Ինչու գոյություն ունի այս բենչմարկը և ինչ է այն ստուգում
AI-ի օգնությամբ արյան անալիզի մեկնաբանությունն ավելի ու ավելի հաճախ է կիրառվում ինչպես սպառողական, այնպես էլ կլինիկական աշխատանքային հոսքերում, սակայն լաբորատոր բժշկությանը հարմարեցված՝ վերարտադրելի գնահատման շրջանակներ դեռևս հազվադեպ են։ Այս միջավայրում ամենակարևոր հարցերը չեն այն հարցերը, որոնք ընդգրկված են ընդհանուր բժշկական հարց-պատասխան բենչմարքներում. արդյոք շարժիչը կարողանում է տարբերակել երկաթի անբավարարությունը թալասեմիայի հատկանիշից, երբ միջին կորպուսկուլյար ծավալը նույնն է, արդյոք այն գերախտորոշում է Գիլբերտի համախտանիշը որպես հեպատիտ, և արդյոք այն ստեղծում է պաթոլոգիա լիովին նորմալ սքրինինգային վահանակում։
Արյան մեկ անալիզների վահանակը սովորաբար պարունակում է այնքան ազդանշան, որ կարող է աջակցել մի քանի մրցակցող մեկնաբանությունների, և մեկնաբանող բժիշկ-մասնագետի գործն է այդ մեկնաբանությունները կշռադատել միմյանց նկատմամբ՝ այլ ոչ թե տեքստբուքային «ճիշտ պատասխանը» վերականգնել։ Այն շարժիչը, որը լավ է աշխատում տեքստբուքային դեպքերում, կարող է ձախողվել ամենակարևոր դեպքերում՝ դիֆերենցիալ ախտորոշման թակարդներում, անվնաս տարբերակներում, որոնք միայնակ դիտելիս տագնապալի են թվում, և լիովին նորմալ վահանակներում, որոնք վստահ օգնականներին մղում են «ախտաբանություն արտադրելու»։.
Այս բենչմարկը կառուցվել է հենց այդ ձախողման ձևերի շուրջ։ Տասնհինգ դեպքերից յուրաքանչյուրն ընտրվել է որոշակի ախտորոշիչ հատկության համար՝ երկաթի պակասով միկրոցիտոզ, որը պետք է հստակ տարանջատվի նույն միջին կորպուսկուլյար ծավալով բետա-թալասեմիայի հատկանիշից, Գիլբերտի համախտանիշի դրսևորում, որտեղ միակ շեղումը մեկուսացված անուղղակի հիպերբիլիռուբինեմիան է, և տասնհինգ պարամետրով սքրինինգային վահանակ, որտեղ յուրաքանչյուր անալիտ գտնվում է իր հղման միջակայքում։ Ռուբրիկը պարգևատրում է շարժիչներին, որոնք յուրաքանչյուր դեպք կարդում են իր սեփական տրամաբանությամբ, և տուգանում է շարժիչներին, որոնք վստահ ախտորոշման են հասնում այնտեղ, որտեղ նման ախտորոշում հիմնավորված չէ։.
Որպես բժիշկ Թոմաս Քլայն՝ ես ընտրեցի դեպքերի այս վահանակը, քանի որ դրանք այն օրինաչափություններն են, որոնք լաբորատոր-բժշկության օգնականները ամենից հաճախ սխալ են հասկանում։. Թանկարժեք ձախողման ձևը "հազվագյուտ հիվանդությունը բաց թողնելը" չէ․ դա սովորական ախտաբանություն «կերտելն» է այն հիվանդների մոտ, որոնց մոտ այն չկա։. Մեր Բժշկական վավերացում hub-ը նկարագրում է ավելի լայն շրջանակը․ այս էջը նկարագրում է դրա կիրառական արդյունքը V11 շարժիչի վրա։.
Վերջին հղումային գործարկում — V11 (2026թ. ապրիլ)
Kantesti AI Engine V11-ի ապրիլ 2026-ի հղման փորձարկման գործարկումը ստեղծեց կոմպոզիտային միավոր՝ 99.12% նախապես գրանցված տասնհինգ դեպքից բաղկացած ռուբրիկայի շրջանակում։ Երկու հիպերդիագնոստիկացման թակարդային դեպքերն էլ հավաքեցին առաստաղային միավորը։ Մենցերի ինդեքսը ճիշտ կիրառվեց երկաթի պակասի և թալասեմիայի դիֆերենցիալի համատեքստում։.
Կոմպոզիտային բանաձևը համադրում է երեք բաղադրիչ․ կառուցվածքային համապատասխանություն յոթ պարտադիր հաշվետվության բաժինների և տասնվեց պարտադիր ենթաբաժինների հետ, կլինիկական ճշգրտություն չափված որպես հիմնաբառերի հետկանչ + միավորային համակարգի հետկանչ + հավանականությունների բաշխման վավերականության ստուգում, և պատասխանի ուշացում 20 վայրկյան առաջնային ծառայության մակարդակի թիրախի նկատմամբ։ Ճշգրիտ տարանջատումը ներկայացված է ստորև բերված ռուբրիկայի բանաձևում։.
Գլխամասի մնացած 0.88 տոկոսային կետը գրեթե ամբողջությամբ քայքայվում է ուշացման կորստի մեջ — երեք Phase 2 հետընթաց կանչեր՝ յուրաքանչյուրը -0.05 կոմպոզիտով, նպաստել են մոտավորապես 0.60-ին՝ 0.88 կետանոց պակասուրդից — այլ ոչ թե կլինիկական բովանդակության մեջ։ Շարժիչը չի բաց թողել ճիշտ ախտորոշում որևէ մեկի տասնհինգ դեպքերից. որտեղ այն թերի է եղել, դա եղել է՝ որոշ կանչերում մի փոքր ավելի երկար տևելով, քան 20 վայրկյան առաջնային-ուղու թիրախը՝ կանչերի փոքր փոքրամասնությունում։.
Տասնհինգ դեպք՝ յոթ բժշկական մասնագիտությունների շրջանակում
Դեպքերի վահանակը ընդգրկում է յոթ մասնագիտություն — հեմատոլոգիա, էնդոկրինոլոգիա, նյութափոխանակային բժշկություն, հեպատոլոգիա, նեֆրոլոգիա, սրտաբանություն, ռևմատոլոգիա — ինչպես նաև երկու հատուկ հիպերճանաչման «trap» դեպք։ Յուրաքանչյուր դեպք անանունացված իրական հիվանդի գրառում է՝ վերցված Kantesti կլինիկական տվյալների պահոցից՝ գրավոր տեղեկացված համաձայնությամբ։.
Անանունացման (de-identification) իրականացումը կատարվել է Safe Harbor մոտեցմամբ. հեռացվել կամ փոխարինվել են բոլոր ուղղակի նույնացուցիչները, և յուրաքանչյուր գրառմանը տրվել է բենչմարկ-ներքին դեպքի կոդ՝ BT-NNN-LABEL ձևաչափով։ Մշակումը կատարվել է համաձայն GDPR Հոդված 9(2)(j) գիտական հետազոտության համար՝ համապատասխան պաշտպանիչ միջոցներով և Մեծ Բրիտանիայի GDPR-ի համարժեք դրույթներով։ Հրապարակված «harness»-ում, տեխնիկական հաշվետվությունում կամ թողարկված տվյալների հավաքածուներում որևէ տեղ չի երևում անձնապես նույնացնող տեղեկատվություն։.
Ինչո՞ւ է ընտրված հենց այս բաշխումը
Հեմատոլոգիան ստանում է երեք դեպք, քանի որ միկրոցիտային դիֆերենցիալների և մակրոցիտային դիֆերենցիալների թակարդները իրական լաբորատոր պրակտիկայում ամենաբարձր ծավալն ունեցողներն են։ Էնդոկրինոլոգիան ստանում է երեք դեպք, քանի որ Հաշիմոտոյի, PCOS-ի և D վիտամինի անբավարարության ներկայացումները տարբեր ախտորոշիչ ձևեր են առաջացնում (ինքնահակամարմիններով պայմանավորված, հորմոնների հարաբերակցությամբ պայմանավորված, մեկ մարկերով պայմանավորված)։ Միակ դեպքի մասնագիտությունները դեռևս իմաստալից են, քանի որ յուրաքանչյուր CKD-ի, ASCVD ռիսկի և SLE-ի համար ունի իր սեփական գնահատման համակարգը, որը շարժիչը պետք է կանչի (համապատասխանաբար՝ KDIGO փուլավորում, ASCVD 10-ամյա ռիսկ, 2019 EULAR/ACR SLE չափանիշներ)։.
Նախապես գրանցված rubric-ը՝ բացատրված
Նախնական գրանցումը այս բենչմարկում մեթոդաբանական ամենակարևոր ընտրությունն է։ Յուրաքանչյուր սպասվող ախտորոշում, յուրաքանչյուր կլինիկական գնահատման համակարգ և յուրաքանչյուր հաշվետվության բաժին պարտավորվել է որպես սկզբնաղբյուրային կոդ նախքան շարժիչը կանչվելը. ։ Ուստի ռուբրիկի հետհաշվարկային (post-hoc) ճշգրտումը՝ շարժիչին «հարմարեցնելու» համար, անհնար է։.
Կոմպոզիտ միավորն կազմված է երեք բաղադրիչից։ կառուցվածքային բաղադրիչը կազմում է 35 տոկոս և չափում է՝ արդյոք շարժիչը վերադարձրել է յոթ պարտադիր հաշվետվական բաժինները (վերնագիր, ամփոփում, հիմնական հայտնագործություններ, դիֆերենցիալ, գնահատման համակարգեր, առաջարկություններ, հետագա քայլեր) և դրանց մեջ գտնվող տասնվեց պարտադիր ենթաբաժինները։ Բաժնի առկայությունը կշռում է 40 տոկոս, իսկ ենթաբաժնի առկայությունը՝ 60 տոկոս՝ կառուցվածքային հաշվարկի շրջանակում։.
Այն կլինիկական բաղադրիչը կազմում է 55 տոկոս և համադրում է երեք բան՝ ախտորոշում-բանալի բառերի հիշողություն (կլինիկական ենթամիավորի 70 տոկոսը), գնահատման համակարգի հիշողություն (20 տոկոս — արդյոք շարժիչը հաշվարկում է Mentzer-ը, FIB-4-ը, HOMA-IR-ը, ASCVD ռիսկը, KDIGO փուլավորումը, EULAR/ACR չափանիշները՝ համապատասխանության դեպքում), և հավանականությունների գումարի վավերականության ստուգում (10 տոկոս — դիֆերենցիալ հավանականությունները պետք է գումարվեն [90, 110] միջակայքում)։ Թակարդային դեպքերի համար հստակ հիպերճանաչման տուգանք մինչև 0.30 է հանվում՝ հաշվարկված որպես 0.10 յուրաքանչյուր հորինված պաթոլոգիայի դրոշակի համար, սահմանափակված մինչև երեք դրոշակ։.
Այն ուշացման (latency) բաղադրիչը կազմում է 10 տոկոս։ Պատասխանը 20 վայրկյանից պակաս՝ ստանում է ամբողջական 0.10, 40 վայրկյանից պակաս՝ 0.05, իսկ ցանկացած ավելի դանդաղ՝ զրո։ 20 վայրկյան թիրախը արտացոլում է արտադրական առաջնային primary-path ծառայության մակարդակի նպատակային ցուցանիշը; 40 վայրկյան շեմը արտացոլում է Phase 2-ի fallback բյուջեն՝ ծանր շարժիչ կանչերի համար։.
Ինչը կանխում է նախնական գրանցումը
Առաջին կողմի (first-party) բենչմարկները հայտնի են իրենց սեփական թվերը հետհաշվարկային (post-hoc) ռուբրիկի ճշգրտման միջոցով ուռճացնելու սովորությամբ։ Կաղապարը գրեթե միշտ նույնն է. թիմը գործարկում է շարժիչը, տեսնում է, թե որտեղ է թերակատարում, ապա հանգիստ ճշգրտում է ռուբրիկը, որպեսզի թերակատարող ոլորտները ավելի քիչ հաշվվեն։ Ռուբրիկը սկզբնաղբյուրային կոդում ամրագրելով՝ մինչև առաջին շարժիչի կանչը, և հարմարանքը հրապարակելով MIT լիցենզիայով, այդ ճշգրտումը դառնում է տեսանելի տարբերակների կառավարման մեջ։ Յուրաքանչյուրը կարող է կրկնօրինակել ռեպոզիտորիան, ստուգել ռուբրիկի հեղինակների ամսաթվերը և հավաստել, որ շարժիչի արդյունքները չեն օգտագործվել գնահատման ձևավորելու համար։.
Հիպերդիագնոստիկացման թակարդների դեպքեր — ինչու «չափից շատ կանչելը» իրական ձախողման ռեժիմն է
Պաթոլոգիայի ագրեսիվ գերագնահատումը նորմալ էկրանների վրա՝ սպառողական ուղղվածությամբ բժշկական օգնականների փաստագրված ձախողման ռեժիմ է։ Դրա ներքևի ծախսերը ներառում են անհարկի հետազոտություն, հիվանդի անհանգստություն և իատրոգեն հետազոտական աշխատանք։ Այս բենչմարկի երկու թակարդային դեպքերը նախագծված են այդ ձախողման ռեժիմը տեսանելի և գնահատելի դարձնելու համար։.
🟡 Թակարդ 1 — BT-014-GILBERT
Ներկայացում։. 24-ամյա տղամարդ՝ ընդհանուր բիլիռուբինով 2.4 մգ/դլ։ Ուղիղ ֆրակցիան նորմալ է, տրանսամինազները և ալկալային ֆոսֆատազը գտնվում են իրենց հղման միջակայքերում, ռետիկուլոցիտները՝ աննկատ, իսկ հապտոգլոբինը և LDH-ը բացառում են հեմոլիզը։.
Ճիշտ մեկնաբանություն։. Գիլբերտի համախտանիշ — UGT1A1-ի բարորակ պոլիմորֆիզմ։ Մեկնաբանությունը չպետք է ներառի հեպատիտ, ցիռոզ, հեմոլիտիկ անեմիա կամ բիլյարային խցանում։.
V11 արդյունք։. Կոմպոզիտ 1.000։ Վեց վերահսկվող գերախտորոշման (over-diagnosis) դրոշակներից ոչ մեկը չի հայտնվել որպես ակտիվ ախտորոշում։.
🟡 Թակարդ 2 — BT-015-HEALTHY
Ներկայացում։. 35-ամյա կին՝ տասնհինգ պարամետր ունեցող սովորական սքրինինգ վահանակով։ Յուրաքանչյուր անալիտ հարմարավետորեն գտնվում է իր հղման միջակայքում։.
Ճիշտ մեկնաբանություն։. Հանգստացնողություն և կենսակերպի պահպանում։ Մեկնաբանությունը չպետք է ստեղծի սահմանային պաթոլոգիա՝ կլինիկապես օգտակար հնչելու համար։.
V11 արդյունք։. Կոմպոզիտ 1.000։ Չորսից յոթ վերահսկվող գերհայտնաբերման ազդանշաններից ոչ մեկը՝ շաքարախտ, անեմիա, հիպոթիրեոզ, դիսլիպիդեմիա, հեպատիտ, երիկամային հիվանդություն, անբավարարություն, չի հայտնվել որպես ակտիվ ախտորոշում։.
Երկու թակարդներում էլ ստուգվել են տասներեք վերահսկվող գերհայտնաբերման ազդանշաններ։ Ոչ մեկը չի ակտիվացվել։ Սա է այն արդյունքը, որն ամենակարևորն է ցանկացած կլինիկոսի համար, ով մտածում է AI շարժիչն օգտագործել որպես տրիաժի կամ նախախորհրդատվական գործիք. համակարգը չի հորինել հիվանդություն, եթե այն գոյություն չի ունեցել.
Մենցերի ինդեքս՝ երկաթի անբավարարությունը թալասեմիայի հատկանիշից տարանջատելու համար
Երկրորդ բարձրարժեք հայտնագործությունը վերաբերում է գործ BT-001-ի (երկաթի անբավարարության անեմիա) և գործ BT-007-ի (բետա-թալասեմիա մինոր) զուգակցմանը։ Երկուսն էլ դրսևորում են միկրոցիտոզ և հայտնի խոչընդոտ են սկսնակ դասակարգիչների համար։ Մենցերի ինդեքսը, որը հաշվարկվում է որպես MCV՝ բաժանած RBC քանակի վրա, երկաթի անբավարարության դեպքում գերազանցում է 13-ը, իսկ թալասեմիայի հատկանիշի դեպքում ընկնում է 13-ից ցածր։.
BT-001-ում հիվանդը 34-ամյա կին էր՝ հեմոգլոբին 10.4 գ/դլ, MCV 72.4 ֆլ, RBC 4.1 × 10¹²/լ, ֆերիտին 6 նգ/մլ և բարձրացված TIBC։ Մոտավորապես 17.7 մենցերի ինդեքսը հաստատում է երկաթի բացարձակ անբավարարությունը։ BT-007-ում հիվանդը 28-ամյա տղամարդ էր՝ միկրոցիտոզով (MCV 65.8 ֆլ), սակայն RBC-ի բարձր քանակով՝ 6.2, նորմալ RDW, նորմալ ֆերիտին և HbA2՝ 5.6 տոկոս։ Մոտավորապես 10.6 մենցերի ինդեքսը ցույց է տալիս թալասեմիայի հատկանիշ, իսկ բարձրացված HbA2-ը հաստատում է բետա-թալասեմիա մինորը։.
Երկու դեպքերն էլ ստացել են 1.000 միավոր։ Շարժիչը մենցերի ինդեքսը հստակորեն կիրառել է երկու մեկնաբանություններում էլ և յուրաքանչյուր դեպքում վերադարձրել է ճիշտ ախտորոշումը։. Սա ամբողջ բենչմարկի ամենաառաջատար կլինիկորեն հանգստացնող արդյունքն է, քանի որ թալասեմիայի հատկանիշը երկաթի անբավարարության հետ սխալ դասակարգելը հանգեցնում է ոչ պատշաճ երկաթի հավելումների և բաց թողնված ընտանեկան սկրինինգի հնարավորությունների, իսկ երկաթի անբավարարությունը թալասեմիայի հետ սխալ դասակարգելը հետաձգում է պարզ փոխարինող բուժումը։ Մեր ֆերիտինի միջակայքի ուղեցույցը բացատրում է ավելի լայն դիֆերենցիալ համատեքստը։.
Ապրիլ 2026-ի գործարկումից մեկ դեպքի արդյունքները
Տասնհինգ դեպքից տասներկուսը հասել են առաջնային ուղու վրա 1.000 առաստաղային կոմպոզիտ միավորին։ Երեք դեպք սպասարկվել է Phase 2-ի fallback-ի միջոցով՝ կորցնելով 0.05 լատենտության բոնուսը՝ պահպանելով ամբողջ կլինիկական և կառուցվածքային բովանդակությունը։ Մեկ դեպքում բացակայում էր մեկ պարտադիր ենթաբաժին. մեկում վերադարձվել է հավանականությունների բաշխման գումարի՝ փոքր-ինչ նվազեցված տարբերակ։.
PCOS-ի դեպքը (BT-008) պատասխանների կառուցվածքում կորցրել է մեկ պարտադիր ենթաբաժին՝ տասնվեցից տասնհինգ փոխարեն՝ ինչը կառուցվածքային միավորը նվազեցրել է 1.000-ից մինչև 0.963։ SLE-ի դեպքը (BT-011) վերադարձրել է սահմանային կերպով նվազած հավանականությունների բաշխման գումար, որը կլինիկական միավորը իջեցրել է մինչև 0.965՝ պահպանելով բոլոր ախտորոշիչ հիմնաբառերը և գնահատման համակարգը։ Ոչ մի ենթա-կատարյալ դեպք չի բաց թողել ճիշտ ախտորոշումը։.
Ինչը չի բացահայտում վերնագրային գնահատականը
99.12 տոկոսի կոմպոզիտային միավորը՝ տվյալ նախապես գրանցված սանդղակի շրջանակում, ներկայացնում է գրեթե առաստաղային կատարում, սակայն այն արժանի է զգույշ ձևակերպման։ Արդյունքը նկարագրում է շարժիչի վարքագիծը՝ տասնհինգ ընտրված անանուն դեպքերի նկատմամբ, որոնցից յուրաքանչյուրն գնահատվել է մեկ անգամ՝ մեկ միասնական սանդղակով։ Մենք հստակ նշում ենք, թե թիվը ինչ է հաստատում և ինչ չի հաստատում։.
Միավորը ասում է, որ V11 շարժիչը ճիշտ է մշակել այս գնահատման համար ընտրված ախտորոշիչ օրինաչափությունները՝ հրապարակված և վերարտադրելի մեթոդաբանությամբ։ Այն չի ասում, որ շարժիչը ճիշտ է յուրաքանչյուր արյան անալիզի վահանակի համար, որը գոյություն ունի իրական աշխարհում։ Այն չի ասում, որ շարժիչը պետք է փոխարինի կլինիկական դատողությանը։ Եվ այն չի ասում, որ շարժիչը գերազանցում է այլ AI համակարգերին՝ այլ շարժիչների դեմ համեմատական վերլուծությունները դիտավորյալ դուրս են եղել սույն զեկույցի շրջանակից։.
Այն, ինչ միավորը հաստատում է, հիմքային մակարդակն է։ Քանի որ սանդղակը և գործարկման միջավայրը հրապարակային են, շարժիչի ապագա տարբերակները կարող են գնահատվել նույն տասնհինգ դեպքերի նկատմամբ, և տարբերությունը հրապարակված միավորի և հետագա ցանկացած գործարկման միջև ինքնին չափելի է։ Սա է նախնական գրանցման արժեքը. այն կատարողականի պնդումները վերածում է ստուգելի պնդումների.
Ինչպես վերարտադրել այս բենչմարքը 10 րոպեում
Վերարտադրության համար անհրաժեշտ է միայն Kantesti API-ի հավատարմագրերի զույգ և Python 3.10 կամ ավելի ուշ միջավայր՝ հետևյալով requests և reportlab գրադարանները տեղադրված։ Ամբողջ գործարկման միջավայրը մեկ ինքնաբավ Python մոդուլ է՝ թողարկված MIT լիցենզիայով։.
Թարմ գործարկման չորս քայլ
Մեկ. Կլոնավորել ռեպոզիտորին՝ git clone https://github.com/emirhanai/kantesti-blood-test-benchmark.git. Երկու. Տեղադրեք կախվածությունները՝ pip install -r requirements.txt. Երեք։. Սահմանեք KANTESTI_USERNAME և KANTESTI_PASSWORD որպես միջավայրային փոփոխականներ — հավատարմագրերը կարդացվում են գործարկման պահին, և սցենարում ոչինչ չի կոդավորվում։. Չորս։. Գործարկեք python benchmark_bloodtest.py և զննեք աշխատանքային գրացուցակում թողարկված չորս արտեֆակտները՝ CSV գնահատականների աղյուսակ, JSON գնահատականների աղյուսակ, ամբողջական JSON արտածում՝ ներառյալ շարժիչի հում պատասխանները, և մարդու համար ընթեռնելի Markdown հաշվետվություն։.
2026 թվականի ապրիլի 23-ի հղման գործարկումը պահպանված է results/ պահոցում։ Թարմ գործարկումը կստեղծի նոր՝ ժամանակակետով գնահատականների աղյուսակ՝ թողնելով հղման գործարկումը անփոփոխ։ Եթե ձեր գործարկումը տալիս է էականորեն տարբեր արդյունք, խնդրում ենք բացել GitHub issue՝ գործարկման ժամանակակետով և պատասխանների մետատվյալներում վերադարձված շարժիչի տարբերակով։.
Սահմանափակումներ և ապագա աշխատանք
Չորս սահմանափակումներ արժանի են հստակ ընդունման՝ նմուշի չափ, մեկանգամյա գնահատում, մեկ շարժիչի շրջանակ, և մեկ աղբյուրից ստացված տվյալների ծագում։ Դրանցից յուրաքանչյուրը լուծվում է ակտիվ հետագա աշխատանքում։.
Նմուշի չափ։. Ութ մասնագիտության «բակետների» մեջ ընդգրկված տասնհինգ դեպքը բավարար է ապացուցման համար, բայց ոչ մասնագիտության ներսում ենթախմբային վերլուծության համար։ Նախատեսվում է ընդլայնում մինչև հիսուն դեպք, և այն կներառի կոագուլյացիոն պանելներ, հեմատոլոգիական չարորակությունների սքրինինգ, հղիության պանելներ և մանկական ներկայացումներ։.
Մեկանգամյա գնահատում։. Յուրաքանչյուր դեպք գնահատվել է մեկ անգամ։ Խոշոր լեզվական մոդելները ցուցաբերում են ոչ տրիվիալ ելքային տատանումներ նույնիսկ ցածր սեմփլինգի ջերմաստիճանի դեպքում, ուստի բազմակի գործարկման պրոտոկոլը՝ յուրաքանչյուր դեպքի համար հինգ գնահատումով և ներկայացված տատանումներով, բնական հաջորդ քայլ է։.
Մեկ շարժիչի շրջանակ։. Այս հաշվետվությունը բնութագրում է մեկ շարժիչ։ Համեմատական վերլուծությունները այլ AI համակարգերի նկատմամբ այստեղից դուրս են. մենք կարող ենք դրանք իրականացնել որպես առանձին անկախ ուսումնասիրություն՝ համապատասխան մեթոդաբանությամբ։.
Մեկ աղբյուրից ստացված տվյալների ծագում։. Տասնհինգ դեպքերը անանունացված իրական հիվանդների գրառումներ են՝ վերցված մեկ կլինիկական պահոցից։ Դրանք ներկայացնում են մշակված նմուշ և չեն հանդիսանում բնակչության համար ներկայացուցչական պատահական ընտրություն։ Գնահատումը բազմակենտրոն տվյալների վրա ընդլայնելը նախատեսված է ճանապարհային քարտեզում։.
Ամենաազդեցիկ նախատեսված ընդլայնումը բազմալեզու համարժեքությունն է։ Kantesti AI Engine-ը սպասարկում է 75+ լեզուներով օգտատերերի, և նույն տասնհինգ-դեպքի հարմարանքը գործարկելը թուրքերենով, գերմաներենով, իսպաներենով, ֆրանսերենով և արաբերենով կքանակականացնի ելքային որակը շարժիչի աջակցվող լեզուների շրջանակում։ Մենք կհրապարակենք յուրաքանչյուր լեզվով գործարկումը՝ իր սեփական DOI-ով և հարմարանքի մասնաճյուղով։.