Medical Validation & Clinical Standards များအတွက် AI သွေးစစ်မှု ခွဲခြမ်းစိတ်ဖြာခြင်း။
ကျွန်ုပ်တို့၏ အကြီးတန်း ဆေးဘက်ဆိုင်ရာအရာရှိ (Chief Medical Officer) မှရေးသားထားသော Kantesti AI အင်ဂျင်၏ အတွင်းပိုင်း အလိုအလျောက် စံနှုန်းတိုင်းတာမှု (benchmark) တစ်ခုဖြစ်ပြီး လွတ်လပ်စွာ အတည်ပြုစစ်ဆေးခြင်း သို့မဟုတ် peer-reviewed မပြုလုပ်ထားပါက၊ အောက်ပါ AI Blood Test Analyzer.
မူလအထောက်အထားနှင့် စာရွက်စာတမ်းများ
ဤစာမျက်နှာရှိ စွမ်းဆောင်ရည်ကိန်းဂဏန်းသည် ကျွန်ုပ်တို့၏ ကိုယ်ပိုင် အလိုအလျောက်လုပ်ဆောင်နိုင်သော open-source benchmark harness မှ ထွက်ပေါ်လာခြင်းဖြစ်ပြီး ကုဒ်နှင့် scorecards များကို အများပြည်သူအတွက် ဖော်ပြထားသည်။ ၎င်းသည် ပြန်လည်ထုတ်လုပ်နိုင်သော နည်းပညာဆိုင်ရာ benchmark ဖြစ်ပြီး လွတ်လပ်သော သို့မဟုတ် စည်းမျဉ်းဆိုင်ရာ အတည်ပြုချက်မဟုတ်သလို လက်တွေ့ကမ္ဘာသုံး ရောဂါရှာဖွေတိကျမှုကို တိုင်းတာခြင်းလည်း မဟုတ်ပါ။ အောက်တွင် ကုဒ်နှင့် ဒေတာကို ဝင်ကြည့်ပါ။.
Kantesti AI အင်ဂျင် — သွေးစစ်ဆေးမှု ရလဒ် စံနှုန်းစမ်းသပ်ချက်
နိုင်ငံတံဆိပ် ၁၂၇ ခုအတွက် စုစုပေါင်း အတု (synthetic) အမှု ၁၀၀,၀၀၀ အပေါ် အလိုအလျောက် ပေါင်းစပ်ရမှတ်ချခြင်း
Benchmark & Methodology Overview
Kantesti ရဲ့ AI Blood Test ၏အဓိပ္ပာယ်ဖွင့်ဆိုချက် ကျွန်ုပ်တို့၏ အတွင်းပိုင်း အရည်အသွေးလုပ်ငန်းစဉ်၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် ပလက်ဖောင်းသည် ပြင်းထန်သော ဆေးဘက်ဆိုင်ရာ အတည်ပြုစစ်ဆေးမှုကို ခံယူသည်။ စွမ်းဆောင်ရည်ကို အတွင်းပိုင်း အလိုအလျောက်လုပ်ဆောင်နိုင်သော open-source benchmark harness ဖြင့် တိုင်းတာသည်။.
ဤစာမျက်နှာသည် ထို benchmark၊ ကျွန်ုပ်တို့၏ ဆရာဝန်ကြီးကြပ်မှုဆိုင်ရာ ဖွဲ့စည်းပုံနှင့် ကျွန်ုပ်တို့၏ ဆက်လက်အရည်အသွေး စောင့်ကြည့်မှု လုပ်ငန်းစဉ်ကို မှတ်တမ်းတင်ထားသည်။ ထို benchmark သည် နည်းပညာဆိုင်ရာ အကဲဖြတ်မှုဖြစ်ပြီး clinical trial သို့မဟုတ် စည်းမျဉ်းဆိုင်ရာ အတည်ပြုချက်မဟုတ်ပါ။.
အတွင်းပိုင်း Benchmark စွမ်းဆောင်ရည် (Composite)
ဤသည်မှာ ကျွန်ုပ်တို့၏ အတွင်းပိုင်း အလိုအလျောက်လုပ်ဆောင်နိုင်သော open-source benchmark harness မှ ရရှိသည့် ရလဒ်ဖြစ်သည်။ ၎င်းသည် ကိုယ်တိုင်လုပ်ဆောင်ထားပြီး လွတ်လပ်စွာ အတည်မပြုထားခြင်း သို့မဟုတ် peer-reviewed မဟုတ်ပါ။.
အလုံးစုံ Benchmark ရလဒ်
ပေါင်းစပ် benchmark ရမှတ်- 99.80% (ကိုယ်တိုင်လုပ်ဆောင်ထားသည်၊ peer-reviewed မဟုတ်) — နိုင်ငံတံဆိပ် ၁၂၇ ခုအတွက် အတု (synthetic) အမှု ၁၀၀,၀၀၀ အပေါ် ကျွန်ုပ်တို့၏ အလိုအလျောက်၊ open-source benchmark harness မှ ရရှိသည့် အလုံးစုံရလဒ်။ ပေါင်းစပ်ရမှတ်သည် blended ဖြစ်သည် နည်းပညာ မက်ထရစ် (35% output-structure validity + 55% clinical-keyword recall + 10% latency) ဖြစ်ပြီး ၎င်းသည် မဟုတ် ရောဂါရှာဖွေတိကျမှုကို တိုင်းတာသည့် အညွှန်းဖြစ်သည်။ လွတ်လပ်စွာ အတည်ပြုစစ်ဆေးခြင်း သို့မဟုတ် peer-reviewed ပြုလုပ်ခြင်း မရှိသေးပါ။. GitHub တွင် ကုဒ် & ဒေတာကို ကြည့်ပါ
benchmark သည် အလိုအလျောက် harness တစ်ခုမှ တစ်ခုတည်းသော ပေါင်းစပ်ရမှတ်ကို ထုတ်ပေးသည်။ စမ်းသပ်မှုအမျိုးအစားတစ်ခုချင်းစီအတွက် sensitivity/specificity အချက်အလက်များကို မထုတ်ပေးပါ။ per-case scorecards အပြည့်အစုံကို open repository တွင် ရရှိနိုင်သည်။.
ဆေးဘက်ဆိုင်ရာအကြံပေးဘုတ်အဖွဲ့
ကျွန်ုပ်တို့၏ Medical Advisory Board သည် AI အယ်လဂိုရစ်သမ် ဖွံ့ဖြိုးတိုးတက်မှုနှင့် အတည်ပြုစစ်ဆေးမှုအားလုံးအတွက် ဆေးဘက်ဆိုင်ရာ ကြီးကြပ်မှုကို ပေးပါသည်။ ဘုတ်အဖွဲ့ဝင်များသည် နိုင်ငံများစွာအတွင်းရှိ ဆေးဘက်ဆိုင်ရာ အထူးပြုနယ်ပယ်မျိုးစုံကို ကိုယ်စားပြုကြပြီး clinical medicine အပါအဝင်ဖြစ်သည်။.
သောမတ်စ် ကလိုင်း၊ MD
ဆေးဘက်ဆိုင်ရာ အရာရှိချုပ် (CMO) ဆေးခန်းသွေးရောဂါဗေဒနှင့် AI ရောဂါရှာဖွေရေးဒေါက်တာ Sarah Mitchell, MD, Ph.D
ဆေးဘက်ဆိုင်ရာအကြံပေးချုပ် ဆေးဘက်ဆိုင်ရာရောဂါဗေဒ & ဓာတ်ခွဲခန်းဆေးပညာပါမောက္ခ ဒေါက်တာ Hans Weber
အကြီးတန်းဆေးဘက်ဆိုင်ရာအကြံပေးပုဂ္ဂိုလ် ဓာတ်ခွဲခန်းဆေးပညာနှင့် လက်တွေ့ဓာတုဗေဒဒေါက်တာ မာရီယာ ရိုဒရီဂွက်ဇ်၊ MD၊ MPH
ဆေးဘက်ဆိုင်ရာအကြံပေးပုဂ္ဂိုလ် အတွင်းပိုင်းဆေးပညာနှင့် ကာကွယ်ရေးဆေးပညာဒေါက်တာ Chen Wei, MD, M.Sc
ဆေးဘက်ဆိုင်ရာအကြံပေးပုဂ္ဂိုလ် Endocrinology နှင့် Metabolic Medicineအသေးစိတ်ပရိုဖိုင်များ၊ အထောက်အထားများနှင့် သုတေသနနောက်ခံများဖြင့် ကျွန်ုပ်တို့၏ ဆေးဘက်ဆိုင်ရာအကြံပေးဘုတ်အဖွဲ့နှင့် တွေ့ဆုံပါ။
အကြံပေးသူများ → အားလုံးကြည့်ရှုပါ။စဉ်ဆက်မပြတ် အရည်အသွေး စောင့်ကြည့်စစ်ဆေးခြင်း။
ဖြန့်ချိပြီးနောက် (post-deployment) အင်ဂျင်ကို အတွင်းပိုင်း လုပ်ငန်းလည်ပတ်မှု စစ်ဆေးချက်များနှင့် အသုံးပြုသူများထံမှ စနစ်တကျ တုံ့ပြန်ချက်များ၊ ကျွန်ုပ်တို့၏ Medical Advisory Board မှတစ်ဆင့် စောင့်ကြည့်သည်။ ဤသည်မှာ အတွင်းပိုင်း စောင့်ကြည့်မှုဖြစ်ပြီး လွတ်လပ်သော ဆေးဘက်ဆိုင်ရာ ရလဒ် (clinical-outcome) လေ့လာမှု မဟုတ်ပါ။.
လစဉ်စွမ်းဆောင်ရည်အစီရင်ခံစာများ
biomarker အမျိုးအစားများ၊ လူဦးရေစာရင်း အပိုင်းများနှင့် ပထဝီဝင်ဒေသများအားလုံးတွင် ပြည့်စုံတိကျသော ခွဲခြမ်းစိတ်ဖြာခြင်း။ ခေတ်ရေစီးကြောင်း ခွဲခြားသတ်မှတ်ခြင်းက အရည်အသွေးကို တက်ကြွစွာ စီမံခန့်ခွဲနိုင်စေပါသည်။
ကျန်းမာရေးစောင့်ရှောက်မှုပေးသူ တုံ့ပြန်ချက်
သမားတော်များနှင့် ဓာတ်ခွဲခန်းကျွမ်းကျင်ပညာရှင်များထံမှ ပေါင်းစပ်ထားသော တုံ့ပြန်ချက်။ အလံပြထားသော အဓိပ္ပာယ်ဖွင့်ဆိုချက်များကို လေ့ကျင့်ရေးတွင် ပေါင်းစပ်ပြင်ဆင်မှုများဖြင့် ဆေးဘက်ဆိုင်ရာ အကြံပေးဘုတ်အဖွဲ့၏ ပြန်လည်သုံးသပ်မှုကို ခံယူသည်။
လေ့ကျင့်ရေးဒေတာနှင့် အရည်အသွေးအာမခံချက်
ကျွန်ုပ်တို့၏ အရည်အသွေးအာမခံလုပ်ငန်းစဉ်သည် ပလက်ဖောင်းမှ အသုံးပြုသည့် ဒေတာအတွက် စံထိန်းချုပ်မှုများကို အသုံးချသည်။.
အရည်အသွေးထိန်းချုပ်မှုများ
အဆင့်ပေါင်းများစွာ ဒေတာအရည်အသွေး အာမခံချက်-
- မပြည့်စုံသော သို့မဟုတ် ပျက်စီးနေသော မှတ်တမ်းများကို ဖယ်ရှားခြင်း။
- ကြိုတင်ခွဲခြမ်းစိတ်ဖြာမှုအမှားများအတွက် သာလွန်ထောက်လှမ်းမှု
- ဒေတာအတွဲအားလုံးအတွက် သက်သေအတည်ပြုချက်
- HIPAA နှင့် GDPR နှင့် ကိုက်ညီသော အမည်မဖော်ဘဲ (anonymization)
နည်းပညာနှင့် လိုက်နာမှု ပါတနာများ
ကျွန်ုပ်တို့၏ တရားဝင်အခြေခံအဆောက်အအုံနှင့် AI ဖွံ့ဖြိုးတိုးတက်မှုကို စက်မှုထိပ်တန်းနည်းပညာပံ့ပိုးပေးသူများနှင့် ပူးပေါင်းဆောင်ရွက်ခြင်းအားဖြင့် ပံ့ပိုးပေးပါသည်။
Microsoft FoundersHub
Cloud အခြေခံအဆောက်အအုံနှင့် လုပ်ငန်းအဆင့် AI ဖွံ့ဖြိုးတိုးတက်ရေးပလပ်ဖောင်းသည် အတိုင်းအတာဖြင့် တရားဝင်အတည်ပြုခြင်းလုပ်ငန်းအသွားအလာများကို ပံ့ပိုးပေးသည်။
NVIDIA စတင်ခြင်းအစီအစဉ်
GPU ကွန်ပျူတာအရင်းအမြစ်များနှင့် AI မော်ဒယ် အကောင်းဆုံးပြင်ဆင်မှုများက မော်ဒယ်ကို ထိရောက်စွာ လေ့ကျင့်ခြင်းနှင့် အကောင်းဆုံးပြင်ဆင်ခြင်းကို အထောက်အကူပြုသည်။.
Google Cloud AI
ဖြန့်ဝေထားသော မော်ဒယ်သင်တန်းနှင့် အချိန်နှင့်တပြေးညီ ကောက်ချက်ချမှုကို ပံ့ပိုးပေးသည့် စက်သင်ယူမှု အခြေခံအဆောက်အအုံ။
Cloudflare
ကမ္ဘာလုံးဆိုင်ရာ edge ကွန်ရက်က ကမ္ဘာအနှံ့တွင် လုံခြုံပြီး latency နည်းသော ဝင်ရောက်အသုံးပြုမှုကို သေချာစေသည်။.
HIPAA နှင့် ကိုက်ညီသော
အမေရိကန် ကျန်းမာရေးစောင့်ရှောက်မှု အချက်အလက်ကာကွယ်ရေး အကာအကွယ်များ
GDPR နှင့် ကိုက်ညီသော
ဥရောပဒေတာကာကွယ်ရေးစည်းမျဉ်း
သင့်လျော်သောအသုံးပြုမှုနှင့် ကန့်သတ်ချက်များ
စွမ်းဆောင်ရည်နှင့် ကန့်သတ်ချက်များအကြောင်း ပွင့်လင်းမြင်သာမှုသည် ကျန်းမာရေးစောင့်ရှောက်မှုတွင် တာဝန်ရှိသော AI ဖြန့်ကျက်မှုအတွက် မရှိမဖြစ်လိုအပ်ပါသည်။ ကန်တက်တီ အစားထိုးမဟုတ်—ပရော်ဖက်ရှင်နယ် ဆေးဘက်ဆိုင်ရာ စီရင်ဆုံးဖြတ်မှုကို ဖြည့်စွက်ရန် ဆုံးဖြတ်ချက်ကို အထောက်အကူပြုသည့်ကိရိယာအဖြစ် ဒီဇိုင်းထုတ်ထားသည်။
အချက်အလက်ကို သုံးစွဲ၍မရပါ။
ကျွန်ုပ်တို့၏ AI သည် သီးခြားခွဲထားရာတွင် biomarker ဒေတာကို ဘာသာပြန်ပေးပါသည်။ အောက်ဖော်ပြပါ ဆေးခန်းဆိုင်ရာ အကြောင်းအရာများကို စနစ်တွင် မရနိုင်ပါ။
- လူနာ၏ဆေးမှတ်တမ်းအပြည့်အစုံ
- လက်ရှိဆေးဝါးများနှင့် အကျိုးသက်ရောက်မှုများ
- ရုပ်ပိုင်းဆိုင်ရာ စစ်ဆေးတွေ့ရှိချက်များ
- မျိုးရိုးဗီဇအချက်များနှင့် မိသားစုရာဇဝင်
- လူနေမှုပုံစံစတဲ့ အချက်များ (အသုံးပြုသူမှ ပေးမထားပါက)
ဓာတ်ခွဲခန်းနည်းလမ်း ကွဲပြားမှုများ
Reference ranges များသည် စက်ကိရိယာကွာခြားမှုနှင့် calibration စံနှုန်းများကြောင့် ဓာတ်ခွဲခန်းတစ်ခုချင်းစီအလိုက် ကွာခြားနိုင်သည်။ ဓာတ်ခွဲခန်းအလိုက် reference ranges များ၏ ကျွန်ုပ်တို့၏ ဒေတာဘေ့စ်သည် ကွာခြားမှုများစွာကို ဖြေရှင်းပေးထားသော်လည်း အသုံးပြုသူများသည် ထုတ်ယူထားသော တန်ဖိုးများသည် ၎င်းတို့၏ မူရင်းအစီရင်ခံစာနှင့် ကိုက်ညီကြောင်း စစ်ဆေးသင့်သည်။.
စာရွက်စာတမ်း အရည်အသွေး ထည့်သွင်းစဉ်းစားမှုများ
OCR တိကျမှုသည် စာရွက်စာတမ်း အရည်အသွေးပေါ်တွင် မူတည်သည်။ လက်ရေးရလဒ်များ သို့မဟုတ် ပုံရိပ်ပြတ်သားမှုနည်းသော စကင်န်များသည် တန်ဖိုးထုတ်ယူခြင်းကို အကျိုးသက်ရောက်နိုင်သည်။ ခွဲခြမ်းစိတ်ဖြာခြင်းမပြုမီ ထုတ်ယူထားသော တန်ဖိုးများအားလုံးအတွက် လက်ဖြင့် ပြုပြင်ခြင်းကို ရနိုင်ပါသည်။
ဆေးဘက်ဆိုင်ရာ ငြင်းဆိုချက်
Kantesti သည် သတ်မှတ်ထားသော ဆေးဘက်ဆိုင်ရာ ကိုးကားချက်အပိုင်းအခြားများနှင့် ဆေးခန်းလမ်းညွှန်ချက်များအပေါ် အခြေခံ၍ သွေးစစ်ဆေးမှုရလဒ်များကို ဘာသာပြန်ပေးသည့် AI စွမ်းအားရှိသော အချက်အလက်ဆိုင်ရာ ကိရိယာတစ်ခုဖြစ်သည်။ ၎င်းသည် ဆေးဘက်ဆိုင်ရာကိရိယာတစ်ခုမဟုတ်သလို ရောဂါရှာဖွေခြင်း၊ ကုသခြင်း၊ ကုသခြင်း သို့မဟုတ် ကာကွယ်ခြင်းမပြုပါ။
ပေးထားသော အချက်အလက်သည် ပညာရေးနှင့် သတင်းအချက်အလက်ဆိုင်ရာ ရည်ရွယ်ချက်များအတွက်သာဖြစ်ပြီး ဆေးဘက်ဆိုင်ရာ အကြံဉာဏ်ကို ထည့်သွင်းစဉ်းစားရန် မသင့်ပါ။ သင့်ကျန်းမာရေး သို့မဟုတ် ကုသမှုနှင့်ပတ်သက်၍ ဆုံးဖြတ်ချက်မချမီ အရည်အချင်းပြည့်မီသော ကျန်းမာရေးစောင့်ရှောက်မှုပညာရှင်နှင့် အမြဲတိုင်ပင်ပါ။
ဆေးဘက်ဆိုင်ရာအရေးပေါ်အခြေအနေများအတွက်၊ အရေးပေါ်ဝန်ဆောင်မှုများကို ချက်ချင်းဆက်သွယ်ပါ။ Kantesti သည် အရေးပေါ်အခြေအနေများအတွက် ဒီဇိုင်းထုတ်ထားခြင်းမဟုတ်ပါ။
အကျိုးစီးပွား ပဋိပက္ခနှင့် ရန်ပုံငွေ ထုတ်ဖော်ချက်
ဤအတည်ပြုစစ်ဆေးမှု စာရွက်စာတမ်းများကို Kantesti Ltd (UK Companies House No. 17090423) မှ ထုတ်ဝေထားပြီး၊ ယင်း၏ ရုံးချုပ်သည် United Kingdom၊ London တွင် တည်ရှိသည်။ Medical Advisory Board အဖွဲ့ဝင်များသည် ၎င်းတို့၏ အကြံပေးတာဝန်များအတွက် လျော်ကြေးရရှိကြသည်။ Chief Medical Officer (Thomas Klein, MD) သည် Kantesti Ltd ၏ အချိန်ပြည့် ဝန်ထမ်းဖြစ်သည်။ ဤနေရာတွင် ဖော်ပြထားသော အတည်ပြုစစ်ဆေးမှုအားလုံးသည် Kantesti အတွင်းပိုင်းသာဖြစ်ပြီး လွတ်လပ်စွာ အတည်ပြုစစ်ဆေးခြင်း သို့မဟုတ် peer-reviewed မပြုလုပ်ထားပါ။ အတည်ပြုစစ်ဆေးမှု လေ့လာမှုများအတွက် ပြင်ပရန်ပုံငွေ မရရှိခဲ့ပါ။ ကုမ္ပဏီသည် Microsoft for Startups၊ NVIDIA Inception၊ Google Cloud နှင့် Cloudflare တို့နှင့် နည်းပညာပူးပေါင်းဆောင်ရွက်မှုများမှ ရရှိသော ဝင်ငွေဖြင့် ကိုယ်တိုင်ရန်ပုံငွေထောက်ပံ့ထားသည်။.
ဆေးဘက်ဆိုင်ရာ အတည်ပြုချက်နှင့်ပတ်သက်သည့် မကြာခဏမေးလေ့ရှိသော မေးခွန်းများ
AI မော်ဒယ်ကို မကြာခဏ အပ်ဒိတ်လုပ်ထားပါသလား။
ကျွန်ုပ်တို့၏ မော်ဒယ်သည် သုံးလတစ်ကြိမ် ပြန်လည်လေ့ကျင့်ခြင်းကို ပြုလုပ်ပြီး အတည်ပြုထားသော ဒေတာအသစ်များ၊ အပ်ဒိတ်လုပ်ထားသော ဆေးဘက်ဆိုင်ရာ လမ်းညွှန်ချက်များနှင့် ပေါ်ထွက်လာသော ဇီဝအမှတ်အသား သုတေသနများကို ထည့်သွင်းပါဝင်စေသည်။ အပ်ဒိတ်တစ်ခုစီကို ဖြန့်ချိမတိုင်မီ ကျွန်ုပ်တို့၏ အတွင်းပိုင်း အလိုအလျောက် စံနှုန်းစစ်ဆေးမှုဖြင့် စစ်ဆေးသည်။ စံနှုန်းအဆင့်သတ်မှတ်ချက်ကို မပြည့်မီသော အပ်ဒိတ်များကို မဖြန့်ချိပါ။.
စံနှုန်းစွမ်းဆောင်ရည်ကို မည်သို့ အစီရင်ခံပါသလဲ။
စွမ်းဆောင်ရည်ကို ကျွန်ုပ်တို့၏ အလိုအလျောက် စံစစ်မှု (benchmark) မှ တစ်ခုတည်းသော ပေါင်းစပ်ရမှတ်အဖြစ်သာ အစီရင်ခံထားပြီး၊ အမျိုးအစားအလိုက် ရောဂါရှာဖွေတိကျမှုအဖြစ် မဟုတ်ပါ။ ပေါင်းစပ်ရမှတ်တွင် output-structure မှန်ကန်မှု၊ clinical-keyword ပြန်လည်မှတ်မိမှု (recall) နှင့် latency တို့ကို ပေါင်းစပ်ထားပြီး၊ နည်းပညာဆိုင်ရာ တိုင်းတာမှုသာ ဖြစ်သည်။.
ဆေးဘက်ဆိုင်ရာ ဆုံးဖြတ်ချက်များအတွက် AI ၏ အဓိပ္ပာယ်ဖွင့်ဆိုချက်ကို ယုံကြည်နိုင်ပါသလား။
Kantesti ကို ပရော်ဖက်ရှင်နယ် ဆေးဘက်ဆိုင်ရာ ဆုံးဖြတ်ချက်ကို အစားထိုးရန် မဟုတ်ဘဲ ဆုံးဖြတ်ချက် ပံ့ပိုးမှု ကိရိယာတစ်ခုအဖြစ် ဒီဇိုင်းထုတ်ထားပါသည်။ ကျွန်ုပ်တို့၏ AI သည် သတ်မှတ်ထားသော ရည်ညွှန်းချက် အပိုင်းအခြားများအပေါ် အခြေခံ၍ အတည်ပြုထားသော အဓိပ္ပာယ်ဖွင့်ဆိုချက်များကို ပေးစွမ်းသော်လည်း သင့်ဆေးဘက်ဆိုင်ရာ ရာဇဝင်၊ ဆေးဝါးများနှင့် ရောဂါလက္ခဏာများ အပါအဝင် လက်တွေ့အခြေအနေများအတွက် ကုသမှု ဆုံးဖြတ်ချက်များအတွက် ဆရာဝန်၏ အကဲဖြတ်မှု လိုအပ်ပါသည်။ သင့်ကျန်းမာရေးစောင့်ရှောက်မှုပေးသူနှင့် အမြဲတမ်း တိုင်ပင်ပါ။.
အဆိုပါ benchmark သည် မည်မျှသော case များနှင့် နိုင်ငံအညွှန်းများကို လွှမ်းခြုံထားပါသလဲ။
အလိုအလျောက်လုပ်ဆောင်သည့် ဘင်치မားခ်သည် နိုင်ငံတံဆိပ် ၁၂၇ ခုကို ဖြန့်ကျက်ထားသည့် စိတ်ကူးယဉ် (synthetic) အမှုကိစ္စ ၁၀၀,၀၀၀ အပေါ်တွင် လုပ်ဆောင်သည်။ ၎င်းသည် လူဦးရေတိကျမှုကို စစ်ဆေးသည့် လေ့လာမှုမဟုတ်ဘဲ နည်းပညာဆိုင်ရာ အကြောင်းအရာနှင့် ဖော်မတ် ဘင်ချ်မားခ် ဖြစ်သည်။ ထို့အပြင် ၎င်းကို လွတ်လပ်စွာ အတည်ပြုထားခြင်း သို့မဟုတ် peer-reviewed ပြုလုပ်ထားခြင်း မရှိပါ။.
AI က အမှားလုပ်ရင် ဘာဖြစ်မလဲ။
ကျန်းမာရေးစောင့်ရှောက်မှုပေးသူများနှင့် အသုံးပြုသူများသည် ဆေးဘက်ဆိုင်ရာအကြံပေးဘုတ်အဖွဲ့၏ ပြန်လည်သုံးသပ်မှုအတွက် အဓိပ္ပာယ်ဖွင့်ဆိုချက်များကို အလံပြနိုင်ပါသည်။ အလံပြထားသော ကိစ္စရပ်များကို ကျွန်ုပ်တို့၏ CMO Thomas Klein, MD နှင့် ဆေးဘက်ဆိုင်ရာအဖွဲ့မှ ခွဲခြမ်းစိတ်ဖြာပါသည်။ အမှားအယွင်းများကို အတည်ပြုပါက ပြင်ဆင်ချက်များကို အနာဂတ်လေ့ကျင့်ရေးစက်ဝန်းများတွင် ပေါင်းစပ်ထည့်သွင်းပါသည်။ ကျွန်ုပ်တို့၏ စဉ်ဆက်မပြတ်စောင့်ကြည့်ခြင်းသည် စနစ်တကျပြဿနာများကို ကြိုတင်ဖော်ထုတ်ဖြေရှင်းရန်အတွက် လက်တွေ့ကမ္ဘာစွမ်းဆောင်ရည်ကို ခြေရာခံပါသည်။.
အတည်ပြုချက်အစီရင်ခံစာအပြည့်အစုံကို ဘယ်မှာရှာလို့ရမလဲ။
ကျွန်ုပ်တို့၏ အခြေခံတိုင်းတာမှု (benchmark) နည်းလမ်း၊ ကုဒ် (code) နှင့် တစ်ကိစ္စချင်းစီအတွက် ရမှတ်စာရင်း (per-case scorecards) များကို အများပြည်သူအတွက် ဖွင့်လှစ်ထားသည်—GitHub ပေါ်ရှိ Kantesti AI engine သွေးစစ် (blood-test) benchmark (https://github.com/emirhanai/kantesti-blood-test-benchmark) နှင့် Figshare ပေါ်ရှိ မှတ်တမ်း (DOI: 10.6084/m9.figshare.32095435) တို့ဖြစ်သည်။ ၎င်းသည် ကိုယ်တိုင်လုပ်ဆောင်သည့် အလိုအလျောက် benchmark ဖြစ်ပြီး လွတ်လပ်စွာ အတည်ပြုထားခြင်း သို့မဟုတ် peer-reviewed မဟုတ်ပါ။.
Kantesti မှာ ဆေးဘက်ဆိုင်ရာ အကြောင်းအရာတွေကို ဘယ်သူ ပြန်လည်သုံးသပ်သလဲ။
ဆေးဘက်ဆိုင်ရာ အကြောင်းအရာအားလုံးကို Thomas Klein, MD မှ ရေးသားပြီး ပြန်လည်သုံးသပ်ထားပါသည်။ ဒေါက်တာ Klein သည် Kantesti တွင် Chief Medical Officer အဖြစ် တာဝန်ထမ်းဆောင်နေသော ဘုတ်အဖွဲ့မှ အသိအမှတ်ပြု ကလင်နစ်ဆိုင်ရာ သွေးရောဂါအထူးကု (clinical hematologist) ဖြစ်ပြီး AI-အထောက်အကူပြု အဓိပ္ပာယ်ဖော်ခြင်းကိုလည်း ဆောင်ရွက်ပေးပါသည်။ ထပ်ဆင့်ကြီးကြပ်မှုကို ကျွန်ုပ်တို့၏ Medical Advisory Board မှ ပံ့ပိုးပေးထားပါသည်။.
Experience AI-Assisted Blood Test Analysis
ယုံကြည်စိတ်ချရသော ကမ္ဘာတစ်ဝှမ်းရှိ သန်းပေါင်းများစွာသော သုံးစွဲသူများနှင့် ချိတ်ဆက်ပါ။ Kantesti ၏ AI Blood Test Analyzer AI-assisted, informational blood test interpretation ကို ဘာသာစကား 75+ မျိုးဖြင့်။.
Corporate Transparency
ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့မည်သူဖြစ်သည်နှင့် ကျွန်ုပ်တို့လုပ်ဆောင်ပုံနှင့်ပတ်သက်၍ ပွင့်လင်းမြင်သာမှုအပြည့်ရှိသည်ဟု ကျွန်ုပ်တို့ယုံကြည်ပါသည်။ အောက်တွင် ကျွန်ုပ်တို့၏ ကုမ္ပဏီမှတ်ပုံတင်ခြင်းအသေးစိတ်နှင့် ခေါင်းဆောင်မှုအချက်အလက်ကို သင်တွေ့ရပါမည်။
၂၀၂၆ ခုနှစ် မတ်လအထိ၊ Kantesti AI ပလက်ဖောင်း—လက်ရှိတွင် Kantesti V11 —ကို ကန်တက်စတီ လီမိတက်, ၊ အင်္ဂလန်နှင့် ဝေလ (UK Companies House No. 17090423)၊ ၎င်း၏ မှတ်ပုံတင်ထားသော ရုံးချုပ်သည် ယူနိုက်တက်ကင်းဒမ်နိုင်ငံ လန်ဒန်တွင် တည်ရှိသည်။ ယူကေတွင် ပြုလုပ်ထားသော ဤထည့်သွင်းဖွဲ့စည်းမှုသည် 2019 ခုနှစ်မှ စတင်ခဲ့သော ဖွံ့ဖြိုးတိုးတက်မှုလုပ်ငန်းများကို အခြေခံ၍ United Kingdom ၏ စည်းမျဉ်းစည်းကမ်းစံနှုန်းများအောက်တွင် အုပ်ချုပ်သည့် တစ်ခုတည်းသော၊ ပွင့်လင်းမြင်သာသော ကော်ပိုရိတ်ဖွဲ့စည်းပုံအောက်တွင် ကမ္ဘာလုံးဆိုင်ရာ လုပ်ငန်းများကို စုစည်းပေးသည်။ တူညီသော မူပိုင်ခွင့်ရှိသော neural network — 127 နိုင်ငံရှိ အသုံးပြုသူ 2 သန်းကျော်အတွက် ဘာသာစကား 75+ မျိုးဖြင့် biomarker 15,000 ကျော်ကို အဓိပ္ပာယ်ဖော်ခြင်း — ကို တူညီသော အင်ဂျင်နီယာနှင့် ဆေးဘက်ဆိုင်ရာ အဖွဲ့များက ဆက်လက် ဖွံ့ဖြိုးတိုးတက်စေပြီး ထိန်းသိမ်းထားသည်။ ကျွန်ုပ်တို့၏ internal benchmarking၊ Medical Advisory Board ကြီးကြပ်မှုနှင့် Microsoft for Startups (Founders Hub)၊ NVIDIA Inception နှင့် Google Cloud တို့နှင့် ပူးပေါင်းဆောင်ရွက်မှုများသည် မပြောင်းလဲသေးပါ။ ကမ္ဘာတစ်ဝန်းရှိ အသုံးပြုသူများသည် တူညီသော ဝန်ဆောင်မှုအရည်အသွေးကို ဆက်လက်ရရှိနိုင်ပြီး ယခုအခါ ကျွန်ုပ်တို့၏ ရှိပြီးသား GDPR (EU) နှင့် HIPAA (US) လိုက်နာမှုများအပြင် UK ကော်ပိုရိတ် အုပ်ချုပ်မှုကို ပိုမိုအားကောင်းစေထားခြင်းဖြင့် ထောက်ခံထားသည်။.
Kantesti AI · Kantesti Ltd
အမှတ်တံဆိပ်အမည်များ (Brand Names): Kantesti, Kantesti AI
တရားဝင်အဖွဲ့အစည်း- Kantesti Ltd (Private Limited Company)
Companies House No.: 17090423
တရားစီရင်ပိုင်ခွင့် (Jurisdiction): အင်္ဂလန်နှင့် ဝေလ၊ ယူနိုက်တက်ကင်းဒမ်နိုင်ငံ
လုပ်ငန်းအမျိုးအစား- AI ကျန်းမာရေးစောင့်ရှောက်မှု နည်းပညာ (SaaS)
တည်ထောင်ခဲ့သည်- 2019 · UK အဖွဲ့အစည်း မှတ်ပုံတင်ထားခြင်း (UK Entity Registered): ၂၀၂၆ ခုနှစ် မတ်လ
ဌာနချုပ်- ၄ ရေဗင်လမ်း၊ ယူနစ် ၁c၃-၁၁၀၀၊ လန်ဒန်၊ E18 1HB၊ ယူနိုက်တက်ကင်းဒမ်း
လျှောက်လွှာဗားရှင်း (Application Version): Kantesti V11
ဆက်သွယ်ရန်- [email protected]
UK ဖုန်း: +44 7508 364740 (တနင်္လာ–သောကြာ ၉:၀၀–၁၈:၀၀ GMT)
DE ဖုန်း: +49 177 497 4039 (တနင်္လာ–သောကြာ ၉:၀၀–၁၈:၀၀ CET)
ခေါင်းဆောင်မှု
တည်ထောင်သူနှင့် CEO- Julian Emirhan Bulut
ကျန်းမာရေးစောင့်ရှောက်မှုနည်းပညာတွင် AI ဆန်းသစ်တီထွင်မှုကို အမြော်အမြင်ရှိသော စွန့်ဦးတီထွင်သူဖြစ်သည်။ ကမ္ဘာလုံးဆိုင်ရာကျန်းမာရေးတိုးတက်မှုအတွက် လက်လှမ်းမီနိုင်သော သွေးစစ်ဆေးမှု အဓိပ္ပာယ်ဖွင့်ဆိုချက်ကိရိယာများ တည်ဆောက်ခြင်း။
LinkedIn တွင်ချိတ်ဆက်ပါ။ဆေးဘက်ဆိုင်ရာ အရာရှိချုပ်- သောမတ်စ် ကလိုင်း၊ MD
ဘုတ်အဖွဲ့မှ အသိအမှတ်ပြုထားသော ဆေးဘက်ဆိုင်ရာ သွေးရောဂါအထူးကု (clinical hematologist) သည် ကျွန်ုပ်တို့၏ ဆေးဘက်ဆိုင်ရာ အကြောင်းအရာများအတွက် လက်တွေ့ကြီးကြပ်မှုကို ဦးဆောင်သည်။.
လိုက်နာမှု
ဒေတာကာကွယ်ရေး- GDPR နှင့် ကိုက်ညီသော (EU)
ကျန်းမာရေးစောင့်ရှောက်မှု ကိုယ်ရေးကိုယ်တာ- HIPAA နှင့် ကိုက်ညီသော လုပ်ဆောင်ချက်များ (US)
ဆေးဘက်ဆိုင်ရာကိရိယာ- ဆေးဘက်ဆိုင်ရာကိရိယာအဖြစ် မခွဲခြားထားပါ - သတင်းအချက်အလက်ဆိုင်ရာ ကိရိယာတစ်ခုသာ
ကိုးကားချက်များနှင့် စံနှုန်းများ
ကျွန်ုပ်တို့၏ အတည်ပြုချက်နည်းလမ်းနှင့် ဆေးခန်းစံနှုန်းများသည် တည်ထောင်ထားသော ဆေးဘက်ဆိုင်ရာလမ်းညွှန်ချက်များနှင့် နိုင်ငံတကာစံနှုန်းများအပေါ် အခြေခံထားပါသည်။.
- [1] ကမ္ဘာ့ကျန်းမာရေးအဖွဲ့ (WHO)။. ဆီးချိုရောဂါရှာဖွေရာတွင် ဂလိုင်ကိတ်ဟေမိုဂလိုဘင် (HbA1c) ကိုအသုံးပြုခြင်း။. ဂျီနီဗာ: WHO; ၂၀၁၁။ ရရှိနိုင်သောနေရာများ- https://www.who.int/diabetes/publications/diagnosis_diabetes2011/en/
- [2] အပြည်ပြည်ဆိုင်ရာ စံချိန်စံညွှန်းသတ်မှတ်ရေးအဖွဲ့အစည်း။. ISO 15189:2022 ဆေးဘက်ဆိုင်ရာဓာတ်ခွဲခန်းများ — အရည်အသွေးနှင့် အရည်အချင်းအတွက် လိုအပ်ချက်များ။. ဂျီနီဗာ: ISO; ၂၀၂၂။. https://www.iso.org/standard/76677.html
- [3] ဆေးခန်းနှင့် ဓာတ်ခွဲခန်းစံချိန်စံညွှန်းများအင်စတီကျု (CLSI)။. EP09c: လူနာနမူနာများကို အသုံးပြု၍ တိုင်းတာခြင်းလုပ်ထုံးလုပ်နည်း နှိုင်းယှဉ်ခြင်းနှင့် ဘက်လိုက်မှုခန့်မှန်းခြင်း။. 3rd ed ဝိန်း၊ PA: CLSI; 2018 ခုနှစ်။.
- [4] အမျိုးသားကျန်းမာရေးအင်စတီကျု (NIH)။. သွေးစစ်ဆေးမှု ကိုးကားချက်အပိုင်းအခြားများ။. ဘက်သက်စ်ဒါ၊ မေရီလန်းပြည်နယ်: NIH; ၂၀၂၄ ခုနှစ်တွင် အပ်ဒိတ်လုပ်ခဲ့သည်။ ရရှိနိုင်သောနေရာများ- MedlinePlus
- [5] အမေရိကန် လက်တွေ့ဓာတုဗေဒအသင်း (AACC)။. ဓာတ်ခွဲခန်းစမ်းသပ်မှု ကိုးကားချက်အပိုင်းအခြားများ။. ဝါရှင်တန်ဒီစီ: AACC; ၂၀၂၄။. https://www.aacc.org/
- [6] အပြည်ပြည်ဆိုင်ရာ လက်တွေ့ဓာတုဗေဒအဖွဲ့ချုပ် (IFCC)။. ကိုးကားချက်တိုင်းတာခြင်းလုပ်ထုံးလုပ်နည်းများ။. မီလန်: IFCC; ၂၀၂၃။. https://www.ifcc.org/
- [7] Bulut J E. Kantesti AI Engine — Blood Test Interpretation Benchmark (အလိုအလျောက်၊ open-source harness). Kantesti Ltd; 2026။ ကုဒ် & ဒေတာ- GitHub · DOI- 10.6084/m9.figshare.32095435
- [8] အမေရိကန် ကျန်းမာရေးနှင့် လူသားဝန်ဆောင်မှုဌာန။. HIPAA ကိုယ်ရေးကိုယ်တာ လျှို့ဝှက်ရေး စည်းမျဉ်း။. ၄၅ CFR အပိုင်း ၁၆၀ နှင့် အပိုင်း ၁၆၄ ၏ အပိုင်းခွဲ A နှင့် E။ ဝါရှင်တန်ဒီစီ: HHS; ၂၀၁၃။.
- [9] ဥရောပပါလီမန်နှင့်ကောင်စီ။. အထွေထွေဒေတာကာကွယ်ရေးစည်းမျဉ်း (GDPR)။. စည်းမျဉ်း (EU) ၂၀၁၆/၆၇၉။ ဘရပ်ဆဲလ်- EU; ၂၀၁၆။.