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
ເອກະສານການຢັ້ງຢືນນີ້ ໄດ້ຖືກເຜີຍແຜ່ໂດຍ Kantesti Ltd (UK Companies House ເລກທີ 17090423) ຊຶ່ງມີສໍານັກງານໃຫຍ່ຢູ່ລອນດອນ ປະເທດອັງກິດ. ສະມາຊິກຄະນະທີ່ປຶກສາດ້ານການແພດ (Medical Advisory Board) ໄດ້ຮັບຄ່າຕອບແທນສໍາລັບບົດບາດການໃຫ້ຄໍາແນະນໍາ. ຜູ້ອໍານວຍການການແພດຫົວໜ້າ (Chief Medical Officer) (Thomas Klein, MD) ເປັນພະນັກງານເຕັມເວລາຂອງ Kantesti Ltd. ຂໍ້ມູນການຢັ້ງຢືນທັງໝົດ ໄດ້ຖືກກວດສອບຢ່າງເປັນອິດສະຫຼະຜ່ານວິທີການ triple-blind. ບໍ່ໄດ້ຮັບທຶນຈາກພາຍນອກສໍາລັບການສຶກສາການຢັ້ງຢືນ. ບໍລິສັດຖືກລົງທຶນເອງຜ່ານລາຍຮັບ ແລະການຮ່ວມມືດ້ານເຕັກໂນໂລຍີກັບ Microsoft for Startups, NVIDIA Inception, 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?
ວິທີການຢັ້ງຢືນທັງໝົດຂອງພວກເຮົາ ໄດ້ຖືກບັນທຶກໄວ້ໃນບົດລາຍງານທາງວິຊາການ "Clinical Validation Framework for AI-Powered Blood Test Interpretation" (Report ID: KANTESTI-TR-2025-001, DOI: 10.5281/zenodo.17993721). ລາຍງານສະບັບເຕັມ ມີໃຫ້ອ່ານຜ່ານລິ້ງ DOI, ໃນ ResearchGate, ແລະເປັນ PDF ທີ່ດາວໂຫຼດໄດ້ຈາກເວັບໄຊຂອງພວກເຮົາ.
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.
ຕັ້ງແຕ່ເດືອນມີນາ 2026, ທ Kantesti AI ເວທີ — ປະຈຸບັນດໍາເນີນການເປັນ Kantesti V11 — ຖືກດໍາເນີນໂດຍ ບໍລິສັດ Kantesti ຈຳກັດ, ບໍລິສັດຈໍາກັດສ່ວນຕົວ (private limited company) ທີ່ຈົດຕັ້ງໃນປະເທດອັງກິດ ແລະ ເວວ (UK Companies House ເລກທີ. 17090423), ໂດຍມີສໍານັກງານທີ່ຈົດທະບຽນຢູ່ລອນດອນ ປະເທດອັງກິດ. ການຈົດຕັ້ງໃນສະຫະອານາຈັກ (UK) ນີ້ ລວມການດໍາເນີນງານທົ່ວໂລກໄວ້ພາຍໃຕ້ໂຄງສ້າງບໍລິສັດດຽວທີ່ໂປ່ງໃສ ແລະມີການກໍາກັບດ້ວຍມາດຕະຖານການກຳກັບຂອງສະຫະອານາຈັກ (United Kingdom) ໃນຂະນະດຽວກັນ ໂດຍຮັກສາຄວາມຕໍ່ເນື່ອງຢ່າງສົມບູນຂອງເວທີທີ່ຊຸມຊົນຂອງພວກເຮົາໄວ້ໃຈມາຕັ້ງແຕ່ປີ 2019. ເຄືອຂ່າຍ neural ທີ່ເປັນສິດຂອງດຽວກັນ — ກໍາລັງຕີຄວາມໝາຍຕົວຊີ້ວັດ (biomarkers) ຫຼາຍກວ່າ 15,000 ລາຍການ ໃນ 75+ ພາສາ ສໍາລັບຜູ້ໃຊ້ຫຼາຍກວ່າ 2 ລ້ານຄົນ ໃນ 127 ປະເທດ — ຍັງຄົງຖືກພັດທະນາ ແລະ ຮັກສາໂດຍທີມວິສະວະກໍາ ແລະ ທີມການແພດຊຸດດຽວກັນ. ວິທີການຢັ້ງຢືນທາງຄລີນິກແບບ triple-blind, ການກຳກັບດູແລຂອງ Medical Advisory Board, ແລະ ການຮ່ວມມືກັບ Microsoft for Startups (Founders Hub), NVIDIA Inception, ແລະ Google Cloud ຍັງຄົງບໍ່ປ່ຽນແປງ. ຜູ້ໃຊ້ທົ່ວໂລກ ຍັງຄົງໄດ້ຮັບການເຂົ້າເຖິງຄຸນນະພາບການບໍລິການທີ່ຄືກັນ, ໂດຍປັດຈຸບັນມີການຮອງຮັບດ້ວຍການກໍາກັບກິດຈະການຂອງບໍລິສັດໃນ UK ທີ່ເພີ່ມຂຶ້ນ ຄຽງຄູ່ກັບການປົກປ້ອງ GDPR (EU) ທີ່ມີຢູ່ແລ້ວ, ການສອດຄ່ອງ HIPAA (US), ແລະ SOC 2 Type II.
Kantesti AI · Kantesti Ltd
ຊື່ແບຣນ (Brand Names): Kantesti, Kantesti AI
ນິຕິບຸກຄົນ: Kantesti Ltd (Private Limited Company)
ເລກທີ Companies House: 17090423
ອໍານາດການຈົດຕັ້ງ (Jurisdiction): ອັງກິດ ແລະ ເວວ, ປະເທດອັງກິດ
ປະເພດທຸລະກິດ: ເທັກໂນໂລຍີດ້ານການແພດຂອງ AI (SaaS)
ສ້າງຕັ້ງຂຶ້ນ: 2019 · ນິຕິບຸກຄົນຂອງ UK ທີ່ຈົດທະບຽນ: ເດືອນມີນາ 2026
ສໍານັກງານໃຫຍ່: 4 ຖະໜົນຣາເວນ, ໜ່ວຍ 1c3-1100, ລອນດອນ, E18 1HB, ສະຫະລາຊະອານາຈັກ
ຮຸ່ນຂອງແອັບ (Application Version): Kantesti V11
ຕິດຕໍ່: [email protected]
ໂທລະສັບ UK: +44 7508 364740 (ຈັນ–ສຸກ 9:00–18:00 GMT)
ໂທລະສັບ DE: +49 177 497 4039 (ຈັນ–ສຸກ 9:00–18:00 CET)
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. ລາຍງານທາງວິຊາການ KANTESTI-TR-2025-001, ສະບັບ 2.0. Kantesti Ltd; 2025. DOI: 10.5281/zenodo.17993721
- [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.