Medisinsk validering og kliniske standarder for Analyse av blodprøve med kunstig intelligens
En intern, automatisert referansebenchmark for Kantesti AI-motoren, utarbeidet av vår medisinske direktør (Chief Medical Officer) og ikke uavhengig validert eller fagfellevurdert, bak AI-blodprøveanalysator.
Primær evidens og dokumentasjon
Ytelsestallet på denne siden kommer fra vår egen automatiserte, åpenkildebaserte benchmark-harness, med kode og scorecards publisert åpent. Det er en reproduserbar teknisk benchmark, ikke en uavhengig eller regulatorisk validering, og ikke et mål på diagnostisk nøyaktighet i den virkelige verden. Få tilgang til koden og dataene nedenfor.
Kantesti AI-motor – Benchmark for tolkning av blodprøver
Automatisert sammensatt score på 100 000 syntetiske tilfeller på tvers av 127 landkoder
Benchmark & Methodology Overview
Kantesti-er AI Blood Test Interpretation platform undergoes rigorous medical validation as part of our internal quality process. Performance is measured with an internal, automated, open-source benchmark harness.
This page documents that benchmark, our physician-oversight structure, and our continuous quality-monitoring process. The benchmark is a technical evaluation, not a clinical trial or regulatory validation.
Intern benchmarkytelse (kompositt)
Dette er resultatet av vår interne, automatiserte benchmark-harness med åpen kildekode. Den kjøres av oss selv og er ikke uavhengig validert eller fagfellevurdert.
Overordnet benchmarkresultat
Kompositt benchmarkscore: 99,80% (selvkjørt, ikke fagfellevurdert) — det overordnede resultatet av vår automatiserte, åpne kildekode-benchmark-harness på 100 000 syntetiske tilfeller på tvers av 127 landkoder. Komposittresultatet er en sammensmelting av teknisk mål (35% output-strukturvaliditet + 55% klinisk nøkkelordsgjenkalling + 10% latenstid); det er ikke et mål på diagnostisk nøyaktighet, og det er ikke uavhengig validert eller fagfellevurdert. Se kode og data på GitHub
Benchmarken produserer én enkelt komposittscore fra en automatisert harness; den produserer ikke sensitivitets-/spesifisitetsfigurer per testkategori. Fullstendige scorekort per tilfelle finnes i det åpne repositoriet.
Medisinsk rådgivende styre
Vårt medisinske rådgivende styre gir klinisk tilsyn for all utvikling og validering av AI-algoritmer. Styremedlemmene representerer ulike spesialiteter på tvers av flere land, innen klinisk medisin.
Thomas Klein, MD
Chief Medical Officer (CMO) Klinisk hematologi og AI-diagnostikkDr. Sarah Mitchell, MD, PhD
Overlege medisinsk rådgiver Klinisk patologi og laboratoriemedisinProf. Dr. Hans Weber
Senior medisinsk rådgiver Laboratoriemedisin og klinisk kjemiDr. Maria Rodriguez, MD, MPH
Medisinsk rådgiver Indremedisin og forebyggende medisinDr. Chen Wei, MD, MSc
Medisinsk rådgiver Endokrinologi og metabolsk medisinMøt vårt fullstendige medisinske rådgivende styre med detaljerte profiler, kvalifikasjoner og forskningsbakgrunn.
View All Advisors →Continuous Quality Monitoring
Post-deployment, the engine is monitored through internal operational checks and structured feedback from users and our Medical Advisory Board. This is internal monitoring and is not an independent clinical-outcome study.
Monthly Performance Reports
Comprehensive accuracy analysis across all biomarker categories, demographic segments, and geographic regions. Trend identification enables proactive quality management.
Healthcare Provider Feedback
Structured feedback integration from physicians and laboratory professionals. Flagged interpretations undergo Medical Advisory Board review with corrections integrated into training.
Training Data & Quality Assurance
Our quality-assurance process applies standard controls to the data used by the platform.
Quality Controls
Multi-stage data quality assurance:
- Removal of incomplete or corrupted records
- Outlier detection for pre-analytical errors
- Provenance verification for all datasets
- HIPAA-aligned and GDPR-aligned anonymization
Technology & Compliance Partners
Our validation infrastructure and AI development is supported through partnerships with industry-leading technology providers.
Microsoft FoundersHub
Cloud infrastructure and enterprise-grade AI development platform supporting scalable validation workflows.
NVIDIA Inception Program
GPU computing resources and AI model optimization enabling efficient model training and optimization.
Google Cloud AI
Machine learning infrastructure supporting distributed model training and real-time inference.
Cloudflare
Global edge network ensuring secure, low-latency access globally.
HIPAA-tilpasset
US healthcare data protection safeguards
GDPR-tilpasset
European data protection regulation
Appropriate Use & Limitations
Transparency about capabilities and limitations is essential for responsible AI deployment in healthcare. Kantesti is designed as a decision support tool to complement—not replace—professional medical judgment.
Information Not Accessed
Our AI interprets biomarker data in isolation. The following clinical context is not available to the system:
- Complete patient medical history
- Current medications and potential interactions
- Physical examination findings
- Genetic factors and family history
- Lifestyle factors (unless user-provided)
Laboratory Methodology Variations
Reference ranges vary between laboratories due to equipment differences and calibration standards. Our database of laboratory-specific reference ranges addresses many variations, but users should verify extracted values match their original report.
Document Quality Considerations
OCR accuracy depends on document quality. Handwritten results or low-resolution scans may affect value extraction. Manual correction is available for all extracted values before analysis.
Medical Disclaimer
Kantesti is an AI-powered informational tool that interprets blood test results based on established medical reference ranges and clinical guidelines. It is NOT a medical device and does not diagnose, treat, cure, or prevent any disease.
Information provided is for educational and informational purposes only and should not be considered medical advice. Always consult with a qualified healthcare professional before making decisions about your health or treatment.
For medical emergencies, contact emergency services immediately. Kantesti is not designed for emergency situations.
Conflict of Interest & Funding Disclosure
This validation documentation is published by Kantesti Ltd (UK Companies House No. 17090423), headquartered in London, United Kingdom. Medical Advisory Board members receive compensation for their advisory roles. The Chief Medical Officer (Thomas Klein, MD) is a full-time employee of Kantesti Ltd. All validation reported here is internal to Kantesti and has not been independently verified or peer-reviewed. No external funding was received for validation studies. The company is self-funded through revenue and technology partnerships with Microsoft for Startups, NVIDIA Inception, Google Cloud, and Cloudflare.
Frequently Asked Questions About Medical Validation
Hvor ofte oppdateres AI-modellen?
Vår modell gjennomgår kvartalsvis re-trening med innarbeiding av nye validerte data, oppdaterte kliniske retningslinjer og fremvoksende biomarkørforskning. Hver oppdatering kontrolleres mot vår interne automatiserte referanseverdi før utrulling. Oppdateringer som ikke oppfyller terskelen for vår referanseverdi, leveres ikke.
Hvordan rapporteres benchmark-ytelse?
Ytelse rapporteres som en enkelt sammensatt poengsum fra vår automatiserte benchmark, ikke som per-kategori diagnostisk nøyaktighet. Den sammensatte poengsummen kombinerer gyldighet for output-struktur, tilbakekalling av kliniske nøkkelord og latenstid, og er kun et teknisk mål.
Kan jeg stole på AI-tolkning for medisinske beslutninger?
Kantesti er utformet som et beslutningsstøtteverktøy, ikke som en erstatning for profesjonelt medisinsk skjønn. Vår KI gir validerte tolkninger basert på etablerte referanseområder, men klinisk kontekst – inkludert din sykehistorie, medisiner og symptomer – krever legevurdering for behandlingsbeslutninger. Rådfør deg alltid med helsepersonell.
Hvor mange tilfeller og landetiketter dekker benchmarken?
Den automatiserte benchmark-kjøringen kjører på 100 000 syntetiske tilfeller som spänner over 127 landkoder. Det er en teknisk innholds- og formatbenchmark, ikke en studie av demografisk nøyaktighet, og den er ikke uavhengig validert eller fagfellevurdert.
Hva skjer hvis KI-en gjør en feil?
Helsepersonell og brukere kan flagge tolkninger for gjennomgang i Medical Advisory Board. Flaggete saker analyseres av vår CMO Thomas Klein, MD, og det medisinske teamet. Hvis feil bekreftes, integreres rettelser i fremtidige opplæringssykluser. Vår kontinuerlige overvåking følger med på ytelsen i den virkelige verden for å identifisere og håndtere systematiske problemer proaktivt.
Hvor kan jeg finne den fullstendige valideringsrapporten?
Vår evalueringsmetodikk, kode og per-case scorecards er åpent tilgjengelige: Kantesti AI-motorens blodprøveevalueringsbenchmark på GitHub (https://github.com/emirhanai/kantesti-blood-test-benchmark) og posten på Figshare (DOI: 10.6084/m9.figshare.32095435). Det er en selvkjørt, automatisert benchmark, ikke uavhengig validert eller fagfellevurdert.
Hvem vurderer det medisinske innholdet på Kantesti?
Alt medisinsk innhold er skrevet og gjennomgått av Thomas Klein, MD, vår medisinske direktør. Dr. Klein er en styresertifisert klinisk hematolog som fungerer som medisinsk direktør ved Kantesti og med tolkning støttet av AI. Ytterligere tilsyn gis av vårt medisinske rådgivende styre.
Experience AI-Assisted Blood Test Analysis
Join millions of users worldwide who trust Kantesti's AI Blood Test Analyzer for AI-assisted, informational blood test interpretation in 75+ languages.
Corporate Transparency
We believe in full transparency about who we are and how we operate. Below you'll find our company registration details and leadership information.
As of March 2026, the Kantesti AI platform — currently operating as Kantesti V11 — is operated by Kantesti Ltd, a private limited company incorporated in England and Wales (UK Companies House No. 17090423), with its registered headquarters in London, United Kingdom. This UK incorporation consolidates global operations under a single, transparent corporate structure governed by United Kingdom regulatory standards, building on development work that began in 2019. The same proprietary neural network — interpreting more than 15,000 biomarkers across 75+ languages for over 2 million users in 127 countries — continues to be developed and maintained by the same engineering and medical teams. Our internal benchmarking, Medical Advisory Board oversight, and partnerships with Microsoft for Startups (Founders Hub), NVIDIA Inception, and Google Cloud remain unchanged. Users worldwide retain access to identical service quality, now backed by enhanced UK corporate governance alongside our existing GDPR (EU) and HIPAA (US) compliance.
Kantesti AI · Kantesti Ltd
Brand Names: Kantesti, Kantesti AI
Legal Entity: Kantesti Ltd (Private Limited Company)
Companies House No.: 17090423
Jurisdiction: England and Wales, United Kingdom
Business Type: AI Healthcare Technology (SaaS)
Founded: 2019 · UK Entity Registered: March 2026
Headquarters: 4 Raven Road, Unit 1c3-1100, London, E18 1HB, United Kingdom
Applikasjonsversjon: Kantesti V11
Contact: [email protected]
UK-telefon: +44 7508 364740 (Man–fre 09:00–18:00 GMT)
DE-telefon: +49 177 497 4039 (Man–fre 09:00–18:00 CET)
Ledelse
Grunnlegger og administrerende direktør: Julian Emirhan Bulut
Visjonær gründer som leder AI-innovasjon innen helseteknologi. Bygger tilgjengelige verktøy for tolkning av blodprøver for å forbedre global helse.
Koble til på LinkedInChief Medical Officer: Thomas Klein, MD
Styresertifisert klinisk hematolog som leder klinisk tilsyn med vårt medisinske innhold.
Samsvar
Databeskyttelse: GDPR-tilpasset (EU)
Helsepersonvern: HIPAA-tilpassede praksiser (USA)
Medisinsk utstyr: Ikke klassifisert som medisinsk utstyr – kun informasjonsverktøy
Referanser og standarder
Vår valideringsmetodikk og kliniske standarder er basert på etablerte medisinske retningslinjer og internasjonale standarder.
- [1] Verdens helseorganisasjon (WHO). Bruk av glykert hemoglobin (HbA1c) ved diagnostisering av diabetes mellitus. Genève: WHO; 2011. Tilgjengelig fra: https://www.who.int/diabetes/publications/diagnosis_diabetes2011/en/
- [2] Den internasjonale organisasjonen for standardisering. ISO 15189:2022 Medisinske laboratorier – Krav til kvalitet og kompetanse. Genève: ISO; 2022. https://www.iso.org/standard/76677.html
- [3] Clinical and Laboratory Standards Institute (CLSI). EP09c: Measurement Procedure Comparison and Bias Estimation Using Patient Samples. 3rd ed. Wayne, PA: CLSI; 2018.
- [4] National Institutes of Health (NIH). Blood Tests Reference Ranges. Bethesda, MD: NIH; Updated 2024. Available from: MedlinePlus
- [5] American Association for Clinical Chemistry (AACC). Laboratory Test Reference Ranges. Washington, DC: AACC; 2024. https://www.aacc.org/
- [6] International Federation of Clinical Chemistry (IFCC). Reference Measurement Procedures. Milan: IFCC; 2023. https://www.ifcc.org/
- [7] Bulut J E. Kantesti AI Engine — Blood Test Interpretation Benchmark (automated, open-source harness). Kantesti Ltd; 2026. Code & data: GitHub · DOI: 10.6084/m9.figshare.32095435
- [8] U.S. Department of Health and Human Services. HIPAA Privacy Rule. 45 CFR Part 160 and Subparts A and E of Part 164. Washington, DC: HHS; 2013.
- [9] European Parliament and Council. General Data Protection Regulation (GDPR). Regulation (EU) 2016/679. Brussels: EU; 2016.