ಈ ಬೆಂಚ್ಮಾರ್ಕ್ ಏಕೆ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಮತ್ತು ಅದು ಏನು ಪರೀಕ್ಷಿಸುತ್ತದೆ

AI ಸಹಾಯಿತ ರಕ್ತ ಪರೀಕ್ಷೆ ವರದಿ ಅರ್ಥವನ್ನು ಗ್ರಾಹಕ ಮತ್ತು ಕ್ಲಿನಿಕಲ್ ಕಾರ್ಯಪ್ರವಾಹಗಳಲ್ಲಿ ಹೆಚ್ಚಾಗಿ ಬಳಸಲಾಗುತ್ತಿದೆ; ಆದರೆ ಪ್ರಯೋಗಾಲಯ ವೈದ್ಯಕೀಯಕ್ಕೆ ಹೊಂದುವಂತೆ ಪುನರುತ್ಪಾದಿಸಬಹುದಾದ ಮೌಲ್ಯಮಾಪನ ಚೌಕಟ್ಟುಗಳು ಇನ್ನೂ ಅಪರೂಪ. ಈ ಸಂದರ್ಭದಲ್ಲೇ ಅತ್ಯಂತ ಮುಖ್ಯವಾದ ಪ್ರಶ್ನೆಗಳು ಸಾಮಾನ್ಯ ವೈದ್ಯಕೀಯ ಪ್ರಶ್ನೋತ್ತರ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ಗಳಲ್ಲಿ ಒಳಗೊಂಡಿರುವುದಲ್ಲ: ಸರಾಸರಿ ಕಾರ್ಪಸ್ಕುಲರ್ ವಾಲ್ಯೂಮ್ ಒಂದೇ ಇದ್ದಾಗ ಎಂಜಿನ್ ಕಬ್ಬಿಣ ಕೊರತೆಯನ್ನು ಥಾಲಸ್ಸೇಮಿಯಾ ಟ್ರೇಟ್‌ನಿಂದ ಬೇರ್ಪಡಿಸಬಹುದೇ, ಗಿಲ್ಬರ್ಟ್‌ನ ಸಿಂಡ್ರೋಮ್ ಅನ್ನು ಹೆಪಟೈಟಿಸ್ ಎಂದು ಅತಿಯಾಗಿ ನಿರ್ಣಯಿಸುತ್ತದೆಯೇ, ಮತ್ತು ಸಂಪೂರ್ಣ ಸಾಮಾನ್ಯ ಸ್ಕ್ರೀನಿಂಗ್ ಪ್ಯಾನೆಲ್‌ನಲ್ಲಿ ಪಥಾಲಜಿಯನ್ನು ತಯಾರಿಸುತ್ತದೆಯೇ?

Kantesti AI ಎಂಜಿನ್ ಅನ್ನು ಹಿಮಗಟ್ಟಿದ ಅಂಕಗಳ ಮಾನದಂಡಗಳ ವಿರುದ್ಧ ಹೇಗೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ತೋರಿಸುವ ಪೂರ್ವ-ನೋಂದಾಯಿತ ರೂಬ್ರಿಕ್ ಫ್ಲೋ ಚಿತ್ತರ
ಚಿತ್ರ 1: ಬೆಂಚ್‌ಮಾರ್ಕ್ ಆರ್ಕಿಟೆಕ್ಚರ್ — ಪ್ರತಿಯೊಂದು ಕೇಸ್, ಪ್ರತಿಯೊಂದು ಕೀವರ್ಡ್, ಪ್ರತಿಯೊಂದು ಸ್ಕೋರಿಂಗ್ ಸಿಸ್ಟಮ್ — ಎಂಜಿನ್ ಯಾವುದೇ ಒಂದು PDF ಅನ್ನು ನೋಡುವ ಮೊದಲುಲೇ ಸೋರ್ಸ್ ಕೋಡ್‌ನಲ್ಲಿ ಸ್ಥಿರಗೊಳಿಸಲಾಗಿದೆ. ಪೋಸ್ಟ್-ಹಾಕ್ ರೂಬ್ರಿಕ್ ಟ್ಯೂನಿಂಗ್ ವಿನ್ಯಾಸದ ಪ್ರಕಾರ ಸಾಧ್ಯವಿಲ್ಲ.

ಒಂದು ಏಕೈಕ ರಕ್ತ ಪರೀಕ್ಷಾ ಪ್ಯಾನೆಲ್ ಸಾಮಾನ್ಯವಾಗಿ ಹಲವಾರು ಸ್ಪರ್ಧಾತ್ಮಕ ವ್ಯಾಖ್ಯಾನಗಳನ್ನು ಬೆಂಬಲಿಸಲು ಸಾಕಷ್ಟು ಸೂಚನೆಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ, ಮತ್ತು ವ್ಯಾಖ್ಯಾನಿಸುವ ವೈದ್ಯರ ಕೆಲಸವೆಂದರೆ ಆ ವ್ಯಾಖ್ಯಾನಗಳನ್ನು ಪಠ್ಯಪುಸ್ತಕದ ಒಂದೇ ಉತ್ತರವನ್ನು ಹುಡುಕುವುದಕ್ಕಿಂತ ಪರಸ್ಪರ ತೂಕಮಾಪನ ಮಾಡಿ ಹೋಲಿಸುವುದು. ಪಠ್ಯಪುಸ್ತಕದ ಪ್ರಕರಣಗಳಲ್ಲಿ ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡುವ ಎಂಜಿನ್ ಕೂಡ ಅತ್ಯಂತ ಮುಖ್ಯವಾದ ಪ್ರಕರಣಗಳಲ್ಲಿ ವಿಫಲವಾಗಬಹುದು: ವಿಭಿನ್ನ-ರೋಗನಿರ್ಣಯದ ತಪ್ಪುಬಲೆಗಳು, ಪ್ರತ್ಯೇಕವಾಗಿ ನೋಡಿದಾಗ ಎಚ್ಚರಿಸುವಂತೆ ಕಾಣುವ ನಿರಪಾಯ ರೂಪಾಂತರಗಳು, ಮತ್ತು ಸಂಪೂರ್ಣ ಸಾಮಾನ್ಯ ಪ್ಯಾನೆಲ್‌ಗಳು ಆತ್ಮವಿಶ್ವಾಸಿ ಸಹಾಯಕರನ್ನು ರೋಗಪಥ್ಯವನ್ನು ತಯಾರಿಸಲು ಪ್ರೇರೇಪಿಸುವುದು.

ಈ ಬೆಂಚ್ಮಾರ್ಕ್ ಅನ್ನು ನಿಖರವಾಗಿ ಆ ವಿಫಲತೆಯ ಮಾದರಿಗಳ ಸುತ್ತ ನಿರ್ಮಿಸಲಾಗಿದೆ. ಹದಿನೈದು ಪ್ರಕರಣಗಳಲ್ಲಿ ಪ್ರತಿಯೊಂದನ್ನೂ ನಿರ್ದಿಷ್ಟ ರೋಗನಿರ್ಣಯ ಗುಣಲಕ್ಷಣಕ್ಕಾಗಿ ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ: ಒಂದೇ mean corpuscular volume ಹೊಂದಿರುವ beta-thalassaemia trait ನಿಂದ ಬೇರ್ಪಡಿಸಬೇಕಾದ iron-deficient microcytosis, ಅಲ್ಲಿ ಏಕೈಕ ಅಸಾಮಾನ್ಯತೆ isolated indirect hyperbilirubinaemia ಆಗಿರುವ Gilbert's syndrome ಪ್ರಸ್ತುತಿ, ಮತ್ತು ಹದಿನೈದು-ಪ್ಯಾರಾಮೀಟರ್ screening ಪ್ಯಾನೆಲ್‌ನಲ್ಲಿ ಪ್ರತಿಯೊಂದು analyte ತನ್ನ reference range ಒಳಗೇ ಇರುವ ಪರಿಸ್ಥಿತಿ. ರೂಬ್ರಿಕ್ ಅಂತಹ ಎಂಜಿನ್‌ಗಳಿಗೆ ಬಹುಮಾನ ನೀಡುತ್ತದೆ—ಪ್ರತಿ ಪ್ರಕರಣವನ್ನು ಅದರದೇ ಅರ್ಥದಲ್ಲಿ ಓದುವ ಎಂಜಿನ್‌ಗಳಿಗೆ—ಮತ್ತು ಯಾವುದೇ ಅಂತಹ ರೋಗನಿರ್ಣಯಕ್ಕೆ ಆಧಾರವಿಲ್ಲದಿದ್ದರೂ ಆತ್ಮವಿಶ್ವಾಸದ ರೋಗನಿರ್ಣಯಕ್ಕೆ ತಲುಪುವ ಎಂಜಿನ್‌ಗಳಿಗೆ ದಂಡ ವಿಧಿಸುತ್ತದೆ.

ಡಾ. ಥಾಮಸ್ ಕ್ಲೈನ್ (MD) ಆಗಿ, ನಾನು ಈ ಪ್ರಕರಣ ಪ್ಯಾನೆಲ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿದೆ, ಏಕೆಂದರೆ ಪ್ರಯೋಗಾಲಯ-ವೈದ್ಯಕೀಯ ಸಹಾಯಕರು ಹೆಚ್ಚು ಬಾರಿ ತಪ್ಪಾಗಿ ಪಡೆಯುವ ಮಾದರಿಗಳು ಇವು. ದುಬಾರಿ ವಿಫಲತೆಯ ಮಾದರಿ "ಅಪರೂಪದ ರೋಗವನ್ನು ತಪ್ಪಿಸುವುದು" ಅಲ್ಲ — ಅದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ, ಅದನ್ನು ಹೊಂದಿರದ ರೋಗಿಗಳಲ್ಲಿ ಸಾಮಾನ್ಯ ರೋಗಪಥ್ಯವನ್ನು ಕಲ್ಪಿಸಿ ಸೃಷ್ಟಿಸುವುದು. ನಮ್ಮ ವೈದ್ಯಕೀಯ ದೃಢೀಕರಣ hub ವ್ಯಾಪಕವಾದ ಚೌಕಟ್ಟನ್ನು ವಿವರಿಸುತ್ತದೆ; ಈ ಪುಟವು V11 ಎಂಜಿನ್‌ನಲ್ಲಿ ಅದರ ಅನ್ವಯಿತ ಫಲಿತಾಂಶವನ್ನು ವಿವರಿಸುತ್ತದೆ.

ಇತ್ತೀಚಿನ ಉಲ್ಲೇಖ ರನ್ — V11 (ಏಪ್ರಿಲ್ 2026)

Kantesti AI Engine V11 ನ ಏಪ್ರಿಲ್ 2026 reference run ನಲ್ಲಿ 99.12% ಪೂರ್ವನೋಂದಾಯಿತ ಹದಿನೈದು-ಪ್ರಕರಣ ರೂಬ್ರಿಕ್‌ನಲ್ಲಿ ಸಂಯುಕ್ತ (composite) ಅಂಕವನ್ನು ನೀಡಿತು. ಎರಡೂ hyperdiagnosis trap ಪ್ರಕರಣಗಳು ಗರಿಷ್ಠ ಮಟ್ಟದಲ್ಲಿ ಅಂಕ ಪಡೆದವು. iron-deficiency ವಿರುದ್ಧ thalassaemia differential ನಲ್ಲಿ Mentzer index ಅನ್ನು ಸರಿಯಾಗಿ ಅನ್ವಯಿಸಲಾಯಿತು.

ಸಂಯುಕ್ತ 99.12% 15 ರಲ್ಲಿ 15 ಪ್ರಕರಣಗಳು ಅಂಕ ಪಡೆದವು
0.998 ರಚನಾತ್ಮಕ ಅಂಕ
0.998 ಕ್ಲಿನಿಕಲ್ ಅಂಕ
20.17 s ಸರಾಸರಿ ವಿಳಂಬ (latency)
0 / 13 ಟ್ರ್ಯಾಪ್ false-positives

ಸಂಯುಕ್ತ ಸೂತ್ರವು ಮೂರು ಘಟಕಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ: ರಚನಾತ್ಮಕ ಹೊಂದಾಣಿಕೆ ಏಳು ಕಡ್ಡಾಯ ವರದಿ ವಿಭಾಗಗಳು ಮತ್ತು ಹದಿನಾರು ಕಡ್ಡಾಯ ಉಪವಿಭಾಗಗಳೊಂದಿಗೆ, ಕ್ಲಿನಿಕಲ್ ನಿಖರತೆ ಇದನ್ನು keyword recall + scoring-system recall + probability-distribution validity check ಮೂಲಕ ಅಳೆಯಲಾಗುತ್ತದೆ, ಮತ್ತು ಪ್ರತಿಕ್ರಿಯಾ ವಿಳಂಬ (response latency) 20 ಸೆಕೆಂಡುಗಳ ಪ್ರಾಥಮಿಕ-ಸೇವಾ ಮಟ್ಟದ ಗುರಿಯ ವಿರುದ್ಧ. ನಿಖರವಾದ ವಿಭಜನೆ ಕೆಳಗಿನ ರೂಬ್ರಿಕ್ ಸೂತ್ರದಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ.

ಸಂಯುಕ್ತ = 0.35 × ರಚನಾತ್ಮಕ + 0.55 × ಕ್ಲಿನಿಕಲ್ + 0.10 × ವಿಳಂಬ (Latency)

ಉಳಿದಿರುವ 0.88 ಶೇಕಡಾ ಪಾಯಿಂಟ್‌ಗಳಷ್ಟು ಹೆಡ್‌ರೂಮ್ ಬಹುತೇಕ ಸಂಪೂರ್ಣವಾಗಿ ಲ್ಯಾಟೆನ್ಸಿ ನಷ್ಟಕ್ಕೆ ವಿಭಜನೆಯಾಗುತ್ತದೆ — ಮೈನಸ್ 0.05 ಸಂಯೋಜಿತದಂತೆ ಮೂರು ಫೇಸ್ 2 ಫಾಲ್ಬ್ಯಾಕ್ ಕರೆಗಳು 0.88-ಪಾಯಿಂಟ್ ಕೊರತೆಯ ಸುಮಾರು 0.60 ಅನ್ನು ಕೊಡುಗೆ ನೀಡಿವೆ — ಕ್ಲಿನಿಕಲ್ ವಿಷಯಕ್ಕೆ ಅಲ್ಲ. ಎಂಜಿನ್ ಹದಿನೈದು ಪ್ರಕರಣಗಳಲ್ಲಿ ಯಾವುದಲ್ಲಿಯೂ ಸರಿಯಾದ ರೋಗನಿರ್ಣಯವನ್ನು ತಪ್ಪಿಸಿಲ್ಲ; ಅದು ಎಲ್ಲಿ ಕಡಿಮೆಯಾಯಿತು ಅಲ್ಲಿ, ಬಹುಸಂಖ್ಯೆಯಲ್ಲದ ಕೆಲವು ಕರೆಗಳಲ್ಲಿ 20 ಸೆಕೆಂಡುಗಳ ಪ್ರಾಥಮಿಕ-ಪಾತ್ ಗುರಿಗಿಂತ ಸ್ವಲ್ಪ ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಂಡುದರಿಂದ ಮಾತ್ರ.

ಏಳು ವೈದ್ಯಕೀಯ ವಿಶೇಷತೆಗಳಾದ್ಯಂತ ಹದಿನೈದು ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣಗಳ ಪ್ಯಾನೆಲ್ ಏಳು ವಿಶೇಷತೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ — ಹೆಮಟಾಲಜಿ, ಎಂಡೋಕ್ರೈನಾಲಜಿ, ಮೆಟಾಬಾಲಿಕ್ ಮೆಡಿಸಿನ್, ಹೆಪಟಾಲಜಿ, ನೆಫ್ರಾಲಜಿ, ಕಾರ್ಡಿಯಾಲಜಿ, ರಿಯುಮಟಾಲಜಿ — ಜೊತೆಗೆ ಎರಡು ಸಮರ್ಪಿತ ಹೈಪರ್‌ಡಯಾಗ್ನೋಸಿಸ್ ಟ್ರ್ಯಾಪ್ ಪ್ರಕರಣಗಳು. ಪ್ರತಿಯೊಂದು ಪ್ರಕರಣವೂ ಬರವಣಿಗೆಯ ತಿಳಿದ ಒಪ್ಪಿಗೆಯಡಿ Kantesti ಕ್ಲಿನಿಕಲ್ ಡೇಟಾ ರೆಪೊಸಿಟರಿಯಿಂದ ತೆಗೆದುಕೊಳ್ಳಲಾದ ಅನಾಮಧೇಯಗೊಳಿಸಿದ ನಿಜವಾದ ರೋಗಿಯ ದಾಖಲೆ.

ಏಳು ವೈದ್ಯಕೀಯ ವಿಶೇಷತೆಗಳ ನಡುವೆ ಹಂಚಲಾದ ಹದಿನೈದು ಅನಾಮಧೇಯ ರಕ್ತ ಪರೀಕ್ಷಾ ಪ್ರಕರಣಗಳ ಕವರೆಜ್ ನಕ್ಷೆ ಜೊತೆಗೆ ಹೈಪರ್‌ಡಯಾಗ್ನೋಸಿಸ್ ಟ್ರ್ಯಾಪ್ ಪ್ರಕರಣಗಳು
ಚಿತ್ರ 2: ಹೆಮಟಾಲಜಿ, ಎಂಡೋಕ್ರೈನಾಲಜಿ, ಮೆಟಾಬಾಲಿಕ್ ಮೆಡಿಸಿನ್, ಹೆಪಟಾಲಜಿ, ನೆಫ್ರಾಲಜಿ, ಕಾರ್ಡಿಯಾಲಜಿ, ರಿಯುಮಟಾಲಜಿ — ಜೊತೆಗೆ ಎರಡು ಟ್ರ್ಯಾಪ್ ಪ್ರಕರಣಗಳು — ಗಿಲ್ಬರ್ಟ್‌ನ ಸಿಂಡ್ರೋಮ್ ಮತ್ತು ಸಂಪೂರ್ಣವಾಗಿ ಸಾಮಾನ್ಯ ಸ್ಕ್ರೀನಿಂಗ್ ಪ್ಯಾನೆಲ್.

ಡಿ-ಐಡೆಂಟಿಫಿಕೇಶನ್ ಅನ್ನು Safe Harbor ವಿಧಾನದಲ್ಲಿ ಮಾಡಲಾಗಿದೆ: ಎಲ್ಲಾ ನೇರ ಗುರುತಿಸುವ ಮಾಹಿತಿಯನ್ನು ತೆಗೆದುಹಾಕಲಾಗಿದೆ ಅಥವಾ ಬದಲಿಸಲಾಗಿದೆ, ಮತ್ತು ಪ್ರತಿಯೊಂದು ದಾಖಲೆಗೆ BT-NNN-LABEL ಸ್ವರೂಪದಲ್ಲಿ ಒಂದು ಬೆಂಚ್ಮಾರ್ಕ್-ಆಂತರಿಕ ಪ್ರಕರಣ ಕೋಡ್ ಅನ್ನು ನೀಡಲಾಗಿದೆ. ಪ್ರಕ್ರಿಯೆಯನ್ನು ಇದರ ಅನುಸಾರವಾಗಿ ನಡೆಸಲಾಗಿದೆ GDPR ವಿಧಿ 9(2)(j) ಸೂಕ್ತ ರಕ್ಷಣೆಗಳೊಂದಿಗೆ ವೈಜ್ಞಾನಿಕ ಸಂಶೋಧನೆಗಾಗಿ, ಮತ್ತು ಸಮಾನವಾದ UK GDPR ನಿಯಮಗಳ ಪ್ರಕಾರ. ಪ್ರಕಟಿತ ಹಾರ್ನೆಸ್, ತಾಂತ್ರಿಕ ವರದಿ, ಅಥವಾ ಬಿಡುಗಡೆಗೊಂಡ ಡೇಟಾಸೆಟ್‌ಗಳಲ್ಲಿ ಎಲ್ಲಿಯೂ ಯಾವುದೇ ವೈಯಕ್ತಿಕವಾಗಿ ಗುರುತಿಸಬಹುದಾದ ಮಾಹಿತಿ ಕಾಣಿಸುವುದಿಲ್ಲ.

ಹೆಮಟಾಲಜಿ (3) BT-001, BT-006, BT-007 ಕಬ್ಬಿಣದ ಕೊರತೆಯಿಂದ ಉಂಟಾಗುವ ರಕ್ತಹೀನತೆ · B12 ಕೊರತೆ · ಸಣ್ಣ ಮಟ್ಟದ ಬೀಟಾ-ಥಾಲಸೆಮಿಯಾ
ಎಂಡೋಕ್ರೈನಾಲಜಿ (3) BT-002, BT-008, BT-012 ಹಾಶಿಮೋಟೋಸ್ ಥೈರಾಯ್ಡಿಟಿಸ್ · ಇನ್ಸುಲಿನ್ ಪ್ರತಿರೋಧದೊಂದಿಗೆ PCOS · ತೀವ್ರ ವಿಟಮಿನ್ ಡಿ ಕೊರತೆ
ಮೆಟಾಬಾಲಿಕ್ (2) BT-003, BT-013 ಮೆಟಾಬಾಲಿಕ್ ಸಿಂಡ್ರೋಮ್‌ನೊಂದಿಗೆ T2DM · ಗೌಟ್ ಅಪಾಯದೊಂದಿಗೆ ಹೈಪರ್‌ಯೂರಿಸೀಮಿಯಾ
ಹೆಪಟಾಲಜಿ (2) BT-004, BT-009 NAFLD / NASH · ತೀವ್ರ ವೈರಲ್ ಹೆಪಟೈಟಿಸ್
ನೆಫ್ರಾಲಜಿ · ಕಾರ್ಡಿಯಾಲಜಿ · ರಿಯುಮಟಾಲಜಿ (3) BT-005, BT-010, BT-011 CKD ಹಂತ 3 · ಅಥೆರೋಜೆನಿಕ್ ಡಿಸ್ಲಿಪಿಡೀಮಿಯಾ · ಸಿಸ್ಟಮಿಕ್ ಲೂಪಸ್ ಎರಿತಿಮಾಟೋಸಸ್
ಟ್ರ್ಯಾಪ್ ಪ್ರಕರಣಗಳು (2) BT-014, BT-015 ಗಿಲ್ಬರ್ಟ್‌ನ ಸಿಂಡ್ರೋಮ್ (ಪ್ರತ್ಯೇಕಿತ ಅಪ್ರತ್ಯಕ್ಷ ಹೈಪರ್‌ಬಿಲಿರುಬಿನೀಮಿಯಾ) · ಸಂಪೂರ್ಣವಾಗಿ ಸಾಮಾನ್ಯ ವಯಸ್ಕರ ಸ್ಕ್ರೀನ್

ಈ ನಿರ್ದಿಷ್ಟ ವಿತರಣೆಯ ಕಾರಣ

ವಾಸ್ತವ ಜಗತ್ತಿನ ಪ್ರಯೋಗಾಲಯ ಅಭ್ಯಾಸದಲ್ಲಿ ಮೈಕ್ರೋಸೈಟಿಕ್ ಡಿಫರೆನ್ಷಿಯಲ್ಸ್ ಮತ್ತು ಮ್ಯಾಕ್ರೋಸೈಟಿಕ್ ಡಿಫರೆನ್ಷಿಯಲ್ಸ್ ಅತಿ ಹೆಚ್ಚು ಪ್ರಮಾಣದ “ಟ್ರ್ಯಾಪ್” ಗಳಾಗಿರುವುದರಿಂದ ಹೆಮಟಾಲಜಿ ಮೂರು ಪ್ರಕರಣಗಳನ್ನು ಪಡೆಯುತ್ತದೆ. ಹ್ಯಾಶಿಮೋಟೋಸ್, PCOS, ಮತ್ತು ವಿಟಮಿನ್ ಡಿ ಕೊರತೆ ಎಂಬ ಪ್ರಸ್ತುತಿಗಳು ವಿಭಿನ್ನ ರೋಗನಿರ್ಣಯದ ಆಕಾರಗಳನ್ನು (ಆಟೋಆಂಟಿಬಾಡಿ ಚಾಲಿತ, ಹಾರ್ಮೋನ್ ಅನುಪಾತ ಚಾಲಿತ, ಏಕ-ಮಾರ್ಕರ್ ಚಾಲಿತ) ಅಭ್ಯಾಸ ಮಾಡುವುದರಿಂದ ಎಂಡೋಕ್ರೈನಾಲಜಿ ಮೂರು ಪ್ರಕರಣಗಳನ್ನು ಪಡೆಯುತ್ತದೆ. CKD, ASCVD ಅಪಾಯ, ಮತ್ತು SLE ಪ್ರತಿಯೊಂದಕ್ಕೂ ತನ್ನದೇ ಆದ ಸ್ಕೋರಿಂಗ್ ವ್ಯವಸ್ಥೆ ಇರುವುದರಿಂದ ಮತ್ತು ಎಂಜಿನ್ ಅದನ್ನು ಕರೆಯಬೇಕಾಗಿರುವುದರಿಂದ ಏಕ-ಪ್ರಕರಣ ವಿಶೇಷತೆಗಳು ಇನ್ನೂ ಅರ್ಥಪೂರ್ಣವಾಗಿವೆ (ಕ್ರಮವಾಗಿ KDIGO ಸ್ಟೇಜಿಂಗ್, ASCVD 10-ವರ್ಷ ಅಪಾಯ, 2019 EULAR/ACR SLE ಮಾನದಂಡಗಳು).

ಪೂರ್ವ-ನೋಂದಾಯಿತ ರೂಬ್ರಿಕ್ — ವಿವರಿಸಲಾಗಿದೆ

ಈ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ನಲ್ಲಿ ಪ್ರೀ-ರಿಜಿಸ್ಟ್ರೇಶನ್ ಅತ್ಯಂತ ಪ್ರಮುಖವಾದ ವಿಧಾನಾತ್ಮಕ ಆಯ್ಕೆ. ನಿರೀಕ್ಷಿತ ಪ್ರತಿಯೊಂದು ರೋಗನಿರ್ಣಯ, ಪ್ರತಿಯೊಂದು ಕ್ಲಿನಿಕಲ್ ಸ್ಕೋರಿಂಗ್ ವ್ಯವಸ್ಥೆ, ಮತ್ತು ಪ್ರತಿಯೊಂದು ವರದಿ ವಿಭಾಗವನ್ನು ಮೂಲ ಕೋಡ್‌ಗೆ ಬದ್ಧಗೊಳಿಸಲಾಗಿತ್ತು ಎಂಜಿನ್ ಅನ್ನು ಕರೆಯುವ ಮೊದಲು. ಆದ್ದರಿಂದ ಎಂಜಿನ್ ಅನ್ನು ಮೆಚ್ಚಿಸುವಂತೆ ರೂಬ್ರಿಕ್‌ಗೆ ನಂತರದ ಹಂತದಲ್ಲಿ ಟ್ಯೂನಿಂಗ್ ಮಾಡುವುದು ಸಾಧ್ಯವಿಲ್ಲ.

ಸಂಯುಕ್ತ ಸ್ಕೋರ್ ಅನ್ನು ರೂಪಿಸುವ ಮೂರು ಘಟಕಗಳಿವೆ. ರಚನಾತ್ಮಕ ಘಟಕ 35 ಶೇಕಡಾ ಕೊಡುಗೆ ನೀಡುತ್ತದೆ ಮತ್ತು ಎಂಜಿನ್ ಏಳು ಕಡ್ಡಾಯ ವರದಿ ವಿಭಾಗಗಳನ್ನು (ಹೆಡರ್, ಸಾರಾಂಶ, ಪ್ರಮುಖ ಕಂಡುಬಂದವುಗಳು, ಡಿಫರೆನ್ಷಿಯಲ್, ಸ್ಕೋರಿಂಗ್ ವ್ಯವಸ್ಥೆಗಳು, ಶಿಫಾರಸುಗಳು, ಫಾಲೋ-ಅಪ್) ಮತ್ತು ಅವುಗಳೊಳಗಿನ ಹದಿನಾರು ಕಡ್ಡಾಯ ಉಪವಿಭಾಗಗಳನ್ನು ಹಿಂತಿರುಗಿಸಿದ್ದೇ ಎಂಬುದನ್ನು ಅಳೆಯುತ್ತದೆ. ವಿಭಾಗದ ಉಪಸ್ಥಿತಿ ರಚನಾತ್ಮಕ ಲೆಕ್ಕಾಚಾರದಲ್ಲಿ 40 ಶೇಕಡಾ ತೂಕ ಹೊಂದಿದ್ದು, ಉಪವಿಭಾಗದ ಉಪಸ್ಥಿತಿ 60 ಶೇಕಡಾ ತೂಕ ಹೊಂದಿದೆ.

ದಿ ಕ್ಲಿನಿಕಲ್ ಘಟಕ 55 ಶೇಕಡಾ ಕೊಡುಗೆ ನೀಡುತ್ತದೆ ಮತ್ತು ಮೂರು ವಿಷಯಗಳನ್ನು ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ: ರೋಗನಿರ್ಣಯ-ಕೀವರ್ಡ್ ರಿಕಾಲ್ (ಕ್ಲಿನಿಕಲ್ ಉಪ-ಸ್ಕೋರ್‌ನ 70 ಶೇಕಡಾ), ಸ್ಕೋರಿಂಗ್-ವ್ಯವಸ್ಥೆ ರಿಕಾಲ್ (20 ಶೇಕಡಾ — ಸಂಬಂಧಿಸಿದಲ್ಲಿ ಎಂಜಿನ್ Mentzer, FIB-4, HOMA-IR, ASCVD ಅಪಾಯ, KDIGO ಸ್ಟೇಜಿಂಗ್, EULAR/ACR ಮಾನದಂಡಗಳನ್ನು ಲೆಕ್ಕ ಹಾಕುತ್ತದೆಯೇ), ಮತ್ತು ಪ್ರಾಬಬಿಲಿಟಿ-ಸಮ್ ಮಾನ್ಯತೆ ಪರಿಶೀಲನೆ (10 ಶೇಕಡಾ — ಡಿಫರೆನ್ಷಿಯಲ್ ಪ್ರಾಬಬಿಲಿಟಿಗಳು [90, 110] ಅಂತರದೊಳಗೆ ಮೊತ್ತವಾಗಿರಬೇಕು). ಟ್ರ್ಯಾಪ್ ಪ್ರಕರಣಗಳಿಗಾಗಿ, ಗರಿಷ್ಠ 0.30 ವರೆಗೆ ಸ್ಪಷ್ಟ “ಹೈಪರ್-ಡಯಾಗ್ನೋಸಿಸ್” ದಂಡವನ್ನು ಕಡಿತಗೊಳಿಸಲಾಗುತ್ತದೆ; ಇದು ತಯಾರಿಸಿದ ಪ್ರತಿಯೊಂದು ಪಥಾಲಜಿ ಫ್ಲ್ಯಾಗ್‌ಗೆ 0.10 ಎಂದು ಲೆಕ್ಕ ಹಾಕಿ, ಗರಿಷ್ಠ ಮೂರು ಫ್ಲ್ಯಾಗ್‌ಗಳಿಗೆ ಮಿತಿಗೊಳಿಸಲಾಗಿದೆ.

ದಿ ಲೇಟೆನ್ಸಿ ಘಟಕ 10 ಶೇಕಡಾ ಕೊಡುಗೆ ನೀಡುತ್ತದೆ. 20 ಸೆಕೆಂಡುಗಳೊಳಗಿನ ಪ್ರತಿಕ್ರಿಯೆಗೆ ಪೂರ್ಣ 0.10 ಸಿಗುತ್ತದೆ, 40 ಸೆಕೆಂಡುಗಳೊಳಗಿನ ಪ್ರತಿಕ್ರಿಯೆಗೆ 0.05 ಸಿಗುತ್ತದೆ, ಮತ್ತು ಅದಕ್ಕಿಂತ ನಿಧಾನವಾದುದಕ್ಕೆ ಶೂನ್ಯ. 20 ಸೆಕೆಂಡು ಗುರಿ ಉತ್ಪಾದನಾ ಪ್ರಾಥಮಿಕ-ಪಾಥ್ ಸೇವಾ-ಮಟ್ಟದ ಉದ್ದೇಶವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ; 40 ಸೆಕೆಂಡು ಮಿತಿ ಭಾರೀ-ಎಂಜಿನ್ ಕರೆಯಿಕೆಗಳಿಗಾಗಿ ಫೇಸ್ 2 ಬ್ಯಾಕಪ್ ಬಜೆಟ್ ಅನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ.

MIT ಪರವಾನಗಿಯ Kantesti ಬೆಂಚ್ಮಾರ್ಕ್ ಹಾರ್ನೆಸ್ ಚಾಲನೆಯಲ್ಲಿದ್ದು ಪ್ರತಿ-ಪ್ರಕರಣ ಅಂಕಗಳನ್ನು ಹೊರಹಾಕುತ್ತಿರುವ ಅಂತಿಮ ಸ್ಕ್ರೀನ್‌ಶಾಟ್
ಚಿತ್ರ 3: ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯಲ್ಲಿನ ಹಾರ್ನೆಸ್. ಪ್ರತಿಯೊಂದು ಪ್ರಕರಣವನ್ನು A4 PDF ಆಗಿ ರೆಂಡರ್ ಮಾಡಿ, ಉತ್ಪಾದನಾ v11 ಎಂಡ್‌ಪಾಯಿಂಟ್‌ಗೆ ಪೋಸ್ಟ್ ಮಾಡಿ, ಮತ್ತು ಫ್ರೀಜ್ ಮಾಡಿದ ರೂಬ್ರಿಕ್ ವಿರುದ್ಧ ಸ್ಕೋರ್ ಮಾಡಲಾಗುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಮೂಲ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಒಟ್ಟುಗೂಡಿಸಿದ ಸ್ಕೋರ್‌ಕಾರ್ಡ್ ಜೊತೆಗೆ ಉಳಿಸಲಾಗುತ್ತದೆ.

ಪ್ರೀ-ರಿಜಿಸ್ಟ್ರೇಶನ್ ಏನು ತಡೆಯುತ್ತದೆ

ಫಸ್ಟ್-ಪಾರ್ಟಿ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ಗಳು ಪೋಸ್ಟ್-ಹಾಕ್ ರೂಬ್ರಿಕ್ ಟ್ಯೂನಿಂಗ್ ಮೂಲಕ ತಮ್ಮದೇ ಸಂಖ್ಯೆಯನ್ನು ಹೆಚ್ಚಿಸುವುದರಲ್ಲಿ ಪ್ರಸಿದ್ಧ. ಮಾದರಿ ಬಹುತೇಕ ಯಾವಾಗಲೂ ಒಂದೇ: ತಂಡ ಎಂಜಿನ್ ಅನ್ನು ಓಡಿಸಿ, ಎಲ್ಲಿ ಕಡಿಮೆ ಕಾರ್ಯಕ್ಷಮತೆ ಇದೆ ಎಂದು ನೋಡಿ, ನಂತರ ಆ ಕಡಿಮೆ ಕಾರ್ಯಕ್ಷಮ ಪ್ರದೇಶಗಳು ಕಡಿಮೆ ಎಣಿಕೆಯಾಗುವಂತೆ ರೂಬ್ರಿಕ್ ಅನ್ನು ಮೌನವಾಗಿ ಸರಿಪಡಿಸುತ್ತದೆ. ಮೊದಲ ಎಂಜಿನ್ ಕರೆ ಮಾಡುವ ಮೊದಲು ರೂಬ್ರಿಕ್ ಅನ್ನು ಮೂಲ ಕೋಡ್‌ಗೆ ಬದ್ಧಗೊಳಿಸಿ, MIT ಪರವಾನಗಿಯಡಿ ಹಾರ್ನೆಸ್ ಅನ್ನು ಪ್ರಕಟಿಸುವುದರಿಂದ, ಆ ಸರಿಪಡಿಕೆ ಆವೃತ್ತಿ ನಿಯಂತ್ರಣದಲ್ಲಿ ಗೋಚರವಾಗುತ್ತದೆ. ಯಾರಾದರೂ ರೆಪೊಸಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ, ರೂಬ್ರಿಕ್ ಲೇಖಕರ ದಿನಾಂಕಗಳನ್ನು ಪರಿಶೀಲಿಸಿ, ಮತ್ತು ಸ್ಕೋರಿಂಗ್ ಅನ್ನು ರೂಪಿಸಲು ಎಂಜಿನ್ ಫಲಿತಾಂಶಗಳನ್ನು ಬಳಸಿಲ್ಲವೆಂದು ದೃಢೀಕರಿಸಬಹುದು.

ಹೈಪರ್‌ಡಯಾಗ್ನೋಸಿಸ್ ಟ್ರ್ಯಾಪ್ ಪ್ರಕರಣಗಳು — ಅತಿಯಾಗಿ ಕರೆಮಾಡುವುದು ನಿಜವಾದ ವೈಫಲ್ಯ ಮೋಡ್ ಏಕೆ

ಸಾಮಾನ್ಯ ಸ್ಕ್ರೀನ್‌ಗಳಲ್ಲಿ ಪಥಾಲಜಿಯನ್ನು ಅತಿಯಾಗಿ ಕರೆದು ಹೇಳುವುದು ಗ್ರಾಹಕಮುಖ ವೈದ್ಯಕೀಯ ಸಹಾಯಕರಲ್ಲಿ ದಾಖಲಾಗಿರುವ ವೈಫಲ್ಯ ಮಾದರಿಯಾಗಿದೆ. ಅದರ ಕೆಳಗಿನ ವೆಚ್ಚಗಳಲ್ಲಿ ಅನಗತ್ಯ ತನಿಖೆ, ರೋಗಿಯ ಆತಂಕ, ಮತ್ತು iatrogenic (ಚಿಕಿತ್ಸೆಯಿಂದ ಉಂಟಾಗುವ) ವರ್ಕ್‌ಅಪ್ ಸೇರಿವೆ. ಈ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ನಲ್ಲಿನ ಎರಡು ಟ್ರ್ಯಾಪ್ ಪ್ರಕರಣಗಳನ್ನು ಈ ವೈಫಲ್ಯ ಮಾದರಿಯನ್ನು ಗೋಚರವಾಗುವಂತೆ ಮತ್ತು ಸ್ಕೋರ್ ಮಾಡಬಹುದಾಗುವಂತೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.

ಗಿಲ್ಬರ್ಟ್ ಸಿಂಡ್ರೋಮ್ ಪ್ಯಾನೆಲ್‌ನಲ್ಲಿ ನಿರ್ದೋಷಿ AI ಹೆಪಟೈಟಿಸ್ ಅನ್ನು ಕಲ್ಪಿಸುವುದನ್ನು ಹೋಲಿಸಿ, Kantesti ಎಂಜಿನ್ ನಿರಪರಾಧ UGT1A1 ಪಾಲಿಮಾರ್ಫಿಸಂ ಅನ್ನು ಸರಿಯಾಗಿ ಗುರುತಿಸುವ ಪಕ್ಕಪಕ್ಕದ ಹೋಲಿಕೆ
ಚಿತ್ರ 4: ಟ್ರ್ಯಾಪ್-ಕೇಸ್ ವಿನ್ಯಾಸ. ಗಿಲ್ಬರ್ಟ್‌ನ ಸಿಂಡ್ರೋಮ್ ಅನ್ನು ವಿಶ್ವಾಸದಿಂದ ಹೆಪಟೈಟಿಸ್ ಎಂದು ಲೇಬಲ್ ಮಾಡುವ, ಅಥವಾ ಸಂಪೂರ್ಣ ಸಾಮಾನ್ಯ ಸ್ಕ್ರೀನ್‌ನಲ್ಲಿ ಗಡಿ-ಮಟ್ಟದ ಪಥಾಲಜಿಯನ್ನು ತಯಾರಿಸುವ ಎಂಜಿನ್‌ಗೆ ದಂಡ ವಿಧಿಸಲಾಗುತ್ತದೆ — ಕ್ಲಿನಿಕಲ್ ಎಂದು ಕೇಳಿಸುವುದಕ್ಕಾಗಿ ಬಹುಮಾನ ನೀಡುವುದಿಲ್ಲ.

🟡 ಟ್ರ್ಯಾಪ್ 1 — BT-014-GILBERT

ಪ್ರಸ್ತುತಿಕೆ. ಒಟ್ಟು ಬಿಲಿರುಬಿನ್ 2.4 mg/dL ಇರುವ 24 ವರ್ಷದ ಪುರುಷ. ಡೈರೆಕ್ಟ್ ಭಾಗ ಸಾಮಾನ್ಯವಾಗಿದೆ, ಟ್ರಾನ್ಸ್‌ಅಮಿನೇಸ್‌ಗಳು ಮತ್ತು ಅಲ್ಕಲೈನ್ ಫಾಸ್ಫಟೇಸ್ ತಮ್ಮ ಉಲ್ಲೇಖ ಶ್ರೇಣಿಗಳೊಳಗೆ ಇವೆ, ರೆಟಿಕ್ಯುಲೋಸೈಟ್‌ಗಳು ಗಮನಾರ್ಹವಾಗಿಲ್ಲ, ಮತ್ತು ಹ್ಯಾಪ್ಟೋಗ್ಲೋಬಿನ್ ಹಾಗೂ LDH ಹೀಮೋಲಿಸಿಸ್ ಅನ್ನು ತಳ್ಳಿಹಾಕುತ್ತವೆ.

ಸರಿಯಾದ ಅರ್ಥೈಸಿಕೆ. ಗಿಲ್ಬರ್ಟ್‌ನ ಸಿಂಡ್ರೋಮ್ — ಒಂದು ಸೌಮ್ಯ UGT1A1 ಪಾಲಿಮಾರ್ಫಿಸಮ್. ಅರ್ಥೈಸಿಕೆಯಲ್ಲಿ ಹೆಪಟೈಟಿಸ್, ಸಿರೋಸಿಸ್, ಹೀಮೋಲಿಟಿಕ್ ಅನೀಮಿಯಾ, ಅಥವಾ ಬಿಲಿಯರಿ ಅಬ್ಸ್ಟ್ರಕ್ಷನ್ ಅನ್ನು ಕರೆಯಬಾರದು.

V11 ಫಲಿತಾಂಶ. ಸಂಯುಕ್ತ 1.000. ಆರು ಮೇಲ್ವಿಚಾರಣೆಯಲ್ಲಿದ್ದ ಯಾವುದೇ ಓವರ್-ಡಯಾಗ್ನೋಸಿಸ್ ಫ್ಲ್ಯಾಗ್‌ಗಳು ಸಕ್ರಿಯ ರೋಗನಿರ್ಣಯಗಳಾಗಿ ಕಾಣಿಸಲಿಲ್ಲ.

🟡 ಟ್ರ್ಯಾಪ್ 2 — BT-015-HEALTHY

ಪ್ರಸ್ತುತಿಕೆ. 15-ಪ್ಯಾರಾಮೀಟರ್ ರೂಟೀನ್ ಸ್ಕ್ರೀನಿಂಗ್ ಪ್ಯಾನೆಲ್ ಇರುವ 35 ವರ್ಷದ ಮಹಿಳೆ. ಪ್ರತಿಯೊಂದು ಅನಲೈಟ್ ಕೂಡ ತನ್ನ ಉಲ್ಲೇಖ ಶ್ರೇಣಿಯೊಳಗೆ ಆರಾಮವಾಗಿ ಇದೆ.

ಸರಿಯಾದ ಅರ್ಥೈಸಿಕೆ. ಭರವಸೆ ಮತ್ತು ಜೀವನಶೈಲಿ ನಿರ್ವಹಣೆ. ಕ್ಲಿನಿಕಲ್ ಉಪಯುಕ್ತವೆಂದು ತೋರಿಸಲು ವ್ಯಾಖ್ಯಾನವು ಗಡಿ-ಸ್ಥಿತಿಯ ರೋಗಲಕ್ಷಣಗಳನ್ನು ಕೃತಕವಾಗಿ ಸೃಷ್ಟಿಸಬಾರದು.

V11 ಫಲಿತಾಂಶ. ಸಂಯುಕ್ತ 1.000. ಏಳು ಮೇಲ್ವಿಚಾರಣೆಯ ಅತಿಯಾದ-ರೋಗನಿರ್ಣಯ ಎಚ್ಚರಿಕೆಗಳಲ್ಲಿ—ಡಯಾಬಿಟಿಸ್, ರಕ್ತಹೀನತೆ, ಹೈಪೋಥೈರಾಯ್ಡಿಸಮ್, ಡಿಸ್ಲಿಪಿಡೀಮಿಯಾ, ಹೆಪಟೈಟಿಸ್, ಮೂತ್ರಪಿಂಡ ರೋಗ, ಕೊರತೆ—ಯಾವುದೂ ಸಕ್ರಿಯ ರೋಗನಿರ್ಣಯಗಳಾಗಿ ಕಾಣಿಸಲಿಲ್ಲ.

ಎರಡೂ ಟ್ರ್ಯಾಪ್‌ಗಳಲ್ಲಿ ಹದಿಮೂರು ಮೇಲ್ವಿಚಾರಣೆಯ ಹೈಪರ್‌ಡಯಾಗ್ನೋಸಿಸ್ ಎಚ್ಚರಿಕೆಗಳನ್ನು ಪರಿಶೀಲಿಸಲಾಯಿತು. ಯಾವುದೂ ಟ್ರಿಗರ್ ಆಗಲಿಲ್ಲ. ಟ್ರೈಯಾಜ್ ಅಥವಾ ಪೂರ್ವ-ಸಲಹಾ ಸಾಧನವಾಗಿ AI ಎಂಜಿನ್ ಬಳಸುವುದನ್ನು ಪರಿಗಣಿಸುವ ಯಾವುದೇ ವೈದ್ಯರಿಗೆ ಅತ್ಯಂತ ಮಹತ್ವದ ಫಲಿತಾಂಶ ಇದು: ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ರೋಗವನ್ನು ವ್ಯವಸ್ಥೆ ಕಂಡುಹಿಡಿದಿಲ್ಲ.

ಮೆಂಟ್ಜರ್ ಸೂಚ್ಯಂಕ: ಕಬ್ಬಿಣದ ಕೊರತೆಯನ್ನು ಥಲಸೆಮಿಯಾ ಟ್ರೈಟ್‌ನಿಂದ ಬೇರ್ಪಡಿಸುವುದು

ಎರಡನೇ ಹೆಚ್ಚಿನ ಮೌಲ್ಯದ ಕಂಡುಬರುವಿಕೆ ಎಂದರೆ ಪ್ರಕರಣ BT-001 (ಐರನ್ ಕೊರತೆಯ ರಕ್ತಹೀನತೆ) ಅನ್ನು ಪ್ರಕರಣ BT-007 (ಬೀಟಾ-ಥಾಲಸೆಮಿಯಾ ಮೈನರ್) ಜೊತೆ ಜೋಡಿಸಿರುವುದು. ಎರಡೂ ಮೈಕ್ರೋಸೈಟೋಸಿಸ್‌ನೊಂದಿಗೆ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ ಮತ್ತು ನಿರ್ದೋಷಿ ವರ್ಗೀಕರಿಸುವವರಿಗೆ ಇದು ಚೆನ್ನಾಗಿ ತಿಳಿದಿರುವ ಅಡಚಣೆಯಾಗಿದೆ. ಮೆಂಟ್ಜರ್ ಸೂಚ್ಯಂಕ, MCV ಅನ್ನು RBC ಎಣಿಕೆಯಿಂದ ಭಾಗಿಸಿದಂತೆ ಲೆಕ್ಕ ಹಾಕಲಾಗುತ್ತದೆ, ಐರನ್ ಕೊರತೆಯಲ್ಲಿ 13 ಕ್ಕಿಂತ ಹೆಚ್ಚಾಗುತ್ತದೆ ಮತ್ತು ಥಾಲಸೆಮಿಯಾ ಟ್ರೇಟ್‌ನಲ್ಲಿ 13 ಕ್ಕಿಂತ ಕಡಿಮೆಯಾಗುತ್ತದೆ.

BT-001 ನಲ್ಲಿ, ರೋಗಿ 34 ವರ್ಷದ ಮಹಿಳೆ; ಹಿಮೋಗ್ಲೋಬಿನ್ 10.4 g/dL, MCV 72.4 fL, RBC 4.1 × 10¹²/L, ಫೆರಿಟಿನ್ 6 ng/mL, ಮತ್ತು ಹೆಚ್ಚಿದ TIBC ಇತ್ತು. ಸುಮಾರು 17.7 ರ ಮೆಂಟ್ಜರ್ ಸೂಚ್ಯಂಕವು ಸಂಪೂರ್ಣ ಐರನ್ ಕೊರತೆಯನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. BT-007 ನಲ್ಲಿ, ರೋಗಿ 28 ವರ್ಷದ ಪುರುಷ; ಮೈಕ್ರೋಸೈಟೋಸಿಸ್ (MCV 65.8 fL) ಇದ್ದರೂ RBC ಎಣಿಕೆ 6.2 ಎಂಬಷ್ಟು ಹೆಚ್ಚಿತ್ತು, RDW ಸಾಮಾನ್ಯವಾಗಿತ್ತು, ಫೆರಿಟಿನ್ ಸಾಮಾನ್ಯವಾಗಿತ್ತು, ಮತ್ತು HbA2 5.6 ಶೇಕಡಾ ಇತ್ತು. ಸುಮಾರು 10.6 ರ ಮೆಂಟ್ಜರ್ ಸೂಚ್ಯಂಕವು ಥಾಲಸೆಮಿಯಾ ಟ್ರೇಟ್ ಅನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಮತ್ತು ಹೆಚ್ಚಿದ HbA2 ಬೀಟಾ-ಥಾಲಸೆಮಿಯಾ ಮೈನರ್ ಅನ್ನು ದೃಢಪಡಿಸುತ್ತದೆ.

ಐರನ್ ಕೊರತೆಯ ರಕ್ತಹೀನತೆ ಮೆಂಟ್ಜರ್ > 13 ಕಡಿಮೆ ಫೆರಿಟಿನ್, ಕಡಿಮೆ TSAT, ಹೆಚ್ಚಿದ TIBC, ಹೆಚ್ಚಿದ RDW
ಬೀಟಾ-ಥಾಲಸೆಮಿಯಾ ಟ್ರೇಟ್ ಮೆಂಟ್ಜರ್ < 13 ಸಾಮಾನ್ಯ ಫೆರಿಟಿನ್, ಸಾಮಾನ್ಯ RDW, ಹೆಚ್ಚಿದ HbA2 (>3.5%), ಹೆಚ್ಚಿದ RBC ಎಣಿಕೆ

ಎರಡೂ ಪ್ರಕರಣಗಳು 1.000 ಅಂಕ ಪಡೆದವು. ಎಂಜಿನ್ ಎರಡೂ ವ್ಯಾಖ್ಯಾನಗಳಲ್ಲಿ ಮೆಂಟ್ಜರ್ ಸೂಚ್ಯಂಕವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಬಳಸಿತು ಮತ್ತು ಪ್ರತಿಯೊಂದು ಸಂದರ್ಭದಲ್ಲೂ ಸರಿಯಾದ ರೋಗನಿರ್ಣಯವನ್ನು ನೀಡಿತು. ಇದು ಸಂಪೂರ್ಣ ಬೆಂಚ್‌ಮಾರ್ಕ್‌ನಲ್ಲಿ ಅತ್ಯಂತ ಏಕೈಕವಾಗಿ ಕ್ಲಿನಿಕಲ್ ದೃಢೀಕರಣ ನೀಡುವ ಫಲಿತಾಂಶ, ಏಕೆಂದರೆ ಥಾಲಸೆಮಿಯಾ ಟ್ರೇಟ್ ಅನ್ನು ಐರನ್ ಕೊರತೆಯಂತೆ ತಪ್ಪಾಗಿ ವರ್ಗೀಕರಿಸುವುದರಿಂದ ಅನೂಚಿತ ಐರನ್ ಪೂರಕ ನೀಡಲಾಗುತ್ತದೆ ಮತ್ತು ಕುಟುಂಬ-ಸ್ಕ್ರೀನಿಂಗ್ ಅವಕಾಶಗಳು ತಪ್ಪಿಹೋಗುತ್ತವೆ; ಮತ್ತು ಐರನ್ ಕೊರತೆಯನ್ನು ಥಾಲಸೆಮಿಯಾದಂತೆ ತಪ್ಪಾಗಿ ವರ್ಗೀಕರಿಸುವುದರಿಂದ ಸರಳ ಬದಲಾವಣೆ ಚಿಕಿತ್ಸೆಯಲ್ಲಿ ವಿಳಂಬವಾಗುತ್ತದೆ. ನಮ್ಮ ಫೆರಿಟಿನ್ ಶ್ರೇಣಿ ಮಾರ್ಗದರ್ಶಿ ವಿಶಾಲ ಡಿಫರೆನ್ಷಿಯಲ್ ಸಂದರ್ಭವನ್ನು ವಿವರಿಸುತ್ತದೆ.

ಏಪ್ರಿಲ್ 2026 ರನ್‌ನ ಪ್ರತಿ-ಕೇಸ್ ಫಲಿತಾಂಶಗಳು

ಹದಿನೈದರಲ್ಲಿ ಹನ್ನೆರಡು ಪ್ರಕರಣಗಳು ಪ್ರಾಥಮಿಕ ಪಾಥ್‌ನಲ್ಲಿ 1.000 ಎಂಬ ಮೇಲ್ಮಿತಿ ಸಂಯುಕ್ತ ಅಂಕವನ್ನು ಸಾಧಿಸಿದವು. ಮೂರು ಪ್ರಕರಣಗಳನ್ನು ಫೇಸ್ 2 ಬ್ಯಾಕಪ್ ಮೂಲಕ ಸೇವಿಸಲಾಯಿತು; ಇದರಿಂದ 0.05 ಲ್ಯಾಟೆನ್ಸಿ ಬೋನಸ್ ಕಳೆದುಹೋಯಿತು ಆದರೆ ಎಲ್ಲಾ ಕ್ಲಿನಿಕಲ್ ಮತ್ತು ರಚನಾತ್ಮಕ ವಿಷಯ ಉಳಿಯಿತು. ಒಂದು ಪ್ರಕರಣದಲ್ಲಿ ಒಂದು ಕಡ್ಡಾಯ ಉಪವಿಭಾಗ ಕಾಣೆಯಾಯಿತು; ಒಂದು ಪ್ರಕರಣದಲ್ಲಿ ಸ್ವಲ್ಪ ಕಡಿಮೆಯಾದ ಸಾಧ್ಯತಾ ವಿತರಣೆಯ ಮೊತ್ತ ಹಿಂದಿರುಗಿತು.

ಪ್ರಕರಣ ID ವಿಶೇಷತೆ ಸಂಯುಕ್ತ ಲ್ಯಾಟೆನ್ಸಿ ಪಾಥ್
BT-001-IDAರಕ್ತಶಾಸ್ತ್ರ1.00017.8 sಪ್ರಾಥಮಿಕ
BT-006-B12ರಕ್ತಶಾಸ್ತ್ರ1.00018.4 ಸೆಪ್ರಾಥಮಿಕ
BT-007-ಥಾಲರಕ್ತಶಾಸ್ತ್ರ1.00017.0 ಸೆಪ್ರಾಥಮಿಕ
BT-002-ಹ್ಯಾಶ್ಅಂತಃಸ್ರಾವಶಾಸ್ತ್ರ0.95037.0 ಸೆಬ್ಯಾಕಪ್
BT-008-PCOSಅಂತಃಸ್ರಾವಶಾಸ್ತ್ರ0.98718.6 ಸೆಪ್ರಾಥಮಿಕ
BT-003-T2DMಚಯಾಪಚಯ1.00019.1 ಸೆಪ್ರಾಥಮಿಕ
BT-013-ಗೌಟ್ಚಯಾಪಚಯ1.00019.4 ಸೆಪ್ರಾಥಮಿಕ
BT-004-NAFLDಹೆಪಟಾಲಜಿ1.00019.6 ಸೆಪ್ರಾಥಮಿಕ
BT-009-ವೈರ್‌ಹೆಪ್ಹೆಪಟಾಲಜಿ0.95023.4 ಸೆಬ್ಯಾಕಪ್
BT-014-ಗಿಲ್ಬರ್ಟ್ಟ್ರ್ಯಾಪ್1.00018.9 ಸೆಪ್ರಾಥಮಿಕ
BT-005-CKDಮೂತ್ರಪಿಂಡಶಾಸ್ತ್ರ1.00017.4 ಸೆಪ್ರಾಥಮಿಕ
BT-010-ASCVDಹೃದ್ರೋಗಶಾಸ್ತ್ರ1.00019.7 ಸೆಪ್ರಾಥಮಿಕ
BT-011-SLEರ್ಯೂಮಟಾಲಜಿ0.98118.2 ಸೆಪ್ರಾಥಮಿಕ
BT-012-VITDಅಂತಃಸ್ರಾವಶಾಸ್ತ್ರ1.00019.3 ಸೆಪ್ರಾಥಮಿಕ
BT-015-HEALTHYಟ್ರ್ಯಾಪ್1.00018.7 ಸೆಬ್ಯಾಕಪ್

PCOS ಪ್ರಕರಣ (BT-008) ಪ್ರತಿಕ್ರಿಯೆಯ ರಚನೆಯಲ್ಲಿನ ಒಂದು ಕಡ್ಡಾಯ ಉಪವಿಭಾಗವನ್ನು ಕಳೆದುಕೊಂಡಿತು — ಹದಿನಾರುಗಳಲ್ಲಿ ಹದಿನೈದು ಬದಲು ಹದಿನಾರುಗಳಲ್ಲಿ ಹದಿನಾರು — ಇದರಿಂದ ರಚನಾ ಅಂಕ 1.000 ರಿಂದ 0.963ಕ್ಕೆ ಇಳಿಯಿತು. SLE ಪ್ರಕರಣ (BT-011) ಪ್ರತಿಯೊಂದು ರೋಗನಿರ್ಣಯ ಕೀವರ್ಡ್ ಮತ್ತು ಸ್ಕೋರಿಂಗ್ ವ್ಯವಸ್ಥೆಯನ್ನು ಉಳಿಸಿಕೊಂಡಿದ್ದರೂ, ಕ್ಲಿನಿಕಲ್ ಅಂಕವನ್ನು 0.965ಕ್ಕೆ ಇಳಿಸಿದ ಸ್ವಲ್ಪ ಕಡಿಮೆಯಾದ ಸಾಧ್ಯತಾ-ವಿತರಣೆಯ ಮೊತ್ತವನ್ನು ಹಿಂದಿರುಗಿಸಿತು. ಯಾವುದೇ ಉಪ-ಪರಿಪೂರ್ಣ ಪ್ರಕರಣವೂ ಸರಿಯಾದ ರೋಗನಿರ್ಣಯವನ್ನು ತಪ್ಪಿಸಲಿಲ್ಲ.

ಹೆಡ್‌ಲೈನ್ ಸ್ಕೋರ್ ನಮಗೆ ಏನು ಹೇಳುವುದಿಲ್ಲ

ಈ ನಿರ್ದಿಷ್ಟ ಪೂರ್ವ-ನೋಂದಾಯಿತ ರೂಬ್ರಿಕ್ ಅಡಿಯಲ್ಲಿ 99.12 ಶೇಕಡಾ ಎಂಬ ಸಂಯುಕ್ತ ಅಂಕವು ಸೀಲಿಂಗ್ ಸಮೀಪದ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಆದರೆ ಅದನ್ನು ಎಚ್ಚರಿಕೆಯಿಂದ ಸಂದರ್ಭಗೊಳಿಸಬೇಕು. ಈ ಫಲಿತಾಂಶವು ಎಂಜಿನ್‌ನ ವರ್ತನೆಯನ್ನು ಹದಿನೈದು ಎಚ್ಚರಿಕೆಯಿಂದ ಆಯ್ದ ಅನಾಮಧೇಯ ಪ್ರಕರಣಗಳ ವಿರುದ್ಧ, ಪ್ರತಿ ಒಂದನ್ನೂ ಒಂದೇ ಬಾರಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ, ಒಂದೇ ರೂಬ್ರಿಕ್ ವಿರುದ್ಧ ಹೇಗೆ ತೋರಿಸಿತು ಎಂಬುದನ್ನು ವಿವರಿಸುತ್ತದೆ. ಆ ಸಂಖ್ಯೆ ಏನು ಸ್ಥಾಪಿಸುತ್ತದೆ ಮತ್ತು ಏನು ಸ್ಥಾಪಿಸುವುದಿಲ್ಲ ಎಂಬುದನ್ನು ನಾವು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳುತ್ತೇವೆ.

ಈ ಅಂಕವು V11 ಎಂಜಿನ್ ಈ ಮೌಲ್ಯಮಾಪನಕ್ಕಾಗಿ ಆಯ್ದ ರೋಗನಿರ್ಣಯ ಮಾದರಿಗಳನ್ನು ಸರಿಯಾಗಿ ನಿರ್ವಹಿಸಿದೆ ಎಂದು ಹೇಳುತ್ತದೆ, ಪ್ರಕಟಿತ ಮತ್ತು ಪುನರುತ್ಪಾದಿಸಬಹುದಾದ ವಿಧಾನಶಾಸ್ತ್ರದ ಮೇಲೆ. ಕಾಡಿನಲ್ಲಿ ಇರುವ ಪ್ರತಿಯೊಂದು ರಕ್ತ ಪರೀಕ್ಷೆ ಪ್ಯಾನೆಲ್‌ನಲ್ಲಿ ಎಂಜಿನ್ ಸರಿಯಾಗಿದೆ ಎಂದು ಅದು ಹೇಳುವುದಿಲ್ಲ. ಎಂಜಿನ್ ವೈದ್ಯರ ತೀರ್ಮಾನವನ್ನು ಬದಲಿಸಬೇಕು ಎಂದು ಅದು ಹೇಳುವುದಿಲ್ಲ. ಮತ್ತು ಪರ್ಯಾಯ AI ವ್ಯವಸ್ಥೆಗಳಿಗಿಂತ ಎಂಜಿನ್ ಉತ್ತಮವಾಗಿದೆ ಎಂದು ಅದು ಹೇಳುವುದಿಲ್ಲ — ಇತರ ಎಂಜಿನ್‌ಗಳ ವಿರುದ್ಧ ಹೋಲಿಕೆಯ ವಿಶ್ಲೇಷಣೆಗಳನ್ನು ಈ ವರದಿಗೆ ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ವ್ಯಾಪ್ತಿಯಿಂದ ಹೊರಗಿಡಲಾಗಿದೆ.

ಅಂಕವು ಸ್ಥಾಪಿಸುವುದು ಒಂದು ಮೂಲಮಟ್ಟ (baseline). ರೂಬ್ರಿಕ್ ಮತ್ತು ಹಾರ್ನೆಸ್ ಸಾರ್ವಜನಿಕವಾಗಿರುವುದರಿಂದ, ಎಂಜಿನ್‌ನ ಭವಿಷ್ಯದ ಆವೃತ್ತಿಗಳನ್ನು ಅದೇ ಹದಿನೈದು ಪ್ರಕರಣಗಳ ವಿರುದ್ಧ ಮೌಲ್ಯಮಾಪನ ಮಾಡಬಹುದು, ಮತ್ತು ಪ್ರಕಟಿತ ಅಂಕ ಮತ್ತು ನಂತರದ ಯಾವುದೇ ರನ್ ನಡುವಿನ ಅಂತರವೇ ಅಳೆಯಬಹುದಾಗಿದೆ. ಪೂರ್ವ-ನೋಂದಣಿಯ ಮೌಲ್ಯ ಇದಾಗಿದೆ: ಕಾರ್ಯಕ್ಷಮತೆಯ ಹಕ್ಕುಗಳನ್ನು ಪರೀಕ್ಷಿಸಬಹುದಾದ ಹಕ್ಕುಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ.

10 ನಿಮಿಷಗಳಲ್ಲಿ ಈ ಬೆಂಚ್‌ಮಾರ್ಕ್ ಅನ್ನು ಹೇಗೆ ಪುನರುತ್ಪಾದಿಸಬಹುದು

ಪುನರುತ್ಪಾದನೆಗೆ ಕೇವಲ Kantesti API ಕ್ರೆಡೆನ್ಷಿಯಲ್ ಜೋಡಿ ಮತ್ತು Python 3.10 ಅಥವಾ ನಂತರದ ಆವೃತ್ತಿಯ ಪರಿಸರ ಬೇಕು, requests ಮತ್ತು reportlab ಲೈಬ್ರರಿಗಳು ಇನ್‌ಸ್ಟಾಲ್ ಆಗಿರಬೇಕು. ಸಂಪೂರ್ಣ ಹಾರ್ನೆಸ್ MIT ಪರವಾನಗಿಯ ಅಡಿಯಲ್ಲಿ ಬಿಡುಗಡೆಗೊಂಡ ಒಂದೇ ಸ್ವಯಂ-ಸಂಪೂರ್ಣ Python ಮಾಡ್ಯೂಲ್ ಆಗಿದೆ.

ಬೆಂಚ್ಮಾರ್ಕ್ ಅನ್ನು Figshare, ResearchGate, Academia.edu ಮತ್ತು GitHub ನಲ್ಲಿ ಮಿರರ್ ಮಾಡಿರುವ ಪುನರುತ್ಪಾದಕತೆ ನೆಟ್‌ವರ್ಕ್ ಚಿತ್ತರ; Figshare DOI ಅನ್ನು ಮೂಲ ಆಂಕರ್ ಆಗಿ ಬಳಸಲಾಗಿದೆ
ಚಿತ್ರ 5: ಈ ಬೆಂಚ್ಮಾರ್ಕ್ ನಾಲ್ಕು ಸಂಶೋಧನಾ ವೇದಿಕೆಗಳಲ್ಲಿ ಪ್ರತಿಬಿಂಬಿತವಾಗಿದೆ. Figshare DOI canonical ಶೈಕ್ಷಣಿಕ ಗುರುತು; ResearchGate, Academia.edu, ಮತ್ತು GitHub ಇವುಗಳ ಸಮಾಂತರ ಪ್ರತಿಗಳನ್ನು ಕೋಡ್ ಮತ್ತು ಮೂಲ ಡೇಟಾವೊಂದಿಗೇ ಹೋಸ್ಟ್ ಮಾಡುತ್ತವೆ.
💻 GitHub MIT ಪರವಾನಗಿಯ ಹಾರ್ನೆಸ್ · ಮೂಲ ಪ್ರತಿಕ್ರಿಯೆಗಳು · ರೆಫರೆನ್ಸ್ ರನ್ 🔗 Figshare DOI 10.6084/m9.figshare.32095435 · canonical ಶೈಕ್ಷಣಿಕ ದಾಖಲೆ 🎓 ರಿಸರ್ಚ್ ಗೇಟ್ Publication 404175463 · ಶೈಕ್ಷಣಿಕ ಅನ್ವೇಷಣಾ ಪದರ 📄 ಅಕಾಡೆಮಿಯಾ.ಎಡು Paper 165956808 · ಶೈಕ್ಷಣಿಕ ಅನ್ವೇಷಣಾ ಪದರ

ಹೊಸ ರನ್‌ಗೆ ನಾಲ್ಕು ಹಂತಗಳು

ಒಂದು. ರೆಪೊಸಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ: git clone https://github.com/emirhanai/kantesti-blood-test-benchmark.git. ಎರಡು. requirements.txt ನಿಂದ ಅವಲಂಬನೆಗಳನ್ನು ಇನ್‌ಸ್ಟಾಲ್ ಮಾಡಿ pip install -r requirements.txt. ಮೂರು. ಸೆಟ್ ಮಾಡಿ KANTESTI_USERNAME ಮತ್ತು KANTESTI_PASSWORD ಪರಿಸರ ಚರಗಳಾಗಿ — ಕ್ರೆಡೆನ್ಷಿಯಲ್‌ಗಳನ್ನು ರನ್‌ಟೈಮ್‌ನಲ್ಲಿ ಓದಲಾಗುತ್ತದೆ ಮತ್ತು ಸ್ಕ್ರಿಪ್ಟ್‌ನಲ್ಲಿ ಯಾವುದನ್ನೂ ಹಾರ್ಡ್-ಕೋಡ್ ಮಾಡಲಾಗುವುದಿಲ್ಲ. ನಾಲ್ಕು. ರನ್ ಮಾಡಿ python benchmark_bloodtest.py ಮತ್ತು ಕೆಲಸದ ಡೈರೆಕ್ಟರಿಯಲ್ಲಿ ಹೊರಬರುವ ನಾಲ್ಕು artefact‌ಗಳನ್ನು ಪರಿಶೀಲಿಸಿ: CSV scorecard, JSON scorecard, ಕಚ್ಚಾ ಎಂಜಿನ್ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಒಳಗೊಂಡ ಪೂರ್ಣ JSON ಡಂಪ್, ಮತ್ತು ಮಾನವ-ಓದಬಹುದಾದ Markdown ವರದಿ.

23 ಏಪ್ರಿಲ್ 2026 ರ ರೆಫರೆನ್ಸ್ ರನ್ ಅನ್ನು repository ಯ results/ ಡೈರೆಕ್ಟರಿಯಲ್ಲಿ ಉಳಿಸಲಾಗಿದೆ. ಹೊಸ ರನ್ ಹೊಸ ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್ ಹೊಂದಿದ scorecard ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಆದರೆ ರೆಫರೆನ್ಸ್ ರನ್ ಅನ್ನು ಅಚಲವಾಗಿರಿಸುತ್ತದೆ. ನಿಮ್ಮ ರನ್ ಅರ್ಥಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನ ಫಲಿತಾಂಶ ನೀಡಿದರೆ, ದಯವಿಟ್ಟು ರನ್ ಟೈಮ್‌ಸ್ಟ್ಯಾಂಪ್ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆಯ ಮೆಟಾಡೇಟಾದಲ್ಲಿ ಮರಳಿದ ಎಂಜಿನ್ ಆವೃತ್ತಿಯೊಂದಿಗೆ GitHub issue ತೆರೆಯಿರಿ.

ಮಿತಿಗಳು ಮತ್ತು ಭವಿಷ್ಯದ ಕೆಲಸ

ನಾಲ್ಕು ಮಿತಿಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಒಪ್ಪಿಕೊಳ್ಳಬೇಕು: ಮಾದರಿ ಗಾತ್ರ, ಸಿಂಗಲ್-ಶಾಟ್ ಮೌಲ್ಯಮಾಪನ, ಸಿಂಗಲ್-ಎಂಜಿನ್ ವ್ಯಾಪ್ತಿ, ಮತ್ತು ಸಿಂಗಲ್-ಸೋರ್ಸ್ ಡೇಟಾ ಮೂಲ. ಇವುಗಳನ್ನು ಸಕ್ರಿಯವಾಗಿ ಮುಂದುವರಿದ ಅನುಸರಣಾ ಕೆಲಸದಲ್ಲಿ ಪರಿಹರಿಸಲಾಗುತ್ತಿದೆ.

ಮಾದರಿ ಗಾತ್ರ. ಎಂಟು ವಿಶೇಷತಾ ಬಕೆಟ್‌ಗಳಲ್ಲಿ ಹದಿನೈದು ಪ್ರಕರಣಗಳು proof of concept ಗೆ ಸಾಕು, ಆದರೆ ವಿಶೇಷತೆಯೊಳಗಿನ ಉಪಗುಂಪು ವಿಶ್ಲೇಷಣೆಗೆ ಸಾಕಾಗುವುದಿಲ್ಲ. ಐವತ್ತು ಪ್ರಕರಣಗಳಿಗೆ ವಿಸ್ತರಣೆ ಯೋಜನೆಯಲ್ಲಿದ್ದು, ಇದರಲ್ಲಿ coagulation ಪ್ಯಾನೆಲ್‌ಗಳು, haematological malignancy screening, ಗರ್ಭಧಾರಣಾ ಪ್ಯಾನೆಲ್‌ಗಳು, ಮತ್ತು ಮಕ್ಕಳ ಸಂಬಂಧಿತ ಪ್ರಸ್ತುತಿಗಳನ್ನು ಸೇರಿಸಲಾಗುತ್ತದೆ.

ಸಿಂಗಲ್-ಶಾಟ್ ಮೌಲ್ಯಮಾಪನ. ಪ್ರತಿಯೊಂದು ಪ್ರಕರಣವನ್ನು ಒಂದೇ ಬಾರಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಯಿತು. ಕಡಿಮೆ sampling temperature‌ನಲ್ಲಿಯೂ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು ಗಮನಾರ್ಹ output ವ್ಯತ್ಯಾಸವನ್ನು ತೋರಿಸುತ್ತವೆ, ಆದ್ದರಿಂದ ಪ್ರತಿ ಪ್ರಕರಣಕ್ಕೆ ಐದು ಮೌಲ್ಯಮಾಪನಗಳೊಂದಿಗೆ multi-run ಪ್ರೋಟೋಕಾಲ್ ಮತ್ತು ವರದಿಯಾದ ವ್ಯತ್ಯಾಸ ಮುಂದಿನ ಸಹಜ ಹಂತ.

ಸಿಂಗಲ್-ಎಂಜಿನ್ ವ್ಯಾಪ್ತಿ. ಈ ವರದಿ ಒಂದು ಎಂಜಿನ್ ಅನ್ನು ವಿವರಿಸುತ್ತದೆ. ಪರ್ಯಾಯ AI ವ್ಯವಸ್ಥೆಗಳ ವಿರುದ್ಧ ಹೋಲಿಕೆಯ ವಿಶ್ಲೇಷಣೆಗಳು ಇಲ್ಲಿ ವ್ಯಾಪ್ತಿಗೆ ಒಳಪಡುವುದಿಲ್ಲ; ಸೂಕ್ತ ವಿಧಾನಶಾಸ್ತ್ರದೊಂದಿಗೆ ಅವುಗಳನ್ನು ಪ್ರತ್ಯೇಕ ಸ್ವತಂತ್ರ ಅಧ್ಯಯನವಾಗಿ ನಾವು ಮುಂದುವರಿಸಬಹುದು.

ಸಿಂಗಲ್-ಸೋರ್ಸ್ ಡೇಟಾ ಮೂಲ. ಆ ಹದಿನೈದು ಪ್ರಕರಣಗಳು ಒಂದೇ ಕ್ಲಿನಿಕಲ್ ರೆಪೊಸಿಟರಿಯಿಂದ ತೆಗೆದ ಅನಾಮಧೇಯ ನಿಜವಾದ ರೋಗಿ ದಾಖಲೆಗಳಾಗಿವೆ. ಇವು ಆಯ್ದ ಮಾದರಿಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ ಮತ್ತು ಜನಸಂಖ್ಯೆ-ಪ್ರತಿನಿಧಿ ಯಾದೃಚ್ಛಿಕ ಆಯ್ಕೆ ಅಲ್ಲ. ಮೌಲ್ಯಮಾಪನವನ್ನು ಬಹು-ಕೇಂದ್ರ ಡೇಟಾಗೆ ವಿಸ್ತರಿಸುವುದು roadmap ನಲ್ಲಿ ಇದೆ.

ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಯೋಜಿತ ವಿಸ್ತರಣೆ ಬಹುಭಾಷಾ ಸಮಾನತೆ. Kantesti AI Engine 75+ ಭಾಷೆಗಳಲ್ಲಿನ ಬಳಕೆದಾರರಿಗೆ ಸೇವೆ ನೀಡುತ್ತದೆ, ಮತ್ತು ಟರ್ಕಿಷ್, ಜರ್ಮನ್, ಸ್ಪ್ಯಾನಿಷ್, ಫ್ರೆಂಚ್, ಮತ್ತು ಅರೇಬಿಕ್‌ನಲ್ಲಿ ಅದೇ ಹದಿನೈದು-ಪ್ರಕರಣ harness ಅನ್ನು ರನ್ ಮಾಡುವುದರಿಂದ ಎಂಜಿನ್ ಬೆಂಬಲಿಸುವ ಭಾಷೆಗಳಾದ್ಯಂತ output ಗುಣಮಟ್ಟವನ್ನು ಅಳೆಯಲಾಗುತ್ತದೆ. ನಾವು ಪ್ರತಿಯೊಂದು ಭಾಷೆಗೆ ಸಂಬಂಧಿಸಿದ ರನ್ ಅನ್ನು ಅದರದೇ DOI ಮತ್ತು harness branch ಜೊತೆಗೆ ಪ್ರಕಟಿಸುತ್ತೇವೆ.