Medicininis patvirtinimas ir klinikiniai standartai AI kraujo tyrimo analizė
Trigubai akla klinikinės validacijos metodologija, sertifikuotų gydytojų priežiūra ir realaus pasaulio rezultatų koreliacijos tyrimai, kuriais grindžiama patikimiausia pasaulyje AI kraujo tyrimo analizatorius.
Pirminiai įrodymai ir dokumentai
Šiame puslapyje pateikti teiginiai ir patvirtinimo duomenys yra dokumentuoti mūsų techninėje ataskaitoje (laukiama kolegų peržiūros). Visą metodologiją ir patvirtinamuosius įrodymus rasite toliau.
Klinikinio patvirtinimo sistema dirbtinio intelekto pagrindu sukurtai kraujo tyrimų interpretacijai
Trigubo aklo patvirtinimo metodika, našumo rodikliai ir kokybės užtikrinimo protokolai
Klinikinio patvirtinimo sistema
Kantesti AI kraujo tyrimo interpretacija Platforma yra griežtai medicininiu požiūriu patikrinama, siekiant užtikrinti klinikinio lygio patikimumą. Mūsų daugiapakopis patvirtinimo procesas apjungia mašininio mokymosi patvirtinimą su tradicinėmis klinikinės peržiūros metodikomis.
Kiekvienas algoritmo atnaujinimas prieš pasiekiant gamybą yra trigubai aklas klinikinis patvirtinimas. Šiame puslapyje aprašoma visa mūsų patvirtinimo sistema, gydytojų priežiūros struktūra ir nuolatinės kokybės stebėsenos protokolai.
Trigubai aklas klinikinis patvirtinimo procesas
Mūsų patvirtinimo metodika pašalina patvirtinimo šališkumą taikant trijų etapų nepriklausomą peržiūros procesą. Kiekvienas etapas atliekamas nežinant kitų išvadų, taip užtikrinant objektyvų tikslumo matavimą.
DI interpretacija
Dirbtinio intelekto sistema analizuoja kraujo tyrimų rezultatus neturėdama prieigos prie klinikinės diagnozės, paciento ligos istorijos ar gydytojo pažymų. Ši akla analizė užtikrina, kad dirbtinio intelekto interpretacija būtų pagrįsta tik biožymenų duomenimis ir nustatytais referenciniais intervalais.
- Nėra prieigos prie klinikinės diagnozės
- Pagal populiaciją pakoreguoti referenciniai diapazonai
- Daugiaparametrė koreliacijos analizė
Gydytojo apžvalga
Sertifikuoti patologai nepriklausomai peržiūri tuos pačius kraujo tyrimų rezultatus. Gydytojai neturi prieigos prie dirbtinio intelekto interpretacijų, todėl jų klinikiniai sprendimai lieka nešališki.
- Sertifikuoti klinikiniai patologai
- Nėra matomumo dirbtinio intelekto išvesčiai
- Standartizuoti peržiūros protokolai
Nepriklausomas palyginimas
Trečiosios šalies klinikinė komanda lygina dirbtinio intelekto rezultatus su gydytojų sutarimu, nežinodama, kuri interpretacija yra iš kurio šaltinio. Neatitikimai sukelia papildomus peržiūros ciklus.
- Aklo palyginimo metodologija
- Statistinė konkordanso analizė
- Pilna audito sekos dokumentacija
Trigubo aklo patvirtinimo darbo eiga
Mūsų patvirtinimo procesas užtikrina nešališką tikslumo vertinimą taikant nepriklausomus lygiagrečius peržiūros srautus, kurie suartėja tik galutinio palyginimo metu.
Trigubo aklo patvirtinimo metodologija: dirbtinio intelekto interpretavimas (1 etapas), gydytojo peržiūra (2 etapas) ir nepriklausomas palyginimas (3 etapas) veikia lygiagrečiai, be kryžminio matomumo.
Patvirtintas našumas pagal bandymo kategoriją
Veiklos rodikliai patvirtinti trigubai aklu klinikiniu tyrimu, kuriame dalyvavo daugiau nei 1 000 000 tyrimų atvejų. Rezultatai rodo nuoseklų tikslumą visose pagrindinėse biomarkerių kategorijose.
Bendras tikslumo suvestinė
Bendras tikslumas: 98,7% — Svertinis vidurkis visose testo kategorijose, pagrįstas trigubai aklu gydytojų konkordancija. Atskirų kategorijų našumas svyruoja nuo 98,1% iki 99,3% jautrumo. Žr. ataskaitos §4.1 2 lentelę.
Klinikinių rezultatų koreliacija: 87% — Išilginė koreliacija su patvirtintomis diagnozėmis realiuose stebėjimo tyrimuose. Žr. ataskaitą §4.3
| Bandymo kategorija | Jautrumas | Specifiškumas | Imties dydis |
|---|---|---|---|
| Pilnas kraujo kiekis (CBC) | 99.3% | 99.0% | 285,000 |
| Išsami medžiagų apykaitos grupė | 99.1% | 98.9% | 198,000 |
| Lipidų skydelis | 98.8% | 98.5% | 167,000 |
| Skydliaukės funkcija | 98.4% | 98.1% | 142,000 |
| Kepenų funkcijos tyrimai | 98.9% | 98.6% | 124,000 |
| Inkstų funkcijos skydelis | 99.2% | 99.0% | 84,000 |
Populiacijos nuoseklumas
Patvirtinimo rezultatai rodo 99% tikslumo nuoseklumą visose demografinėse grupėse, nepriklausomai nuo etninės kilmės, amžiaus, lyties ar geografinio regiono. Populiacijos proporcinga atranka užtikrina reprezentatyvią aprėptį 197 šalyse.
Visuotinio patvirtinimo duomenų rinkinio paskirstymas
Mūsų 15 milijonų pavyzdžių mokymo duomenų rinkinys ir daugiau nei 1 milijonas patvirtinimo atvejų yra paskirstyti po visus pagrindinius pasaulio regionus, siekiant užtikrinti populiacijos reprezentatyvumą.
Medicinos patariamoji taryba
Mūsų medicinos patariamoji taryba atlieka klinikinę visų dirbtinio intelekto algoritmų kūrimo ir patvirtinimo priežiūrą. Tarybos nariai atstovauja įvairioms specialybėms iš kelių šalių, sujungdami daugiau nei 180 metų patirtį klinikinės medicinos srityje.
Tomas Kleinas, medicinos mokslų daktaras
Vyriausiasis medicinos pareigūnas (CMO) Klinikinė hematologija ir dirbtinio intelekto diagnostikaDr. Sarah Mitchell, MD, PhD
Vyriausiasis medicinos patarėjas Klinikinė patologija ir laboratorinė medicinaProf. dr. Hans Weber
Vyresnysis medicinos patarėjas Laboratorinė medicina ir klinikinė chemijaDr. Maria Rodriguez, MD, MPH
Medicinos patarėjas Vidaus ligos ir prevencinė medicinaDr. Chen Wei, medicinos mokslų daktaras, gamtos mokslų magistras
Medicinos patarėjas Endokrinologija ir medžiagų apykaitos medicinaSusipažinkite su visa mūsų medicinos patariamąja taryba, kurioje rasite išsamius profilius, kvalifikaciją ir tyrimų patirtį.
Peržiūrėti visus patarėjus →Nuolatinis kokybės stebėjimas
Po diegimo atliekamas patvirtinimas, taikant struktūrizuotus stebėjimo protokolus. Realiojo pasaulio rezultatai stebimi atsižvelgiant į klinikinius rezultatus, o grįžtamojo ryšio ciklai leidžia nuolat tobulėti.
Mėnesinės našumo ataskaitos
Išsami tikslumo analizė visose biomarkerių kategorijose, demografiniuose segmentuose ir geografiniuose regionuose. Tendencijų nustatymas leidžia atlikti aktyvią kokybės kontrolę.
Tarplaboratorinė konkordancija
Testavimas daugiau nei 500 laboratorinių sistemų patvirtina nuoseklų veikimą, nepriklausomai nuo įrangos gamintojo, metodologijos ar kalibravimo standartų.
Klinikinių rezultatų tyrimai
Išilginiai koreliacijos tyrimai seka dirbtinio intelekto interpretacijas pagal patvirtintas diagnozes, pasiekdami 87% koreliaciją su klinikiniais rezultatais įvairiose pacientų populiacijose.
Sveikatos priežiūros paslaugų teikėjų atsiliepimai
Struktūrizuotas gydytojų ir laboratorijos specialistų atsiliepimų integravimas. Pažymėtas interpretacijas peržiūri Medicinos patariamoji taryba, o pataisymai integruojami į mokymus.
Mokymo duomenys ir kokybės užtikrinimas
Mūsų dirbtinio intelekto modelis yra apmokytas naudojant vieną didžiausių pramonėje kuruojamų kraujo tyrimų duomenų rinkinių, o griežta kokybės kontrolė užtikrina duomenų vientisumą ir klinikinį aktualumą.
Duomenų rinkinio sudėtis
- Iš viso mėginių15 milijonų
- Geografinė aprėptis197 šalys
- Laboratoriniai šaltiniai500+ sertifikuotų laboratorijų
- Datų diapazonas2015-2025
- Biožymenų tipai450+ parametrų
Kokybės kontrolė
Daugiapakopis duomenų kokybės užtikrinimas:
- Tik ISO 15189 sertifikuoti laboratoriniai šaltiniai
- Nepilnų arba sugadintų įrašų pašalinimas
- Išankstinės analizės klaidų aptikimas išskirtose vertėse
- Visų duomenų rinkinių kilmės patikrinimas
- HIPAA / BDAR reikalavimus atitinkantis anonimizavimas
Technologijų ir atitikties partneriai
Mūsų patvirtinimo infrastruktūros ir dirbtinio intelekto kūrimo veikla remiama bendradarbiaujant su pirmaujančiais technologijų tiekėjais.
„Microsoft FoundersHub“.
Debesijos infrastruktūra ir įmonės lygio dirbtinio intelekto kūrimo platforma, palaikanti keičiamo dydžio patvirtinimo darbo eigas.
NVIDIA pradžios programa
GPU skaičiavimo ištekliai ir dirbtinio intelekto modelio optimizavimas, leidžiantis efektyviai apmokyti daugiau nei 15 mln. pavyzdžių duomenų rinkinių.
„Google Cloud“ dirbtinis intelektas
Mašininio mokymosi infrastruktūra, palaikanti paskirstytą modelių mokymą ir išvadų darymą realiuoju laiku.
Cloudflare
Pasaulinis periferinis tinklas, užtikrinantis saugią ir mažo delsos prieigą 197 šalyse.
SOC 2 II tipo valdikliai
Saugumo kontrolė suderinta su AICPA standartais
Suderinta su ISO 27001
Informacijos saugumo valdymo kontrolės priemonės
HIPAA suderinti valdikliai
JAV sveikatos priežiūros duomenų apsaugos priemonės
Atitinka GDPR
Europos duomenų apsaugos reglamentas
Tinkamas naudojimas ir apribojimai
Skaidrumas apie galimybes ir apribojimus yra būtinas atsakingam dirbtinio intelekto diegimui sveikatos priežiūros srityje. Kantesti yra sukurtas kaip sprendimų priėmimo priemonė, papildanti, o ne pakeičianti profesionalų medicininį vertinimą.
Informacija nepasiekiama
Mūsų dirbtinis intelektas interpretuoja biožymenų duomenis atskirai. Sistema neprieina šio klinikinio konteksto:
- Išsami paciento ligos istorija
- Šiuo metu vartojami vaistai ir galima sąveika
- Fizinės apžiūros išvados
- Genetiniai veiksniai ir šeimos istorija
- Gyvenimo būdo veiksniai (nebent pateiktų naudotojas)
Laboratorinės metodologijos variantai
Dėl įrangos skirtumų ir kalibravimo standartų etaloniniai diapazonai laboratorijose skiriasi. Mūsų daugiau nei 45 000 laboratorijoms būdingų diapazonų duomenų bazėje yra daugumos skirtumų, tačiau vartotojai turėtų patikrinti, ar išgautos vertės atitinka jų pradinę ataskaitą.
Dokumentų kokybės aspektai
OCR tikslumas priklauso nuo dokumento kokybės. Ranka rašyti rezultatai arba mažos skiriamosios gebos nuskaitymai gali turėti įtakos reikšmių išgavimui. Prieš analizę visas išgautas reikšmes galima taisyti rankiniu būdu.
Medicininis atsakomybės apribojimas
„Kantesti“ yra dirbtinio intelekto valdoma informacinė priemonė, kuri interpretuoja kraujo tyrimų rezultatus pagal nustatytas medicinines referencines vertes ir klinikines gaires. Tai NĖRA medicinos prietaisas ir nediagnozuoja, negydo, neišgydo ir neužkerta kelio jokioms ligoms.
Pateikta informacija skirta tik švietimo ir informaciniams tikslams ir neturėtų būti laikoma medicinine konsultacija. Prieš priimdami sprendimus dėl savo sveikatos ar gydymo, visada pasitarkite su kvalifikuotu sveikatos priežiūros specialistu.
Medicininės pagalbos atvejais nedelsdami kreipkitės į skubios pagalbos tarnybas. „Kantesti“ nėra skirta naudoti ekstremaliose situacijose.
Interesų konfliktas ir finansavimo atskleidimas
Šią patvirtinimo dokumentaciją paskelbė „Kantesti“ / „PIYA AI“. Medicinos patariamosios tarybos nariai gauna atlygį už savo patariamąsias pareigas. Rinkodaros direktorius (Thomas Klein, MD) yra visą darbo dieną dirbantis „Kantesti AI“ darbuotojas. Visi patvirtinimo duomenys buvo nepriklausomai patikrinti taikant trigubai aklą metodiką. Patvirtinimo tyrimams nebuvo gauta jokio išorinio finansavimo. Įmonė finansuojama pati iš pajamų ir technologijų partnerystės su „Microsoft“, „NVIDIA“, „Google Cloud“ ir „Cloudflare“.
Dažnai užduodami klausimai apie medicininį patvirtinimą
Ką reiškia „trigubai aklas patvirtinimas“?
Trigubai aklas patvirtinimas reiškia, kad trys nepriklausomos šalys analizuoja tuos pačius duomenis nežinodamos viena kitos išvadų. Mūsų dirbtinis intelektas interpretuoja kraujo tyrimus be klinikinio konteksto, gydytojai peržiūri nepriklausomai, nematydami dirbtinio intelekto rezultatų, o trečia komanda lygina rezultatus nežinodama, kurie iš jų gauti dirbtinio intelekto, o kurie iš gydytojų. Tai pašalina patvirtinimo šališkumą ir užtikrina objektyvų tikslumo matavimą.
Kaip dažnai atnaujinamas dirbtinio intelekto modelis?
Mūsų modelis kas ketvirtį yra perkvalifikuojamas, įtraukiant naujus patvirtintus duomenis, atnaujintas klinikines gaires ir naujausius biomarkerių tyrimus. Kiekvienas atnaujinimas prieš diegimą praeina pilną trigubo aklo patvirtinimo protokolą. Atnaujinimai, kurie neatitinka mūsų tikslumo ribos, yra atmetami.
Kodėl tikslumas skiriasi priklausomai nuo testo kategorijos?
Kai kurių biožymenų (pvz., elektrolitų) referenciniai diapazonai yra labiau standartizuoti visame pasaulyje, o kitų (pvz., skydliaukės hormonų) rodikliai labiau skiriasi tarp laboratorijų ir populiacijų. Kategorijos su didesniu kintamumu pasižymi šiek tiek mažesniu tikslumu dėl savaiminio interpretavimo sudėtingumo.
Ar galiu pasitikėti dirbtinio intelekto interpretacija priimant medicininius sprendimus?
„Kantesti“ yra sukurtas kaip sprendimų palaikymo priemonė, o ne profesionalios medicininės vertinimo pakaitalas. Mūsų dirbtinis intelektas teikia patvirtintas interpretacijas, pagrįstas nustatytais atskaitos intervalais, tačiau klinikinis kontekstas, įskaitant jūsų ligos istoriją, vaistus ir simptomus, reikalauja gydytojo įvertinimo, kad būtų galima priimti sprendimus dėl gydymo. Visada pasitarkite su savo sveikatos priežiūros paslaugų teikėju.
Kaip patvirtinimo procese atsižvelgiama į populiacijos įvairovę?
Mūsų mokymo duomenys apima 15 milijonų imčių, proporcingai paskirstytų 197 šalyse, o populiacijos svertinis imčių sudarymas užtikrina visų pagrindinių etninių ir geografinių grupių atstovavimą. Ketvirtiniai teisingumo auditai tikrina tikslumo nuoseklumą tarp demografinių rodiklių, o 99% nuoseklumas išlaikomas visuose populiacijos segmentuose.
Kas nutinka, jei DI padaro klaidą?
Sveikatos priežiūros paslaugų teikėjai ir vartotojai gali pažymėti interpretacijas, kad jas peržiūrėtų Medicinos patariamoji taryba. Pažymėtus atvejus analizuoja mūsų rinkodaros vadovas Thomas Klein, MD, ir medicinos komanda. Jei klaidos patvirtinamos, pataisymai integruojami į būsimus mokymo ciklus. Mūsų nuolatinė stebėsena seka realų našumą, kad galėtume nustatyti ir proaktyviai spręsti sistemines problemas.
Kur galiu rasti visą patvirtinimo ataskaitą?
Visa mūsų patvirtinimo metodika yra aprašyta techninėje ataskaitoje "Klinikinio patvirtinimo sistema dirbtiniu intelektu pagrįstam kraujo tyrimų interpretavimui" (ataskaitos ID: KANTESTI-TR-2025-001, DOI: 10.5281/kantesti.2025.mv2). Visą ataskaitą galima rasti per DOI nuorodą, „ResearchGate“ svetainėje ir PDF formatu atsisiunčiant iš mūsų svetainės.
Kas peržiūri medicininį turinį „Kantesti“ svetainėje?
Visą medicininį turinį rašo ir peržiūri mūsų vyriausiasis medicinos pareigūnas Thomas Klein, medicinos mokslų daktaras. Dr. Klein yra sertifikuotas klinikinis hematologas, dirbantis Stambulo Nisantasi universiteto Hematologijos katedroje, turintis daugiau nei 15 metų patirtį laboratorinės medicinos ir dirbtinio intelekto diagnostikos srityse. Papildomą priežiūrą atlieka mūsų 12 narių medicinos patariamoji taryba.
Patirtis patvirtinta dirbtinio intelekto kraujo tyrimo analizė
Prisijunkite prie milijonų pasitikinčių vartotojų visame pasaulyje „Kantesti“ dirbtinio intelekto kraujo tyrimų analizatorius Kliniškai patvirtintam kraujo tyrimų interpretavimui daugiau nei 75 kalbomis.
Įmonių skaidrumas
Mes tikime visišku skaidrumu apie tai, kas mes esame ir kaip veikiame. Žemiau rasite mūsų įmonės registracijos duomenis ir informaciją apie vadovybę.
Kantesti AI - PIYA AI
Juridinis asmuo: PIYA AI („Kantesti“ prekės ženklo savininkas)
Verslo tipas: Dirbtinio intelekto sveikatos priežiūros technologijos
Įkurta: 2019
Būstinė: Kelnas, Vokietija
Kontaktas: [email protected]
Telefonas: +49 177 497 4039
Lyderystė
Įkūrėjas ir generalinis direktorius: Julianas Emirhanas Bulutas
Vizionierius verslininkas, vadovaujantis dirbtinio intelekto inovacijoms sveikatos priežiūros technologijų srityje. Kuriantis prieinamus kraujo tyrimų interpretavimo įrankius, skirtus pagerinti sveikatą visame pasaulyje.
Susisiekite „LinkedIn“ tinkleVyriausiasis medicinos pareigūnas: Tomas Kleinas, medicinos mokslų daktaras
Sertifikuotas klinikinis hematologas, vadovaujantis medicininiam patvirtinimui ir klinikinei priežiūrai.
Atitiktis ir sertifikatai
Duomenų apsauga: Atitinka BDAR (ES)
Sveikatos priežiūros privatumas: Su HIPAA suderintos apsaugos priemonės (JAV)
Saugumas: SOC 2 II tipo valdikliai
Kokybės valdymas: Suderinta su ISO 27001
Medicinos prietaisas: Neklasifikuojama kaip medicinos prietaisas – tik informacinė priemonė
Nuorodos ir standartai
Mūsų patvirtinimo metodika ir klinikiniai standartai yra pagrįsti nustatytomis medicinos gairėmis ir tarptautiniais standartais.
- [1] Pasaulio sveikatos organizacija (PSO). Glikuoto hemoglobino (HbA1c) naudojimas diagnozuojant cukrinį diabetą. Ženeva: PSO; 2011. Prieinama iš: https://www.who.int/diabetes/publications/diagnosis_diabetes2011/en/
- [2] Tarptautinė standartizacijos organizacija. ISO 15189:2022 Medicinos laboratorijos. Kokybės ir kompetencijos reikalavimai. Ženeva: ISO; 2022. https://www.iso.org/standard/76677.html
- [3] Klinikinių ir laboratorinių standartų institutas (CLSI). EP09c: Matavimo procedūrų palyginimas ir paklaidos įvertinimas naudojant pacientų mėginius. 3 leidimas Wayne, PA: CLSI; 2018 m.
- [4] Nacionaliniai sveikatos institutai (NIH). Kraujo tyrimų etaloniniai diapazonai. Bethesda, MD: NIH; Atnaujinta 2024 m. Galima įsigyti iš: MedlinePlus
- [5] Amerikos klinikinės chemijos asociacija (AACC). Laboratorinių tyrimų etaloniniai diapazonai. Vašingtonas, DC: AACC; 2024. https://www.aacc.org/
- [6] Tarptautinė klinikinės chemijos federacija (IFCC). Etaloninių matavimų procedūros. Milanas: IFCC; 2023. https://www.ifcc.org/
- [7] Klein T. Klinikinio patvirtinimo sistema dirbtiniu intelektu paremtai kraujo tyrimų interpretacijai: trigubo aklo patvirtinimo metodika, našumo rodikliai ir kokybės užtikrinimo protokolai. Techninė ataskaita KANTESTI-TR-2025-001, 2.0 versija. Kantesti AI; 2025 m. DOI: 10.5281/kantesti.2025.mv2
- [8] JAV Sveikatos ir žmogiškųjų paslaugų departamentas. HIPAA privatumo taisyklė. 45 CFR 160 dalis ir 164 dalies A bei E poskyriai. Vašingtonas, DC: HHS; 2013.
- [9] Europos Parlamentas ir Taryba. Bendrasis duomenų apsaugos reglamentas (BDAR). Reglamentas (ES) 2016/679. Briuselis: ES; 2016.
Lietuvių kalba