ການກວດສອບທາງການແພດ & ມາດຕະຖານທາງດ້ານການຊ່ວຍສໍາລັບ ການວິເຄາະການກວດເລືອດ AI
ວິທີການກວດສອບທາງດ້ານຄລີນິກແບບຄົນຕາບອດສາມຄົນ, ການຄວບຄຸມແພດທີ່ຜ່ານການຮັບຮອງຈາກຄະນະກວດກາ, ແລະການສຶກສາຄວາມກ່ຽວຂ້ອງກັນຂອງຜົນລັບຂອງໂລກຕົວຈິງ ເຊິ່ງເຮັດໃຫ້ຜູ້ເຊື່ອຖືໄດ້ຫຼາຍທີ່ສຸດໃນໂລກ. AI ກວດວິເຄາະເລືອດ.
ຫຼັກຖານ ແລະ ເອກະສານຫຼັກ
ຂໍ້ມູນການຮຽກຮ້ອງ ແລະ ການກວດສອບຄວາມຖືກຕ້ອງທີ່ນຳສະເໜີຢູ່ໃນໜ້ານີ້ແມ່ນໄດ້ຖືກບັນທຶກໄວ້ໃນບົດລາຍງານດ້ານວິຊາການຂອງພວກເຮົາ (ການທົບທວນຄືນໂດຍຜູ້ຊ່ຽວຊານຍັງຄ້າງຢູ່). ເຂົ້າເບິ່ງວິທີການ ແລະ ຫຼັກຖານສະໜັບສະໜູນຢ່າງຄົບຖ້ວນຂ້າງລຸ່ມນີ້.
ຂອບການຢັ້ງຢືນທາງດ້ານຄລີນິກສຳລັບການຕີຄວາມໝາຍການກວດເລືອດດ້ວຍ AI
ວິທີການກວດສອບຄວາມຖືກຕ້ອງແບບ Triple-Blind, ຕົວຊີ້ວັດປະສິດທິພາບ, ແລະ ໂປໂຕຄອນການຮັບປະກັນຄຸນນະພາບ
ກອບການຢັ້ງຢືນທາງດ້ານຄລີນິກ
Kantesti ຂອງ ການຕີຄວາມໝາຍຂອງການກວດເລືອດ AI ເວທີຜ່ານການກວດສອບທາງການແພດຢ່າງເຂັ້ມງວດເພື່ອຮັບປະກັນຄວາມຫນ້າເຊື່ອຖືໃນລະດັບທາງດ້ານຄລີນິກ. ຂະບວນການກວດສອບຫຼາຍຊັ້ນຂອງພວກເຮົາລວມເອົາການກວດສອບການຮຽນຮູ້ຂອງເຄື່ອງຈັກກັບວິທີການກວດສອບທາງດ້ານຄລີນິກແບບດັ້ງເດີມ.
ທຸກໆການປັບປຸງ algorithm ຜ່ານການກວດສອບທາງຄລີນິກສາມຕາບອດກ່ອນທີ່ຈະບັນລຸການຜະລິດ. ໜ້ານີ້ບັນທຶກໂຄງຮ່າງການກວດສອບຄົບຖ້ວນຂອງພວກເຮົາ, ໂຄງປະກອບການກວດກາຂອງແພດໝໍ, ແລະໂປໂຕຄອນຕິດຕາມຄຸນນະພາບຢ່າງຕໍ່ເນື່ອງ.
ຂະບວນການກວດສອບຄລີນິກຄົນຕາບອດສາມຄົນ
ວິທີການກວດສອບຄວາມຖືກຕ້ອງຂອງພວກເຮົາລົບລ້າງຄວາມລໍາອຽງໃນການກວດສອບໂດຍຜ່ານຂະບວນການກວດສອບເອກະລາດສາມຂັ້ນຕອນ. ແຕ່ລະຂັ້ນຕອນດໍາເນີນການໂດຍບໍ່ມີຄວາມຮູ້ກ່ຽວກັບບົດສະຫຼຸບຂອງຄົນອື່ນ, ຮັບປະກັນການວັດແທກຄວາມຖືກຕ້ອງຕາມຈຸດປະສົງ.
ການແປພາສາ AI
ລະບົບ AI ວິເຄາະຜົນການກວດເລືອດໂດຍບໍ່ມີການເຂົ້າເຖິງການວິນິດໄສທາງຄລີນິກ, ປະຫວັດຂອງຄົນເຈັບ, ຫຼືບັນທຶກຂອງແພດ. ການວິເຄາະຕາບອດນີ້ຮັບປະກັນການຕີຄວາມຂອງ AI ແມ່ນອີງໃສ່ຂໍ້ມູນ biomarker ແລະຂອບເຂດການອ້າງອີງທີ່ຖືກສ້າງຕັ້ງຂຶ້ນ.
- ບໍ່ມີການເຂົ້າເຖິງການວິນິດໄສທາງດ້ານຄລີນິກ
- ຊ່ວງອ້າງອີງທີ່ປັບປ່ຽນປະຊາກອນ
- ການວິເຄາະຄວາມສຳພັນຫຼາຍພາລາມິເຕີ
ການທົບທວນແພດ
ແພດໝໍທີ່ຮັບຮອງໂດຍຄະນະບໍດີກວດກາຄືນຜົນການກວດເລືອດຢ່າງເປັນອິດສະຫຼະ. ແພດບໍ່ສາມາດເຂົ້າເຖິງການຕີຄວາມ ໝາຍ ຂອງ AI, ຮັບປະກັນການຕັດສິນທາງດ້ານຄລີນິກຂອງພວກເຂົາບໍ່ເປັນກາງ.
- ແພດຫມໍທາງດ້ານຄລີນິກທີ່ໄດ້ຮັບການຮັບຮອງຈາກຄະນະ
- ບໍ່ມີການເບິ່ງເຫັນຕໍ່ກັບຜົນຜະລິດ AI
- ພິທີການກວດກາມາດຕະຖານ
ການປຽບທຽບເອກະລາດ
ທີມແພດພາກສ່ວນທີສາມປຽບທຽບຜົນຜະລິດ AI ຕໍ່ກັບຄວາມເຫັນດີເຫັນພ້ອມຂອງແພດ ໝໍ ໂດຍບໍ່ຮູ້ວ່າການຕີຄວາມມາຈາກແຫຼ່ງໃດ. ຄວາມແຕກຕ່າງເຮັດໃຫ້ເກີດຮອບກວດສອບເພີ່ມເຕີມ.
- ວິທີການປຽບທຽບຕາບອດ
- ການວິເຄາະຄວາມສອດຄ່ອງທາງສະຖິຕິ
- ສໍາເລັດເອກະສານຕິດຕາມການກວດສອບ
ຂັ້ນຕອນການກວດສອບສາມຄົນຕາບອດ
ຂະບວນການກວດສອບຂອງພວກເຮົາຮັບປະກັນການປະເມີນຄວາມຖືກຕ້ອງແບບບໍ່ມີອະຄະຕິຜ່ານກະແສການທົບທວນແບບຂະໜານເອກະລາດເຊິ່ງລວມເຂົ້າກັນພຽງແຕ່ໃນຕອນປຽບທຽບສຸດທ້າຍ.
ວິທີການກວດສອບແບບຄົນຕາບອດສາມຫຼ່ຽມ: ການຕີຄວາມໝາຍຂອງ AI (ຂັ້ນຕອນທີ 1), ການກວດກາຂອງແພດໝໍ (ຂັ້ນຕອນທີ 2), ແລະການປຽບທຽບແບບເອກະລາດ (ຂັ້ນຕອນທີ 3) ດຳເນີນງານແບບຂະໜານກັນໂດຍບໍ່ມີການເບິ່ງເຫັນຂ້າມທາງ.
ການກວດສອບຄວາມຖືກຕ້ອງໂດຍປະເພດການທົດສອບ
ການວັດແທກປະສິດທິພາບໄດ້ຮັບການກວດສອບຜ່ານການກວດສອບທາງຄລີນິກ triple-blind ໃນທົ່ວ 1,000,000+ ກໍລະນີທົດສອບ. ຜົນໄດ້ຮັບສະແດງໃຫ້ເຫັນຄວາມຖືກຕ້ອງທີ່ສອດຄ່ອງໃນທົ່ວທຸກປະເພດ biomarker ທີ່ສໍາຄັນ.
ສະຫຼຸບຄວາມຖືກຕ້ອງໂດຍລວມ
ຄວາມຖືກຕ້ອງລວມ: 98.7% — ສະເລ່ຍນ້ໍາຫນັກໃນທົ່ວທຸກປະເພດການທົດສອບໂດຍອີງໃສ່ຄວາມສອດຄ່ອງຂອງແພດຫມໍຕາບອດສາມຄົນ. ການປະຕິບັດໝວດໝູ່ແຕ່ລະປະເພດຕັ້ງແຕ່ຄວາມອ່ອນໄຫວ 98.1% ຫາ 99.3%. ເບິ່ງບົດລາຍງານ §4.1, ຕາຕະລາງ 2
ຜົນໄດ້ຮັບທາງດ້ານຄລີນິກ: 87% — ຄວາມສຳພັນທາງລວງຍາວກັບການບົ່ງມະຕິການບົ່ງມະຕິໃນການສຶກສາຕິດຕາມໂລກທີ່ແທ້ຈິງ. ເບິ່ງລາຍງານ §4.3
| ປະເພດການທົດສອບ | ຄວາມອ່ອນໄຫວ | ສະເພາະ | ຂະໜາດຕົວຢ່າງ |
|---|---|---|---|
| ຈໍານວນເລືອດຄົບຖ້ວນ (CBC) | 99.3% | 99.0% | 285,000 |
| ແຜງ Metabolic ທີ່ສົມບູນແບບ | 99.1% | 98.9% | 198,000 |
| ກະດານ Lipid | 98.8% | 98.5% | 167,000 |
| ການເຮັດວຽກຂອງຕ່ອມ thyroid | 98.4% | 98.1% | 142,000 |
| ການທົດສອບການເຮັດວຽກຂອງຕັບ | 98.9% | 98.6% | 124,000 |
| ກະດານປະຕິບັດຫນ້າຂອງຫມາກໄຂ່ຫຼັງ | 99.2% | 99.0% | 84,000 |
ຄວາມສອດຄ່ອງຂອງປະຊາກອນ
ຜົນການກວດສອບໄດ້ສະແດງໃຫ້ເຫັນຄວາມສອດຄ່ອງຂອງຄວາມຖືກຕ້ອງ 99% ໃນທົ່ວທຸກກຸ່ມປະຊາກອນໂດຍບໍ່ຄໍານຶງເຖິງຊົນເຜົ່າ, ອາຍຸ, ເພດ, ຫຼືພາກພື້ນ. ການເກັບຕົວຢ່າງອັດຕາສ່ວນປະຊາກອນ ຮັບປະກັນການຄຸ້ມຄອງຕົວແທນໃນທົ່ວ 197 ປະເທດ.
ການແຈກຢາຍຊຸດຂໍ້ມູນການກວດສອບຄວາມຖືກຕ້ອງທົ່ວໂລກ
ຊຸດຂໍ້ມູນການຝຶກອົບຮົມຕົວຢ່າງ 15 ລ້ານຊຸດ ແລະ ກໍລະນີການກວດສອບຄວາມຖືກຕ້ອງຫຼາຍກວ່າ 1 ລ້ານກໍລະນີຂອງພວກເຮົາແມ່ນແຈກຢາຍໄປທົ່ວທຸກພາກພື້ນທົ່ວໂລກທີ່ສຳຄັນເພື່ອຮັບປະກັນຄວາມຖືກຕ້ອງຂອງຕົວແທນປະຊາກອນ.
ຄະນະທີ່ປຶກສາທາງການແພດ
ຄະນະກໍາມະການທີ່ປຶກສາດ້ານການແພດຂອງພວກເຮົາສະຫນອງການເບິ່ງແຍງທາງດ້ານຄລີນິກສໍາລັບການພັດທະນາແລະການກວດສອບ AI algorithm ທັງຫມົດ. ສະມາຊິກຄະນະກໍາມະການເປັນຕົວແທນຂອງຄວາມຊ່ຽວຊານທີ່ຫຼາກຫຼາຍໃນຫຼາຍປະເທດ, ນໍາເອົາຄວາມຊ່ຽວຊານລວມຂອງ 180+ ປີໃນການປິ່ນປົວທາງດ້ານການຊ່ວຍ.
ທອມັສ ໄຄລນ໌, MD
ຫົວໜ້າເຈົ້າໜ້າທີ່ແພດ (CMO) ການວິນິດໄສທາງດ້ານເລືອດວິທະຍາທາງດ້ານຄລີນິກ ແລະ ປັນຍາປະດິດທ່ານດຣ Sarah Mitchell, MD, PhD
ຫົວໜ້າທີ່ປຶກສາດ້ານການແພດ ການປິ່ນປົວພະຍາດທາງດ້ານຄລີນິກ & ຫ້ອງທົດລອງສາດສະດາຈານ ດຣ. Hans Weber
ທີ່ປຶກສາດ້ານການແພດອາວຸໂສ ຫ້ອງທົດລອງຢາ & ເຄມີຄລີນິກທ່ານດຣ Maria Rodriguez, MD, MPH
ທີ່ປຶກສາທາງການແພດ ຢາພາຍໃນ ແລະຢາປ້ອງກັນທ່ານດຣ Chen Wei, MD, MSc
ທີ່ປຶກສາທາງການແພດ Endocrinology & Metabolic Medicineພົບກັບຄະນະທີ່ປຶກສາດ້ານການແພດເຕັມຮູບແບບຂອງພວກເຮົາດ້ວຍໂປຣໄຟລ໌ລາຍລະອຽດ, ຂໍ້ມູນປະຈຳຕົວ, ແລະປະຫວັດການຄົ້ນຄວ້າ.
ເບິ່ງທີ່ປຶກສາທັງໝົດ →ການຕິດຕາມຄຸນນະພາບຢ່າງຕໍ່ເນື່ອງ
ການກວດສອບຄວາມຖືກຕ້ອງຫຼັງການຈັດຕັ້ງປະຕິບັດແມ່ນສືບຕໍ່ຜ່ານໂປຣໂຕຄໍການຕິດຕາມທີ່ມີໂຄງສ້າງ. ການປະຕິບັດຕົວຈິງຂອງໂລກແມ່ນຖືກຕິດຕາມຕໍ່ກັບຜົນໄດ້ຮັບທາງດ້ານຄລີນິກ, ໂດຍມີວົງການຄໍາຄຶດຄໍາເຫັນເຮັດໃຫ້ການປັບປຸງຢ່າງຕໍ່ເນື່ອງ.
ບົດລາຍງານການປະຕິບັດປະຈໍາເດືອນ
ການວິເຄາະຄວາມຖືກຕ້ອງທີ່ສົມບູນແບບໃນທົ່ວທຸກປະເພດ biomarker, ສ່ວນປະຊາກອນ, ແລະພາກພື້ນທີ່ຕັ້ງ. ການກໍານົດທ່າອ່ຽງເຮັດໃຫ້ການຄຸ້ມຄອງຄຸນນະພາບແບບຕັ້ງຫນ້າ.
ຄວາມສອດຄ່ອງລະຫວ່າງຫ້ອງທົດລອງ
ການທົດສອບໃນທົ່ວລະບົບຫ້ອງທົດລອງ 500+ ກວດສອບປະສິດທິພາບທີ່ສອດຄ່ອງໂດຍບໍ່ຄໍານຶງເຖິງຜູ້ຜະລິດອຸປະກອນ, ວິທີການ, ຫຼືມາດຕະຖານການປັບທຽບ.
ການສຶກສາຜົນໄດ້ຮັບທາງດ້ານຄລີນິກ
ການສຶກສາຄວາມກ່ຽວຂ້ອງກັນຕາມລວງຍາວຕິດຕາມການຕີຄວາມໝາຍຂອງ AI ຕໍ່ກັບການບົ່ງມະຕິທີ່ຖືກຢືນຢັນ, ບັນລຸຄວາມສຳພັນ 87% ກັບຜົນໄດ້ຮັບທາງດ້ານຄລີນິກໃນທົ່ວປະຊາກອນຄົນເຈັບທີ່ຫຼາກຫຼາຍ.
ຄວາມຄິດເຫັນຂອງຜູ້ໃຫ້ບໍລິການດ້ານສຸຂະພາບ
ການເຊື່ອມໂຍງຄວາມຄິດເຫັນທີ່ມີໂຄງສ້າງຈາກແພດແລະຜູ້ຊ່ຽວຊານຫ້ອງທົດລອງ. ການຕີຄວາມໝາຍທີ່ຖືກໝາຍໄວ້ພາຍໃຕ້ການກວດກາຂອງຄະນະທີ່ປຶກສາດ້ານການແພດ ພ້ອມກັບການແກ້ໄຂລວມເຂົ້າໃນການຝຶກອົບຮົມ.
ຂໍ້ມູນການຝຶກອົບຮົມ ແລະ ການຮັບປະກັນຄຸນນະພາບ
ຮູບແບບ AI ຂອງພວກເຮົາໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຊຸດຂໍ້ມູນການກວດເລືອດທີ່ໄດ້ຮັບການຄັດສັນມາຫຼາຍທີ່ສຸດໃນອຸດສາຫະກໍາ, ດ້ວຍການຄວບຄຸມຄຸນນະພາບທີ່ເຂັ້ມງວດເພື່ອຮັບປະກັນຄວາມສົມບູນຂອງຂໍ້ມູນ ແລະ ຄວາມກ່ຽວຂ້ອງທາງດ້ານການແພດ.
ອົງປະກອບຊຸດຂໍ້ມູນ
- ຕົວຢ່າງທັງໝົດ15 ລ້ານ
- ການຄຸ້ມຄອງທາງພູມສາດ197 ປະເທດ
- ແຫຼ່ງຂໍ້ມູນຫ້ອງທົດລອງຫ້ອງທົດລອງທີ່ໄດ້ຮັບການຮັບຮອງຫຼາຍກວ່າ 500 ແຫ່ງ
- ຊ່ວງວັນທີ2015-2025
- ປະເພດເຄື່ອງໝາຍຊີວະພາບ450+ ພາລາມິເຕີ
ການຄວບຄຸມຄຸນນະພາບ
ການຮັບປະກັນຄຸນນະພາບຂໍ້ມູນຫຼາຍຂັ້ນຕອນ:
- ແຫຼ່ງຫ້ອງທົດລອງທີ່ໄດ້ຮັບການຢັ້ງຢືນ ISO 15189 ເທົ່ານັ້ນ
- ການກໍາຈັດບັນທຶກທີ່ບໍ່ຄົບຖ້ວນຫຼືເສຍຫາຍ
- ການກວດພົບທີ່ເກີນກວ່າສໍາລັບຄວາມຜິດພາດທາງສ່ວນຫນ້າຂອງການວິເຄາະ
- ການຢັ້ງຢືນ Provenance ສໍາລັບຊຸດຂໍ້ມູນທັງຫມົດ
- ການປິດບັງຊື່ທີ່ສອດຄ່ອງກັບ HIPAA/GDPR
ເຕັກໂນໂລຊີ & ຄູ່ຮ່ວມງານປະຕິບັດຕາມ
ໂຄງສ້າງພື້ນຖານທີ່ຖືກຕ້ອງຂອງພວກເຮົາແລະການພັດທະນາ AI ໄດ້ຮັບການສະຫນັບສະຫນູນໂດຍຜ່ານການຮ່ວມມືກັບຜູ້ໃຫ້ບໍລິການດ້ານເຕັກໂນໂລຢີຊັ້ນນໍາຂອງອຸດສາຫະກໍາ.
Microsoft FoundersHub
ພື້ນຖານໂຄງລ່າງຄລາວ ແລະແພລດຟອມພັດທະນາ AI ລະດັບວິສາຫະກິດທີ່ຮອງຮັບຂະບວນການກວດສອບທີ່ສາມາດຂະຫຍາຍໄດ້.
ໂຄງການເລີ່ມຕົ້ນຂອງ NVIDIA
ຊັບພະຍາກອນຄອມພິວເຕີ GPU ແລະການເພີ່ມປະສິດທິພາບແບບຈໍາລອງ AI ຊ່ວຍໃຫ້ການຝຶກອົບຮົມປະສິດທິພາບໃນຊຸດຂໍ້ມູນຕົວຢ່າງ 15M+.
Google Cloud AI
ພື້ນຖານໂຄງລ່າງການຮຽນຮູ້ເຄື່ອງຈັກທີ່ສະໜັບສະໜູນການຝຶກອົບຮົມແບບຈໍາລອງແບບແຈກຢາຍ ແລະ ການສັງລວມໃນເວລາຈິງ.
Cloudflare
ເຄືອຂ່າຍຂອບທົ່ວໂລກຮັບປະກັນການເຂົ້າເຖິງຄວາມປອດໄພ, ມີຄວາມສອດຄ່ອງຕ່ໍາໃນທົ່ວ 197 ປະເທດ.
ການຄວບຄຸມ SOC 2 ປະເພດ II
ການຄວບຄຸມຄວາມປອດໄພສອດຄ່ອງກັບມາດຕະຖານ AICPA
ສອດຄ່ອງກັບມາດຕະຖານ ISO 27001
ການຄວບຄຸມການຄຸ້ມຄອງຄວາມປອດໄພຂອງຂໍ້ມູນ
ການຄວບຄຸມທີ່ສອດຄ່ອງກັບ HIPAA
ມາດຕະການປົກປ້ອງຂໍ້ມູນດ້ານການດູແລສຸຂະພາບຂອງສະຫະລັດ
ປະຕິບັດຕາມ GDPR
ກົດລະບຽບການປົກປ້ອງຂໍ້ມູນເອີຣົບ
ການນໍາໃຊ້ທີ່ເຫມາະສົມ & ຂໍ້ຈໍາກັດ
ຄວາມໂປ່ງໃສກ່ຽວກັບຄວາມສາມາດ ແລະຂໍ້ຈໍາກັດແມ່ນຈໍາເປັນສໍາລັບການປະຕິບັດ AI ທີ່ມີຄວາມຮັບຜິດຊອບໃນການດູແລສຸຂະພາບ. Kantesti ໄດ້ຖືກອອກແບບເປັນເຄື່ອງມືສະຫນັບສະຫນູນການຕັດສິນໃຈເພື່ອເສີມຂະຫຍາຍ - ບໍ່ທົດແທນ - ການຕັດສິນທາງການແພດເປັນມືອາຊີບ.
ຂໍ້ມູນບໍ່ເຂົ້າເຖິງ
AI ຂອງພວກເຮົາຕີຄວາມຂໍ້ມູນ biomarker ໃນການໂດດດ່ຽວ. ສະພາບການທາງດ້ານຄລີນິກຕໍ່ໄປນີ້ບໍ່ມີຢູ່ໃນລະບົບ:
- ຕື່ມປະຫວັດທາງການແພດຂອງຄົນເຈັບ
- ຢາໃນປະຈຸບັນແລະການໂຕ້ຕອບທີ່ມີທ່າແຮງ
- ຜົນການກວດສອບທາງດ້ານຮ່າງກາຍ
- ປັດໄຈທາງພັນທຸກໍາ ແລະປະຫວັດຄອບຄົວ
- ປັດໃຈການດຳລົງຊີວິດ (ເວັ້ນເສຍແຕ່ວ່າຜູ້ໃຊ້ສະໜອງໃຫ້)
ການປ່ຽນແປງວິທີການຫ້ອງທົດລອງ
ໄລຍະການອ້າງອີງແຕກຕ່າງກັນລະຫວ່າງຫ້ອງທົດລອງເນື່ອງຈາກຄວາມແຕກຕ່າງຂອງອຸປະກອນ ແລະມາດຕະຖານການປັບທຽບ. ຖານຂໍ້ມູນຂອງພວກເຮົາຂອງ 45,000+ ຂອບເຂດສະເພາະຂອງຫ້ອງທົດລອງແກ້ໄຂການປ່ຽນແປງສ່ວນໃຫຍ່, ແຕ່ຜູ້ໃຊ້ຄວນກວດສອບຄ່າທີ່ສະກັດມາຈາກບົດລາຍງານຕົ້ນສະບັບຂອງພວກເຂົາ.
ການພິຈາລະນາຄຸນນະພາບຂອງເອກະສານ
ຄວາມຖືກຕ້ອງຂອງ OCR ແມ່ນຂຶ້ນກັບຄຸນນະພາບຂອງເອກະສານ. ຜົນໄດ້ຮັບທີ່ຂຽນດ້ວຍມືຫຼືການສະແກນທີ່ມີຄວາມລະອຽດຕ່ໍາອາດຈະສົ່ງຜົນກະທົບຕໍ່ການສະກັດເອົາມູນຄ່າ. ການແກ້ໄຂດ້ວຍມືແມ່ນມີໃຫ້ສໍາລັບທຸກຄ່າທີ່ສະກັດອອກມາກ່ອນການວິເຄາະ.
ການປະຕິເສດຄວາມຮັບຜິດຊອບທາງການແພດ
Kantesti ເປັນເຄື່ອງມືຂໍ້ມູນຂ່າວສານທີ່ໃຊ້ AI ທີ່ຕີຄວາມໝາຍຜົນການກວດເລືອດໂດຍອີງໃສ່ຂອບເຂດການອ້າງອີງທາງການແພດ ແລະ ຂໍ້ແນະນຳທາງຄລີນິກ. ມັນບໍ່ແມ່ນອຸປະກອນການແພດແລະບໍ່ໄດ້ວິນິດໄສ, ການປິ່ນປົວ, ປິ່ນປົວ, ຫຼືປ້ອງກັນພະຍາດໃດໆ.
ຂໍ້ມູນທີ່ສະຫນອງໃຫ້ແມ່ນສໍາລັບການສຶກສາແລະຂໍ້ມູນຂ່າວສານເທົ່ານັ້ນແລະບໍ່ຄວນພິຈາລະນາຄໍາແນະນໍາທາງການແພດ. ສະເຫມີປຶກສາກັບຜູ້ຊ່ຽວຊານດ້ານສຸຂະພາບທີ່ມີຄຸນວຸດທິກ່ອນທີ່ຈະຕັດສິນໃຈກ່ຽວກັບສຸຂະພາບຫຼືການປິ່ນປົວຂອງທ່ານ.
ສໍາລັບເຫດສຸກເສີນທາງການແພດ, ໃຫ້ຕິດຕໍ່ບໍລິການສຸກເສີນທັນທີ. Kantesti ບໍ່ໄດ້ຖືກອອກແບບມາສໍາລັບສະຖານະການສຸກເສີນ.
ການເປີດເຜີຍຂໍ້ຂັດແຍ່ງທາງຜົນປະໂຫຍດ ແລະ ການສະໜອງທຶນ
ເອກະສານການຢັ້ງຢືນນີ້ແມ່ນຈັດພິມໂດຍ Kantesti/PIYA AI. ສະມາຊິກຄະນະທີ່ປຶກສາດ້ານການແພດໄດ້ຮັບຄ່າຕອບແທນສຳລັບບົດບາດທີ່ປຶກສາຂອງເຂົາເຈົ້າ. CMO (Thomas Klein, MD) ເປັນພະນັກງານເຕັມເວລາຂອງ Kantesti AI. ຂໍ້ມູນການຢັ້ງຢືນທັງໝົດໄດ້ຮັບການຢັ້ງຢືນຢ່າງເປັນອິດສະຫຼະຜ່ານວິທີການ triple-blind. ບໍ່ໄດ້ຮັບທຶນຈາກພາຍນອກສຳລັບການສຶກສາການຢັ້ງຢືນ. ບໍລິສັດໄດ້ຮັບທຶນດ້ວຍຕົນເອງຜ່ານການຮ່ວມມືດ້ານລາຍຮັບ ແລະ ເຕັກໂນໂລຊີກັບ Microsoft, NVIDIA, Google Cloud, ແລະ Cloudflare.
ຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆກ່ຽວກັບການຢັ້ງຢືນທາງການແພດ
"ການກວດສອບສາມຄົນຕາບອດ" ຫມາຍຄວາມວ່າແນວໃດ?
ການກວດສອບຄວາມຖືກຕ້ອງແບບ Triple-blind ໝາຍເຖິງສາມພາກສ່ວນທີ່ເປັນອິດສະຫຼະວິເຄາະຂໍ້ມູນດຽວກັນໂດຍບໍ່ຮູ້ບົດສະຫຼຸບຂອງກັນແລະກັນ. AI ຂອງພວກເຮົາຕີຄວາມການກວດເລືອດໂດຍບໍ່ມີສະພາບການທາງດ້ານຄລີນິກ, ແພດກວດສອບຢ່າງເປັນອິດສະຫຼະໂດຍບໍ່ເຫັນຜົນຜະລິດຂອງ AI, ແລະທີມທີສາມປຽບທຽບຜົນໄດ້ຮັບໂດຍບໍ່ຮູ້ວ່າອັນໃດມາຈາກ AI ທຽບກັບແພດ. ສິ່ງນີ້ລົບລ້າງອະຄະຕິໃນການຢືນຢັນ ແລະຮັບປະກັນການວັດແທກຄວາມຖືກຕ້ອງຕາມຈຸດປະສົງ.
ຮູບແບບ AI ຖືກປັບປຸງເລື້ອຍໆເທົ່າໃດ?
ຮູບແບບຂອງພວກເຮົາໄດ້ຮັບການຝຶກອົບຮົມຄືນປະຈໍາໄຕມາດທີ່ລວມເອົາຂໍ້ມູນທີ່ໄດ້ຮັບການກວດສອບໃຫມ່, ການປັບປຸງຄໍາແນະນໍາທາງດ້ານການຊ່ວຍ, ແລະການຄົ້ນຄວ້າ biomarker ທີ່ພົ້ນເດັ່ນຂື້ນ. ແຕ່ລະການອັບເດດຜ່ານໂປຣໂຕຄໍການກວດສອບແບບສາມບບອດເຕັມກ່ອນທີ່ຈະນຳໃຊ້. ການອັບເດດທີ່ບໍ່ກົງກັບເກນຄວາມຖືກຕ້ອງຂອງພວກເຮົາແມ່ນຖືກປະຕິເສດ.
ເປັນຫຍັງຄວາມຖືກຕ້ອງຈຶ່ງແຕກຕ່າງກັນໄປຕາມປະເພດການທົດສອບ?
ບາງ biomarkers ມີຂອບເຂດການອ້າງອິງມາດຕະຖານຫຼາຍກວ່າໃນທົ່ວໂລກ (ເຊັ່ນ: electrolytes), ໃນຂະນະທີ່ອື່ນໆແຕກຕ່າງກັນລະຫວ່າງຫ້ອງທົດລອງແລະປະຊາກອນ (ເຊັ່ນ: ຮໍໂມນ thyroid). ໝວດໝູ່ທີ່ມີການປ່ຽນແປງຫຼາຍຂຶ້ນສະແດງໃຫ້ເຫັນຄວາມຖືກຕ້ອງໜ້ອຍລົງເລັກນ້ອຍ ເນື່ອງຈາກຄວາມຊັບຊ້ອນຂອງການຕີຄວາມໝາຍ.
ຂ້ອຍສາມາດໄວ້ວາງໃຈການຕີຄວາມ AI ສໍາລັບການຕັດສິນໃຈທາງການແພດບໍ?
Kantesti ຖືກອອກແບບມາເປັນເຄື່ອງມືສະໜັບສະໜູນການຕັດສິນໃຈ, ບໍ່ແມ່ນການທົດແທນການຕັດສິນທາງການແພດແບບມືອາຊີບ. AI ຂອງພວກເຮົາໃຫ້ການຕີຄວາມທີ່ຖືກຕ້ອງໂດຍອີງໃສ່ຂອບເຂດອ້າງອີງທີ່ໄດ້ກຳນົດໄວ້, ແຕ່ສະພາບການທາງດ້ານຄລີນິກ - ລວມທັງປະຫວັດທາງການແພດ, ຢາ ແລະ ອາການຂອງທ່ານ - ຮຽກຮ້ອງໃຫ້ມີການປະເມີນຜົນຈາກແພດເພື່ອການຕັດສິນໃຈປິ່ນປົວ. ໃຫ້ປຶກສາກັບຜູ້ໃຫ້ບໍລິການດ້ານສຸຂະພາບຂອງທ່ານສະເໝີ.
ຄວາມຫຼາກຫຼາຍຂອງປະຊາກອນໄດ້ຮັບການແກ້ໄຂແນວໃດໃນການກວດສອບຄວາມຖືກຕ້ອງ?
ຂໍ້ມູນການຝຶກອົບຮົມຂອງພວກເຮົາປະກອບມີຕົວຢ່າງ 15 ລ້ານຕົວຢ່າງທີ່ແຈກຢາຍຢ່າງສົມສ່ວນໃນ 197 ປະເທດ, ໂດຍການເກັບຕົວຢ່າງຕາມນ້ຳໜັກປະຊາກອນຮັບປະກັນການເປັນຕົວແທນຈາກກຸ່ມຊົນເຜົ່າ ແລະ ພູມສາດທີ່ສຳຄັນທັງໝົດ. ການກວດສອບຄວາມຍຸຕິທຳປະຈຳໄຕມາດຢືນຢັນຄວາມສອດຄ່ອງຂອງຄວາມຖືກຕ້ອງໃນທົ່ວຂໍ້ມູນປະຊາກອນ, ໂດຍມີຄວາມສອດຄ່ອງ 99% ໃນທົ່ວທຸກກຸ່ມປະຊາກອນ.
ຈະເກີດຫຍັງຂຶ້ນຖ້າ AI ສ້າງຄວາມຜິດພາດ?
ຜູ້ໃຫ້ບໍລິການດ້ານສຸຂະພາບ ແລະ ຜູ້ໃຊ້ສາມາດລາຍງານການຕີຄວາມໝາຍສຳລັບການທົບທວນຄືນຂອງຄະນະທີ່ປຶກສາດ້ານການແພດ. ກໍລະນີທີ່ຖືກລາຍງານຈະຖືກວິເຄາະໂດຍ CMO ຂອງພວກເຮົາ Thomas Klein, MD, ແລະ ທີມງານແພດ. ຖ້າຂໍ້ຜິດພາດຖືກຢືນຢັນ, ການແກ້ໄຂຈະຖືກລວມເຂົ້າໃນວົງຈອນການຝຶກອົບຮົມໃນອະນາຄົດ. ການຕິດຕາມກວດກາຢ່າງຕໍ່ເນື່ອງຂອງພວກເຮົາຕິດຕາມປະສິດທິພາບໃນໂລກຕົວຈິງເພື່ອລະບຸ ແລະ ແກ້ໄຂບັນຫາທີ່ເປັນລະບົບຢ່າງມີປະສິດທິພາບ.
ຂ້ອຍສາມາດຊອກຫາລາຍງານການກວດສອບຄວາມຖືກຕ້ອງເຕັມໄດ້ຢູ່ໃສ?
ວິທີການກວດສອບຄວາມຖືກຕ້ອງທີ່ສົມບູນຂອງພວກເຮົາແມ່ນໄດ້ຖືກບັນທຶກໄວ້ໃນບົດລາຍງານດ້ານວິຊາການ "ຂອບການກວດສອບຄວາມຖືກຕ້ອງທາງດ້ານຄລີນິກສຳລັບການຕີຄວາມໝາຍການກວດເລືອດດ້ວຍ AI" (ລະຫັດບົດລາຍງານ: KANTESTI-TR-2025-001, DOI: 10.5281/kantesti.2025.mv2). ບົດລາຍງານສະບັບເຕັມແມ່ນມີໃຫ້ເບິ່ງຜ່ານລິ້ງ DOI, ໃນ ResearchGate, ແລະ ເປັນ PDF ທີ່ສາມາດດາວໂຫຼດໄດ້ຈາກເວັບໄຊທ໌ຂອງພວກເຮົາ.
ໃຜເປັນຜູ້ທົບທວນເນື້ອຫາທາງການແພດໃນ Kantesti?
ເນື້ອໃນທາງການແພດທັງໝົດແມ່ນຂຽນ ແລະ ທົບທວນໂດຍທ່ານໝໍ Thomas Klein, MD, ຫົວໜ້າເຈົ້າໜ້າທີ່ແພດຂອງພວກເຮົາ. ດຣ. Klein ເປັນນັກວິທະຍາສາດດ້ານເລືອດທີ່ໄດ້ຮັບການຮັບຮອງຈາກຄະນະກຳມະການ ເຊິ່ງມີສ່ວນກ່ຽວຂ້ອງກັບພະແນກເລືອດວິທະຍາຂອງມະຫາວິທະຍາໄລ Istanbul Nisantasi, ມີປະສົບການຫຼາຍກວ່າ 15 ປີໃນດ້ານການແພດໃນຫ້ອງທົດລອງ ແລະ ການວິນິດໄສດ້ວຍ AI. ຄະນະກຳມະການທີ່ປຶກສາດ້ານການແພດ 12 ສະມາຊິກຂອງພວກເຮົາໃຫ້ການຊີ້ນຳເພີ່ມເຕີມ.
ປະສົບການການວິເຄາະການກວດເລືອດ AI ທີ່ຖືກຕ້ອງ
ເຂົ້າຮ່ວມຫຼາຍລ້ານຄົນທົ່ວໂລກທີ່ໄວ້ວາງໃຈ ເຄື່ອງວິເຄາະເລືອດ AI ຂອງ Kantesti ສຳລັບການຕີຄວາມໝາຍຂອງການກວດເລືອດທີ່ມີຄວາມຖືກຕ້ອງທາງຄລີນິກໃນ 75+ ພາສາ.
ຄວາມໂປ່ງໃສຂອງບໍລິສັດ
ພວກເຮົາເຊື່ອໃນຄວາມໂປ່ງໃສຢ່າງເຕັມທີ່ກ່ຽວກັບວ່າພວກເຮົາແມ່ນໃຜ ແລະພວກເຮົາດໍາເນີນການແນວໃດ. ຂ້າງລຸ່ມນີ້ທ່ານຈະເຫັນລາຍລະອຽດການລົງທະບຽນບໍລິສັດຂອງພວກເຮົາ ແລະຂໍ້ມູນຄວາມເປັນຜູ້ນໍາ.
Kantesti AI - PIYA AI
ນິຕິບຸກຄົນ: PIYA AI (ເຈົ້າຂອງແບຣນ Kantesti)
ປະເພດທຸລະກິດ: ເຕັກໂນໂລຊີການດູແລສຸຂະພາບ AI
ສ້າງຕັ້ງຂຶ້ນ: 2019
ສໍານັກງານໃຫຍ່: Cologne, ເຢຍລະມັນ
ຕິດຕໍ່: [email protected]
ໂທລະສັບ: +49 177 497 4039
ຄວາມເປັນຜູ້ນໍາ
ຜູ້ກໍ່ຕັ້ງ ແລະ CEO: Julian Emirhan Bulut
ຜູ້ປະກອບການທີ່ມີວິໄສທັດນໍາພານະວັດຕະກໍາ AI ໃນເຕັກໂນໂລຢີການດູແລສຸຂະພາບ. ການກໍ່ສ້າງເຄື່ອງມືການຕີຄວາມໝາຍຂອງການກວດເລືອດທີ່ສາມາດເຂົ້າເຖິງໄດ້ສໍາລັບການປັບປຸງສຸຂະພາບທົ່ວໂລກ.
ເຊື່ອມຕໍ່ໃນ LinkedInຫົວໜ້າເຈົ້າໜ້າທີ່ແພດ: ທອມັສ ໄຄລນ໌, MD
ນັກວິທະຍາສາດດ້ານເລືອດທີ່ໄດ້ຮັບການຮັບຮອງຈາກຄະນະກຳມະການ ນຳພາການກວດສອບທາງການແພດ ແລະ ການຕິດຕາມກວດກາທາງດ້ານຄລີນິກ.
ການປະຕິບັດຕາມ & ການຢັ້ງຢືນ
ການປົກປ້ອງຂໍ້ມູນ: ປະຕິບັດຕາມ GDPR (EU)
ຄວາມເປັນສ່ວນຕົວຂອງການດູແລສຸຂະພາບ: ມາດຕະການປ້ອງກັນທີ່ສອດຄ່ອງກັບ HIPAA (ສະຫະລັດ)
ຄວາມປອດໄພ: ການຄວບຄຸມ SOC 2 ປະເພດ II
ການຄຸ້ມຄອງຄຸນນະພາບ: ສອດຄ່ອງກັບມາດຕະຖານ ISO 27001
ອຸປະກອນການແພດ: ບໍ່ໄດ້ຈັດປະເພດເປັນອຸປະກອນທາງການແພດ - ເຄື່ອງມືຂໍ້ມູນຂ່າວສານເທົ່ານັ້ນ
ເອກະສານອ້າງອີງ ແລະ ມາດຕະຖານ
ວິທີການກວດສອບຄວາມຖືກຕ້ອງ ແລະ ມາດຕະຖານທາງດ້ານຄລີນິກຂອງພວກເຮົາແມ່ນອີງໃສ່ແນວທາງທາງການແພດທີ່ໄດ້ຮັບການສ້າງຕັ້ງຂຶ້ນ ແລະ ມາດຕະຖານສາກົນ.
- [1] ອົງການອະນາໄມໂລກ (WHO). ການນໍາໃຊ້ຮີໂມໂກຼບິນທີ່ມີນ້ຳຕານສູງ (HbA1c) ໃນການວິນິດໄສພະຍາດເບົາຫວານ. ເຈນີວາ: ອົງການອະນາໄມໂລກ; 2011. ສາມາດເຂົ້າເບິ່ງໄດ້ຈາກ: https://www.who.int/diabetes/publications/diagnosis_diabetes2011/en/
- [2] ອົງການສາກົນເພື່ອມາດຕະຖານ. ISO 15189:2022 ຫ້ອງທົດລອງທາງການແພດ — ຂໍ້ກຳນົດສຳລັບຄຸນນະພາບ ແລະ ຄວາມສາມາດ. ເຈນີວາ: ISO; 2022. https://www.iso.org/standard/76677.html
- [3] ສະຖາບັນມາດຕະຖານທາງດ້ານຄລີນິກ ແລະ ຫ້ອງທົດລອງ (CLSI). EP09c: ການປຽບທຽບຂັ້ນຕອນການວັດແທກ ແລະ ການປະເມີນຄວາມລຳອຽງໂດຍໃຊ້ຕົວຢ່າງຄົນເຈັບ. 3 ed. Wayne, PA: CLSI; 2018.
- [4] ສະຖາບັນສຸຂະພາບແຫ່ງຊາດ (NIH). ຂອບເຂດອ້າງອີງການກວດເລືອດ. ເບັດເທສດາ, ແມຣີແລນ: NIH; ອັບເດດ 2024. ສາມາດເຂົ້າເບິ່ງໄດ້ຈາກ: MedlinePlus
- [5] ສະມາຄົມອາເມລິກາສຳລັບເຄມີສາດທາງດ້ານຄລີນິກ (AACC). ລະດັບອ້າງອີງການທົດສອບໃນຫ້ອງທົດລອງ. ວໍຊິງຕັນ ດີຊີ: AACC; 2024. https://www.aacc.org/
- [6] ສະຫະພັນເຄມີສາດທາງດ້ານຄລີນິກສາກົນ (IFCC). ຂັ້ນຕອນການວັດແທກອ້າງອີງ. ມິລານ: IFCC; 2023. https://www.ifcc.org/
- [7] Klein T. ຂອບການຢືນຢັນທາງດ້ານຄລີນິກສຳລັບການຕີຄວາມໝາຍການກວດເລືອດດ້ວຍ AI: ວິທີການຢືນຢັນແບບ Triple-Blind, ຕົວຊີ້ວັດປະສິດທິພາບ, ແລະ ໂປໂຕຄອນການຮັບປະກັນຄຸນນະພາບ. ບົດລາຍງານດ້ານວິຊາການ KANTESTI-TR-2025-001, ເວີຊັນ 2.0. Kantesti AI; 2025. DOI: 10.5281/kantesti.2025.mv2
- [8] ກະຊວງສາທາລະນະສຸກ ແລະ ບໍລິການມະນຸດສະຫະລັດ. ກົດລະບຽບຄວາມເປັນສ່ວນຕົວຂອງ HIPAA. 45 CFR ພາກທີ 160 ແລະ ພາກສ່ວນຍ່ອຍ A ແລະ E ຂອງພາກທີ 164. ວໍຊິງຕັນ ດີຊີ: HHS; 2013.
- [9] ລັດຖະສະພາ ແລະ ສະພາເອີຣົບ. ກົດລະບຽບວ່າດ້ວຍການປົກປ້ອງຂໍ້ມູນທົ່ວໄປ (GDPR). ກົດລະບຽບ (EU) 2016/679. ບຣຸກແຊນ: EU; 2016.
ພາສາລາວ