Tolok Ukur Teknis & Pengawasan Klinis | Kantesti AI

Rumah > Validasi Medis

Validasi Medis & Standar Klinis untuk Analisis Tes Darah AI

Tolok ukur internal yang terotomatisasi dari mesin AI Kantesti, ditulis oleh Chief Medical Officer kami dan tidak divalidasi secara independen atau ditinjau sejawat, di balik Analisa Tes Darah AI.

Tolok Ukur Internal
Ditulis oleh CMO
Selaras dengan HIPAA
Ditulis & Ditinjau Secara Medis oleh

Thomas Klein, MD

Kepala Petugas Medis (CMO), Kantesti AI

Kantesti

Hematolog Klinis · Direktur Medis Utama di Kantesti · pengawasan klinis terhadap metodologi interpretasi diagnostik berbantuan dan sistem pendukung keputusan klinis

Terakhir Ditinjau 29 April 2026
Ulasan Berikutnya September 1, 2026
Versi 2.0

Bukti Primer & Dokumentasi

Angka kinerja pada halaman ini berasal dari harness benchmark otomatis, open-source milik kami sendiri, dengan kode dan scorecard yang dipublikasikan secara terbuka. Ini adalah benchmark teknis yang dapat direproduksi, bukan validasi independen atau regulatori, dan bukan ukuran akurasi diagnostik dunia nyata. Akses kode dan data di bawah.

Sumber Primer

Kantesti Mesin AI — Interpretasi Hasil Tes Darah Benchmark

Penilaian komposit otomatis pada 100.000 kasus sintetis di 127 label negara

Dikelola oleh: Kantesti Ltd — benchmark mesin; masukan klinis dari Thomas Klein, MD Metode: Harness benchmark otomatis, open-source (lisensi MIT) Skor komposit: 99.80% (dijalankan sendiri, tidak ditinjau sejawat) Cakupan: 100.000 kasus sintetis · 127 label negara Status: Tidak divalidasi secara independen atau ditinjau sejawat Rumus komposit: 0,35 struktur + 0,55 penarikan kembali kata kunci klinis + 0,10 latensi

Gambaran Umum Benchmark & Metodologi

Kantesti's Interpretasi Tes Darah AI platform menjalani validasi medis yang ketat sebagai bagian dari proses kualitas internal kami. Kinerja diukur dengan harness benchmark internal otomatis, open-source.

Halaman ini mendokumentasikan benchmark tersebut, struktur pengawasan dokter kami, dan proses pemantauan kualitas berkelanjutan kami. Benchmark ini adalah evaluasi teknis, bukan uji klinis atau validasi regulatori.

100 ribu Kasus Benchmark Lihat benchmark
127 Country Labels yang Dicakup Lihat benchmark

Kinerja Benchmark Internal (Komposit)

Ini adalah hasil dari harness benchmark internal otomatis, open-source kami. Ini dijalankan sendiri dan belum divalidasi secara independen atau ditinjau sejawat.

Hasil Benchmark Keseluruhan

Skor benchmark komposit: 99,80% (dijalankan sendiri, tidak ditinjau sejawat) — hasil keseluruhan dari kerangka uji coba (benchmark) otomatis, sumber terbuka kami pada 100.000 kasus sintetis di 127 label negara. Komposit tersebut merupakan gabungan metrik teknis (35% validitas struktur keluaran + 55% penarikan kembali kata kunci klinis + 10% latensi); ini bukan adalah ukuran akurasi diagnostik, dan belum divalidasi secara independen atau ditinjau sejawat. Lihat kode & data di GitHub

Benchmark ini menghasilkan satu skor komposit dari kerangka otomatis; tidak menghasilkan angka sensitivitas/spesifisitas per kategori uji. Kartu skor per kasus lengkap ada di repositori terbuka.

Dewan Penasehat Medis

Dewan Penasihat Medis kami memberikan pengawasan klinis untuk seluruh pengembangan dan validasi algoritme AI. Anggota dewan mewakili beragam spesialisasi di berbagai negara, di bidang kedokteran klinis.

Thomas Klein, MD

Kepala Petugas Medis (CMO) Hematologi Klinis & Diagnostik AI

Dokter Sarah Mitchell, MD, PhD

Penasihat Medis Utama Patologi Klinik dan Kedokteran Laboratorium

Prof. Dr. Hans Weber

Penasihat Medis Senior Kedokteran Laboratorium & Kimia Klinik

Dokter Maria Rodriguez, MD, MPH

Penasihat Medis Penyakit Dalam dan Pengobatan Pencegahan

Dokter Chen Wei, MD, MSc

Penasihat Medis Endokrinologi & Kedokteran Metabolik

Temui Dewan Penasihat Medis lengkap kami dengan profil, kredensial, dan latar belakang penelitian terperinci.

Lihat Semua Penasihat →

Pemantauan Kualitas Berkelanjutan

Setelah penerapan, mesin dipantau melalui pemeriksaan operasional internal dan umpan balik terstruktur dari pengguna serta Dewan Penasihat Medis kami. Ini adalah pemantauan internal dan bukan studi independen mengenai luaran klinis.

Laporan Kinerja Bulanan

Analisis akurasi komprehensif di seluruh kategori biomarker, segmen demografi, dan wilayah geografis. Identifikasi tren memungkinkan manajemen kualitas yang proaktif.

Umpan Balik Penyedia Layanan Kesehatan

Integrasi umpan balik terstruktur dari dokter dan tenaga laboratorium. Interpretasi yang ditandai akan ditinjau oleh Dewan Penasihat Medis dan koreksi akan diintegrasikan ke dalam pelatihan.

Data Pelatihan & Jaminan Mutu

Proses penjaminan kualitas kami menerapkan kontrol standar pada data yang digunakan oleh platform.

Kontrol Kualitas

Jaminan kualitas data multi-tahap:

  • Penghapusan catatan yang tidak lengkap atau rusak
  • Deteksi outlier untuk kesalahan pra-analitik
  • Verifikasi asal untuk semua kumpulan data
  • Anonimisasi yang selaras dengan HIPAA dan GDPR

Mitra Teknologi & Kepatuhan

Infrastruktur validasi dan pengembangan AI kami didukung melalui kemitraan dengan penyedia teknologi terkemuka di industri.

Pusat Pendiri Microsoft

Infrastruktur cloud dan platform pengembangan AI tingkat perusahaan yang mendukung alur kerja validasi yang dapat diskalakan.

Program Awal NVIDIA

Sumber daya komputasi GPU dan optimisasi model AI yang memungkinkan pelatihan dan optimisasi model secara efisien.

Google Cloud AI

Infrastruktur pembelajaran mesin yang mendukung pelatihan model terdistribusi dan inferensi waktu nyata.

awanflare

Jaringan edge global untuk memastikan akses yang aman dan berlatensi rendah secara global.

Selaras dengan HIPAA

Perlindungan data layanan kesehatan AS

Selaras dengan GDPR

Peraturan perlindungan data Eropa

Penggunaan yang Tepat & Batasannya

Transparansi tentang kemampuan dan keterbatasan sangat penting untuk penerapan AI yang bertanggung jawab dalam perawatan kesehatan. Kantesti dirancang sebagai alat pendukung keputusan untuk melengkapi—bukan menggantikan—penilaian medis profesional.

Informasi Tidak Diakses

AI kami menginterpretasikan data biomarker secara terpisah. Konteks klinis berikut tidak tersedia untuk sistem:

  • Riwayat medis pasien lengkap
  • Obat-obatan saat ini dan potensi interaksinya
  • Temuan pemeriksaan fisik
  • Faktor genetik dan riwayat keluarga
  • Faktor gaya hidup (kecuali disediakan oleh pengguna)

Variasi Metodologi Laboratorium

Rentang rujukan bervariasi antar laboratorium karena perbedaan peralatan dan standar kalibrasi. Basis data kami tentang rentang rujukan spesifik laboratorium mengatasi banyak variasi, tetapi pengguna harus memverifikasi nilai yang diekstraksi sesuai dengan laporan aslinya.

Pertimbangan Kualitas Dokumen

Akurasi OCR bergantung pada kualitas dokumen. Hasil tulisan tangan atau pemindaian beresolusi rendah dapat memengaruhi ekstraksi nilai. Koreksi manual tersedia untuk semua nilai yang diekstraksi sebelum analisis.

Penafian Medis

Kantesti adalah alat informasi berbasis AI yang menginterpretasikan hasil tes darah berdasarkan rentang referensi medis dan pedoman klinis yang telah ditetapkan. Alat ini BUKAN perangkat medis dan tidak mendiagnosis, mengobati, menyembuhkan, atau mencegah penyakit apa pun.

Informasi yang diberikan hanya untuk tujuan edukasi dan informasi, dan tidak boleh dianggap sebagai nasihat medis. Selalu konsultasikan dengan tenaga kesehatan profesional yang berkualifikasi sebelum mengambil keputusan terkait kesehatan atau perawatan Anda.

Untuk keadaan darurat medis, segera hubungi layanan darurat. Kantesti tidak dirancang untuk situasi darurat.

Pengungkapan Konflik Kepentingan & Pendanaan

Dokumentasi validasi ini diterbitkan oleh Kantesti Ltd (UK Companies House No. 17090423), berkantor pusat di London, Inggris Raya. Anggota Dewan Penasihat Medis menerima kompensasi untuk peran penasihat mereka. Chief Medical Officer (Thomas Klein, MD) adalah karyawan penuh waktu dari Kantesti Ltd. Semua validasi yang dilaporkan di sini bersifat internal untuk Kantesti dan belum diverifikasi atau ditinjau sejawat secara independen. Tidak ada pendanaan eksternal yang diterima untuk studi validasi. Perusahaan didanai sendiri melalui pendapatan dan kemitraan teknologi dengan Microsoft untuk Startups, NVIDIA Inception, Google Cloud, dan Cloudflare.

Pertanyaan yang Sering Diajukan Tentang Validasi Medis

Seberapa sering model AI diperbarui?

Model kami menjalani pelatihan ulang secara triwulanan dengan memasukkan data validasi baru, pedoman klinis yang diperbarui, serta penelitian biomarker yang berkembang. Setiap pembaruan diperiksa terhadap tolok ukur otomatis internal kami sebelum diterapkan. Pembaruan yang tidak memenuhi ambang batas tolok ukur kami tidak dirilis.

Bagaimana kinerja benchmark dilaporkan?

Performa dilaporkan sebagai satu skor komposit dari tolok ukur otomatis kami, bukan sebagai akurasi diagnostik per-kategori. Komposit tersebut menggabungkan validitas struktur keluaran, penarikan kembali kata kunci klinis, dan latensi, serta merupakan ukuran teknis saja.

Dapatkah saya memercayai interpretasi AI untuk keputusan medis?

Kantesti dirancang sebagai alat pendukung pengambilan keputusan, bukan pengganti penilaian medis profesional. AI kami memberikan interpretasi yang tervalidasi berdasarkan rentang referensi yang telah ditetapkan, tetapi konteks klinis—termasuk riwayat medis Anda, pengobatan, dan gejala—memerlukan evaluasi dokter untuk pengambilan keputusan pengobatan. Selalu konsultasikan dengan penyedia layanan kesehatan Anda.

Berapa banyak kasus dan label negara yang dicakup oleh tolok ukur tersebut?

Tolok ukur otomatis berjalan pada 100.000 kasus sintetis yang mencakup 127 label negara. Ini adalah tolok ukur teknis untuk konten dan format, bukan studi akurasi demografis, dan belum divalidasi secara independen atau ditinjau sejawat.

Apa yang terjadi jika AI membuat kesalahan?

Penyedia layanan kesehatan dan pengguna dapat menandai interpretasi untuk ditinjau oleh Dewan Penasihat Medis. Kasus yang ditandai dianalisis oleh CMO kami, Thomas Klein, MD, dan tim medis. Jika kesalahan dikonfirmasi, koreksi akan diintegrasikan ke dalam siklus pelatihan di masa mendatang. Pemantauan berkelanjutan kami melacak kinerja di dunia nyata untuk mengidentifikasi dan mengatasi masalah sistematis secara proaktif.

Di mana saya dapat menemukan laporan validasi lengkapnya?

Metodologi tolok ukur, kode, dan kartu skor per kasus kami tersedia secara terbuka: tolok ukur uji darah mesin AI Kantesti di GitHub (https://github.com/emirhanai/kantesti-blood-test-benchmark) dan catatannya di Figshare (DOI: 10.6084/m9.figshare.32095435). Ini adalah tolok ukur otomatis yang dijalankan sendiri, bukan divalidasi secara independen atau ditinjau sejawat.

Siapa yang meninjau konten medis di Kantesti?

Semua konten medis ditulis dan ditinjau oleh Thomas Klein, MD, Chief Medical Officer kami. Dr. Klein adalah dokter spesialis hematologi klinis bersertifikat dewan yang menjabat sebagai Chief Medical Officer di Kantesti dan interpretasi berbasis dukungan AI. Pengawasan tambahan disediakan oleh Dewan Penasihat Medis kami.

Pengalaman Analisis Tes Darah Berbantuan AI

Bergabunglah dengan jutaan pengguna di seluruh dunia yang mempercayai Penganalisis Tes Darah AI Kantesti untuk interpretasi hasil tes darah berbantuan AI yang informatif dalam 75+ bahasa.

Transparansi Perusahaan

Kami percaya pada transparansi penuh tentang siapa kami dan bagaimana kami beroperasi. Di bawah ini Anda akan menemukan detail pendaftaran perusahaan dan informasi kepemimpinan kami.

Per Maret 2026, Kantesti AI platform — yang saat ini beroperasi sebagai Kantesti V11 — dioperasikan oleh Kantesti Ltd, sebuah perusahaan perseroan terbatas yang didirikan di Inggris dan Wales (UK Companies House No. 17090423), dengan kantor pusat terdaftarnya di London, Inggris. Pendirian di Inggris ini mengonsolidasikan operasi global dalam satu struktur perusahaan yang transparan, diatur oleh standar regulasi Inggris, dengan membangun pekerjaan pengembangan yang dimulai pada tahun 2019. Jaringan saraf milik yang sama—menginterpretasikan lebih dari 15.000 biomarker dalam 75+ bahasa untuk lebih dari 2 juta pengguna di 127 negara—terus dikembangkan dan dipelihara oleh tim rekayasa dan medis yang sama. Benchmark internal kami, pengawasan Dewan Penasihat Medis, serta kemitraan dengan Microsoft for Startups (Founders Hub), NVIDIA Inception, dan Google Cloud tetap tidak berubah. Pengguna di seluruh dunia tetap memiliki akses ke kualitas layanan yang identik, kini didukung oleh tata kelola perusahaan Inggris yang ditingkatkan bersama kepatuhan GDPR (UE) dan HIPAA (AS) yang sudah ada.

Kantesti AI · Kantesti Ltd

Nama Merek: Kantesti, Kantesti AI

Badan hukum: Kantesti Ltd (Perusahaan Perseroan Terbatas)

Nomor Companies House: 17090423

Yurisdiksi: Inggris dan Wales, Inggris Raya

Jenis Bisnis: Teknologi Kesehatan AI (SaaS)

Didirikan: 2019 · Entitas UK Terdaftar: Maret 2026

Markas besar: 4 Raven Road, Unit 1c3-1100, London, E18 1HB, Britania Raya

Versi Aplikasi: Kantesti V11

Kontak: [email protected]

Telepon UK: +44 7508 364740 (Sen–Jum 9:00–18:00 GMT)

Telepon DE: +49 177 497 4039 (Sen–Jum 9:00–18:00 CET)

Kepemimpinan

Pendiri & CEO: Julian Emirhan Bulut

Pengusaha visioner yang memimpin inovasi AI dalam teknologi kesehatan. Membangun alat interpretasi tes darah yang mudah diakses untuk peningkatan kesehatan global.

Terhubung di LinkedIn

Kepala Petugas Medis: Thomas Klein, MD

Hematolog klinis bersertifikat dewan yang memimpin pengawasan klinis atas konten medis kami.

Kepatuhan

Perlindungan Data: Selaras dengan GDPR (UE)

Privasi Layanan Kesehatan: Praktik yang selaras dengan HIPAA (AS)

Alat Kesehatan: Tidak diklasifikasikan sebagai alat kesehatan - Hanya alat informasi

Referensi & Standar

Metodologi validasi dan standar klinis kami didasarkan pada pedoman medis yang telah ditetapkan dan standar internasional.

  1. [1] Organisasi Kesehatan Dunia (WHO). Penggunaan Hemoglobin Terglikasi (HbA1c) dalam Diagnosis Diabetes Melitus. Jenewa: WHO; 2011. Tersedia dari: https://www.who.int/diabetes/publications/diagnosis_diabetes2011/en/
  2. [2] Organisasi Internasional untuk Standardisasi. ISO 15189:2022 Laboratorium medis — Persyaratan untuk kualitas dan kompetensi. Jenewa: ISO; 2022. https://www.iso.org/standard/76677.html
  3. [3] Lembaga Standar Klinis dan Laboratorium (CLSI). EP09c: Perbandingan Prosedur Pengukuran dan Estimasi Bias Menggunakan Sampel Pasien. edisi ke-3. Wayne, PA: CLSI; 2018.
  4. [4] Lembaga Kesehatan Nasional (NIH). Rentang Nilai Referensi untuk Tes Darah. Bethesda, MD: NIH; Diperbarui 2024. Tersedia dari: MedlinePlus
  5. [5] Asosiasi Kimia Klinis Amerika (AACC). Rentang Nilai Referensi Uji Laboratorium. Washington, DC: AACC; 2024. https://www.aacc.org/
  6. [6] Federasi Internasional Kimia Klinis (IFCC). Prosedur Pengukuran Referensi. Milan: IFCC; 2023. https://www.ifcc.org/
  7. [7] Bulut J E. Mesin AI Kantesti — Benchmark Interpretasi Tes Darah (kerangka otomatis, open-source). Kantesti Ltd; 2026. Kode & data: GitHub · DOI: 10.6084/m9.figshare.32095435
  8. [8] Departemen Kesehatan dan Layanan Kemanusiaan AS. Aturan Privasi HIPAA. 45 CFR Bagian 160 dan Subbagian A dan E dari Bagian 164. Washington, DC: HHS; 2013.
  9. [9] Parlemen dan Dewan Eropa. Peraturan Perlindungan Data Umum (GDPR). Peraturan (UE) 2016/679. Brussel: UE; 2016.