubon
A benchmark egyetlen kompozit pontszámot ad egy automatizált keretrendszerből; nem ad tesztenkénti érzékenység/specificitás értékeket. A teljes, esetenkénti pontozólapok a nyílt adattárban találhatók.
Orvosi Tanácsadó Testület
Az Orvosi Tanácsadó Testületünk klinikai felügyeletet biztosít az összes AI-algoritmus fejlesztéséhez és validálásához. A testületi tagok több országon átívelően, a klinikai orvoslás különböző szakterületeit képviselik.
Dr. Thomas Klein
Főorvos (CMO) Klinikai hematológia és mesterséges intelligencia diagnosztikaDr. Sarah Mitchell, PhD
Főorvosi tanácsadó Klinikai patológia és laboratóriumi orvoslásDr. Hans Weber professzor
vezető orvosi tanácsadó Laboratóriumi orvoslás és klinikai kémiaDr. Maria Rodriguez, orvostudományok doktora, MPH
Orvosi tanácsadó Belgyógyászat és megelőző orvoslásDr. Chen Wei, orvostudományi mester
Orvosi tanácsadó Endokrinológia és anyagcsere-gyógyászatIsmerje meg teljes Orvosi Tanácsadó Testületünket részletes profilokkal, referenciákkal és kutatási háttérrel.
Összes tanácsadó megtekintése →Folyamatos minőségellenőrzés
A kihelyezést követően a motort belső működési ellenőrzésekkel, valamint a felhasználóktól és az Orvosi Tanácsadó Testülettől strukturált visszajelzésekkel monitorozzuk. Ez belső nyomon követés, és nem független klinikai kimenetelű vizsgálat.
Havi teljesítményjelentések
Átfogó pontosságelemzés minden biomarker-kategóriában, demográfiai szegmensben és földrajzi régióban. A trendazonosítás lehetővé teszi a proaktív minőségirányítást.
Egészségügyi szolgáltatók visszajelzése
Strukturált visszajelzések integrálása orvosoktól és laboratóriumi szakemberektől. A megjelölt értelmezéseket az Orvosi Tanácsadó Testület felülvizsgálja, a korrekciókat pedig a képzésbe integrálják.
Képzési adatok és minőségbiztosítás
A minőségbiztosítási folyamatunk standard kontrollokat alkalmaz a platform által használt adatokra.
Minőségellenőrzés
Többlépcsős adatminőség-biztosítás:
- Hiányos vagy sérült feljegyzések eltávolítása
- Kiugró értékek észlelése analitikai előtti hibák esetén
- Származási ellenőrzés minden adathalmaz esetében
- HIPAA-nek megfelelő és GDPR-nek megfelelő anonimizálás
Technológiai és megfelelőségi partnerek
Validációs infrastruktúránkat és mesterséges intelligencia fejlesztését iparágvezető technológiai szolgáltatókkal kötött partnerségek támogatják.
Microsoft Alapítók Központja
Felhőinfrastruktúra és vállalati szintű mesterséges intelligencia fejlesztőplatform, amely skálázható validációs munkafolyamatokat támogat.
NVIDIA Inception Program
GPU-számítási erőforrások és az AI-modell optimalizálása, amelyek lehetővé teszik a hatékony modelltréninget és optimalizálást.
Google Cloud mesterséges intelligencia
Elosztott modellképzést és valós idejű következtetést támogató gépi tanulási infrastruktúra.
Felhőlobbanás
Globális edge-hálózat, amely világszerte biztonságos, alacsony késleltetésű hozzáférést biztosít.
HIPAA-nek megfelelő
Az Egyesült Államok egészségügyi adatvédelmi garanciái
GDPR-nek megfelelő
Európai adatvédelmi rendelet
Megfelelő használat és korlátozások
A képességekkel és korlátokkal kapcsolatos átláthatóság elengedhetetlen a mesterséges intelligencia felelősségteljes egészségügyi alkalmazásához. Kantesti döntéstámogató eszközként tervezték, hogy kiegészítse – nem helyettesítse – a professzionális orvosi ítélőképességet.
Nincs hozzáférés az információkhoz
A mesterséges intelligencia a biomarker adatokat elszigetelten értelmezi. A következő klinikai kontextus nem érhető el a rendszer számára:
- A beteg teljes kórtörténete
- Jelenlegi gyógyszerek és lehetséges kölcsönhatások
- Fizikális vizsgálat eredményei
- Genetikai tényezők és családi előzmények
- Életmódbeli tényezők (kivéve, ha a felhasználó adta meg)
Laboratóriumi módszertani variációk
A referenciaértékek laboratóriumonként eltérnek a berendezések különbségei és a kalibrációs standardok miatt. A laboratórium-specifikus referenciaértékek adatbázisa sok eltérést kezel, de a felhasználóknak ellenőrizniük kell, hogy a kinyert értékek megegyeznek-e az eredeti jelentésükkel.
Dokumentumminőségi szempontok
Az OCR pontossága a dokumentum minőségétől függ. A kézzel írott eredmények vagy az alacsony felbontású szkennelések befolyásolhatják az értékek kinyerését. Az elemzés előtt minden kinyert értékhez manuális korrekció érhető el.
Orvosi nyilatkozat
A Kantesti egy mesterséges intelligencia által vezérelt információs eszköz, amely a vérvizsgálati eredményeket a megállapított orvosi referenciaértékek és klinikai irányelvek alapján értelmezi. NEM orvostechnikai eszköz, és nem diagnosztizál, kezel, gyógyít vagy előz meg semmilyen betegséget.
A megadott információk kizárólag oktatási és tájékoztatási célokat szolgálnak, és nem tekinthetők orvosi tanácsnak. Az egészségével vagy kezelésével kapcsolatos döntések meghozatala előtt mindig konzultáljon szakképzett egészségügyi szakemberrel.
Orvosi vészhelyzet esetén azonnal hívja a sürgősségi szolgálatokat. A Kantesti nem vészhelyzetekre lett tervezve.
Érdekellentét és finanszírozási információk közzététele
Ezt a validációs dokumentációt a Kantesti Ltd (UK Companies House No. 17090423) teszi közzé, amelynek székhelye Londonban, az Egyesült Királyságban található. Az Orvosi Tanácsadó Testület tagjai díjazást kapnak tanácsadói szerepükért. A Főorvos (Thomas Klein, MD) a Kantesti Ltd teljes munkaidőben foglalkoztatott alkalmazottja. Az itt közölt valamennyi validáció a Kantesti belső validációja, amelyet nem ellenőriztek függetlenül, és nem ment át szakértői felülvizsgálaton. A validációs vizsgálatokhoz nem érkezett külső finanszírozás. A vállalat saját forrásból működik, bevételekből és technológiai partnerségekből, többek között a Microsoft for Startups-szal, az NVIDIA Inceptionnel, a Google Clouddal és a Cloudflare-rel.
Gyakran Ismételt Kérdések az Orvosi Validációról
Milyen gyakran frissül az AI modell?
Modellünk negyedéves újratanításon esik át, amely új, validált adatokat, frissített klinikai irányelveket és a feltörekvő biomarker-kutatásokat foglal magában. Minden frissítést a belső, automatizált benchmarkunkkal ellenőrzünk a telepítés előtt. Azok a frissítések, amelyek nem érik el a benchmark küszöbértékét, nem kerülnek kiadásra.
Hogyan kerül jelentésre a benchmark teljesítmény?
A teljesítmény egyetlen összetett pontszámként kerül jelentésre az automatizált benchmarkunkból, nem pedig kategóriánkénti diagnosztikai pontosságként. Az összetett pontszám az output-struktúra érvényességét, a klinikai kulcsszavak felidézését és a késleltetést ötvözi, és kizárólag technikai mérőszám.
Megbízhatok a mesterséges intelligencia értelmezésében az orvosi döntések meghozatalában?
A Kantesti döntéstámogató eszközként készült, nem pedig a professzionális orvosi megítélés helyettesítőjeként. Mesterséges intelligencia általunk biztosított validált értelmezések a megállapított referenciatartományok alapján készülnek, de a klinikai kontextus – beleértve az Ön kórtörténetét, gyógyszereit és tüneteit – orvosi értékelést igényel a kezelési döntések meghozatalához. Mindig konzultáljon egészségügyi szolgáltatójával.
Hány esetet és országcímkét fed le a benchmark?
Az automatizált benchmark 100 000 szintetikus eseten fut, 127 országcímkére kiterjedően. Ez egy technikai tartalom- és formátum-értékelés, nem pedig demográfiai pontossági vizsgálat, és nem lett függetlenül validálva vagy lektorálva.
Mi történik, ha a mesterséges intelligencia hibázik?
Az egészségügyi szolgáltatók és a felhasználók megjelölhetik az értelmezéseket az Orvosi Tanácsadó Testület felülvizsgálata érdekében. A megjelölt eseteket marketingigazgatónk, Dr. Thomas Klein és az orvosi csapat elemzi. Ha a hibákat megerősítik, a javításokat beépítjük a jövőbeli képzési ciklusokba. Folyamatos monitorozásunk a valós teljesítményt követi nyomon, hogy proaktívan azonosíthassa és kezelhesse a szisztematikus problémákat.
Hol találom a teljes validációs jelentést?
A referenciaértékelési módszertanunk, kódunk és esetszintű pontozólapjaink nyilvánosan elérhetők: az Kantesti AI motor vérvizsgálati referenciaértékelése a GitHubon (https://github.com/emirhanai/kantesti-blood-test-benchmark), valamint a bejegyzés a Figshare-en (DOI: 10.6084/m9.figshare.32095435). Ez egy önállóan futtatott, automatizált referenciaértékelés, amelyet nem függetlenül validáltak, és nem ment át szakértői lektoráláson.
Ki ellenőrzi a Kantesti orvosi tartalmait?
Minden orvosi tartalmat Thomas Klein, MD, a vezérigazgatói orvosi tisztséget betöltő főorvosunk ír és felülvizsgál. Dr. Klein okleveles klinikai hematológus, aki a Kantesti-nél vezérigazgatói orvosi tisztséget tölt be, valamint AI-támogatott értelmezést nyújt. További felügyeletet a Szakmai Orvosi Tanácsadó Testület biztosít.
Tapasztalat AI-támogatott vérvizsgálat-elemzéssel
Csatlakozz a világszerte több millió felhasználóhoz, akik megbíznak Kantesti mesterséges intelligenciával működő vérvizsgálati analizátora AI-támogatott, tájékoztató jellegű vérkép értelmezéséhez 75+ nyelven.
Vállalati átláthatóság
Hiszünk a teljes átláthatóságban azzal kapcsolatban, hogy kik vagyunk és hogyan működünk. Alább megtalálja cégünk regisztrációs adatait és vezetői adatait.
2026 márciusától a Kantesti AI platform — jelenleg mint Kantesti V11 — működteti Kantesti Kft., egy Angliában és Walesben (UK Companies House No. 17090423), székhelye bejegyzett székhelye Londonban, az Egyesült Királyságban van. Ez az Egyesült Királyságbeli bejegyzés az összes globális működést egyetlen, átlátható vállalati struktúra alá vonja, amelyet az Egyesült Királyság szabályozási normái irányítanak; a 2019-ben megkezdett fejlesztési munkára építve. Ugyanazt a saját fejlesztésű neurális hálózatot — amely több mint 15 000 biomarkert értelmez 75+ nyelven több mint 2 millió felhasználó számára 127 országban — továbbra is ugyanazok a mérnöki és orvosi csapatok fejlesztik és tartják karban. A belső benchmarkolásunk, az Orvosi Tanácsadó Testület felügyelete, valamint a partnerségek a Microsofttal a Startups (Founders Hub), az NVIDIA Inception és a Google Cloud területén változatlanok. A világ minden táján a felhasználók ugyanazt a szolgáltatásminőséget érhetik el, amelyet most az Egyesült Királyságban megerősített vállalatirányítás támogat, a meglévő GDPR (EU) és HIPAA (US) megfelelőségünk mellett.
Kantesti AI · Kantesti Ltd
Márkanevek: Kantesti, Kantesti AI
Jogi személy: Kantesti Ltd (Private Limited Company)
Companies House No.: 17090423
Joghatóság: Anglia és Wales, Egyesült Királyság
Vállalkozás típusa: AI egészségügyi technológia (SaaS)
Alapított: 2019 · UK entitás bejegyezve: 2026 március
Központ: 4 Raven Road, 1c3-1100. egység, London, E18 1HB, Egyesült Királyság
Alkalmazás verziója: Kantesti V11
Érintkezés: [email protected]
UK telefonszám: +44 7508 364740 (H–P 9:00–18:00 GMT)
DE telefonszám: +49 177 497 4039 (H–P 9:00–18:00 CET)
Vezetés
Alapító és vezérigazgató: Julian Emirhan Bulut
Vizionárius vállalkozó, aki mesterséges intelligencia innovációt vezet az egészségügyi technológiában. Hozzáférhető vérvizsgálat-értelmező eszközöket fejleszt a globális egészségfejlesztés érdekében.
Kapcsolatfelvétel a LinkedIn-enFőorvos: Dr. Thomas Klein
Okleveles klinikai hematológus, aki orvosi tartalmunk felett vezető klinikai felügyeletet lát el.
Megfelelőség
Adatvédelem: GDPR-nek megfelelő (EU)
Egészségügyi adatvédelem: HIPAA-nek megfelelő gyakorlatok (USA)
Orvostechnikai eszköz: Nem minősül orvostechnikai eszköznek - Csak tájékoztató jellegű
Referenciák és szabványok
Validációs módszertanunk és klinikai szabványaink a bevett orvosi irányelveken és nemzetközi szabványokon alapulnak.
- [1] Egészségügyi Világszervezet (WHO). A glikált hemoglobin (HbA1c) alkalmazása a cukorbetegség diagnosztizálásában. Genf: WHO; 2011. Elérhető: https://www.who.int/diabetes/publications/diagnosis_diabetes2011/en/
- [2] Nemzetközi Szabványügyi Szervezet. ISO 15189:2022 Orvosi laboratóriumok – Minőségi és alkalmassági követelmények. Genf: ISO; 2022. https://www.iso.org/standard/76677.html
- [3] Klinikai és Laboratóriumi Szabványügyi Intézet (CLSI). EP09c: Mérési eljárások összehasonlítása és torzításbecslés betegminták felhasználásával. 3. kiadás Wayne, PA: CLSI; 2018.
- [4] Nemzeti Egészségügyi Intézetek (NIH). Vérvizsgálati referencia tartományok. Bethesda, Maryland: NIH; Frissítve: 2024. Elérhető: MedlinePlus
- [5] Amerikai Klinikai Kémiai Társaság (AACC). Laboratóriumi vizsgálati referenciatartományok. Washington, DC: AACC; 2024. https://www.aacc.org/
- [6] Nemzetközi Klinikai Kémiai Szövetség (IFCC). Referenciamérési eljárások. Milánó: IFCC; 2023. https://www.ifcc.org/
- [7] Bulut J E. Kantesti AI Engine — Vérvizsgálat-értelmezés benchmark (automatizált, nyílt forráskódú keretrendszer). Kantesti Ltd; 2026. Kód és adatok: GitHub · DOI: 10.6084/m9.figshare.32095435
- [8] Az Egyesült Államok Egészségügyi és Humán Szolgáltatások Minisztériuma. HIPAA adatvédelmi szabály. 45 CFR 160. rész és a 164. rész A. és E. alrészei. Washington, DC: HHS; 2013.
- [9] Európai Parlament és Tanács. Általános adatvédelmi rendelet (GDPR). (EU) 2016/679 rendelet. Brüsszel: EU; 2016.