Lekárska validácia a klinické štandardy pre Analýza krvného testu s umelou inteligenciou
Metodika trojitého zaslepenia klinickej validácie, dohľad certifikovaných lekárov a štúdie korelácie výsledkov z reálneho sveta, ktoré poháňajú najdôveryhodnejšie štúdie na svete Analyzátor krvných testov s umelou inteligenciou.
Primárne dôkazy a dokumentácia
Tvrdenia a validačné údaje uvedené na tejto stránke sú zdokumentované v našej technickej správe (čaká sa na partnerské hodnotenie). Úplnú metodiku a podporné dôkazy nájdete nižšie.
Rámec klinickej validácie pre interpretáciu krvných testov s využitím umelej inteligencie
Metodika trojitej zaslepenej validácie, metriky výkonnosti a protokoly zabezpečenia kvality
Rámec klinickej validácie
Kantestiho Interpretácia krvných testov pomocou umelej inteligencie Platforma prechádza prísnou lekárskou validáciou, aby sa zabezpečila spoľahlivosť klinickej úrovne. Náš viacúrovňový validačný proces kombinuje validáciu strojovým učením s tradičnými metodikami klinického hodnotenia.
Každá aktualizácia algoritmu prechádza pred uvedením do produkcie trojito zaslepeným klinickým overením. Táto stránka dokumentuje náš kompletný rámec overovania, štruktúru dohľadu lekárov a protokoly nepretržitého monitorovania kvality.
Proces trojitého zaslepenia klinického overovania
Naša metodika validácie eliminuje skreslenie potvrdzovania prostredníctvom trojstupňového nezávislého procesu hodnotenia. Každá fáza funguje bez znalosti záverov ostatných, čím sa zabezpečuje objektívne meranie presnosti.
Interpretácia umelou inteligenciou
Systém umelej inteligencie analyzuje výsledky krvných testov bez prístupu ku klinickej diagnóze, anamnéze pacienta alebo lekárskym záznamom. Táto slepá analýza zabezpečuje, že interpretácia umelej inteligencie je založená výlučne na údajoch z biomarkerov a stanovených referenčných rozsahoch.
- Žiadny prístup ku klinickej diagnóze
- Referenčné rozsahy upravené podľa populácie
- Multiparametrická korelačná analýza
Lekársky posudok
Certifikovaní patológovia nezávisle posudzujú výsledky tých istých krvných testov. Lekári nemajú prístup k interpretáciám umelej inteligencie, čo zabezpečuje, že ich klinický úsudok zostáva nestranný.
- Klinickí patológovia s atestáciou
- Žiadna viditeľnosť výstupu AI
- Štandardizované kontrolné protokoly
Nezávislé porovnanie
Klinický tím tretej strany porovnáva výstupy umelej inteligencie s konsenzuálnymi názormi lekárov bez toho, aby vedel, ktorá interpretácia pochádza z ktorého zdroja. Nezrovnalosti spúšťajú ďalšie cykly kontroly.
- Metodika zaslepeného porovnávania
- Štatistická analýza zhody
- Kompletná dokumentácia audítorských záznamov
Pracovný postup trojitej zaslepenej validácie
Náš proces validácie zabezpečuje nestranné posúdenie presnosti prostredníctvom nezávislých paralelných hodnotiacich prúdov, ktoré sa zbiehajú až pri konečnom porovnaní.
Metodika trojitej zaslepenej validácie: Interpretácia umelou inteligenciou (fáza 1), posúdenie lekárom (fáza 2) a nezávislé porovnanie (fáza 3) fungujú paralelne bez krížovej viditeľnosti.
Overený výkon podľa kategórie testov
Výkonnostné metriky overené prostredníctvom trojito zaslepeného klinického hodnotenia na viac ako 1 000 000 testovacích prípadoch. Výsledky preukazujú konzistentnú presnosť vo všetkých hlavných kategóriách biomarkerov.
Celkové zhrnutie presnosti
Agregačná presnosť: 98,7% — Vážený priemer vo všetkých testovacích kategóriách na základe trojito zaslepenej zhody lekárov. Výkonnosť jednotlivých kategórií sa pohybuje od 98,1% do 99,3%. Pozri správu §4.1, tabuľku 2
Korelácia klinických výsledkov: 87% — Pozdĺžna korelácia s potvrdenými diagnózami v následných štúdiách z reálneho sveta. Pozri správu §4.3
| Kategória testu | Citlivosť | Špecifickosť | Veľkosť vzorky |
|---|---|---|---|
| Kompletný krvný obraz (CBC) | 99.3% | 99.0% | 285,000 |
| Komplexný metabolický panel | 99.1% | 98.9% | 198,000 |
| Lipidový panel | 98.8% | 98.5% | 167,000 |
| Funkcia štítnej žľazy | 98.4% | 98.1% | 142,000 |
| Testy funkcie pečene | 98.9% | 98.6% | 124,000 |
| Panel funkcie obličiek | 99.2% | 99.0% | 84,000 |
Konzistencia populácie
Výsledky validácie preukazujú konzistentnosť presnosti 99% vo všetkých demografických skupinách bez ohľadu na etnickú príslušnosť, vek, pohlavie alebo geografickú oblasť. Vzorkovanie proporcionálne k populácii zabezpečuje reprezentatívne pokrytie v 197 krajinách.
Globálna distribúcia validačných údajov
Naša 15 miliónov vzorových tréningových dátových súborov a viac ako 1 milión validačných prípadov sú distribuované vo všetkých hlavných globálnych regiónoch, aby sa zabezpečila presnosť reprezentatívna pre celú populáciu.
Lekárska poradná rada
Naša lekárska poradná rada zabezpečuje klinický dohľad nad vývojom a validáciou všetkých algoritmov umelej inteligencie. Členovia rady zastupujú rôzne špecializácie z viacerých krajín a prinášajú spoločné odborné znalosti z viac ako 180 rokov klinickej medicíny.
MUDr. Thomas Klein
Hlavný lekár (CMO) Klinická hematológia a diagnostika umelej inteligencieDr. Sarah Mitchellová, MD, PhD.
Hlavný lekársky poradca Klinická patológia a laboratórna medicínaProf. Dr. Hans Weber
Vedúci lekársky poradca Laboratórna medicína a klinická chémiaDr. Maria Rodriguez, MUDr., MPH
Lekársky poradca Interná medicína a preventívna medicínaDr. Chen Wei, MD, MSc
Lekársky poradca Endokrinológia a metabolická medicínaZoznámte sa s našou kompletnou lekárskou poradnou radou s podrobnými profilmi, referenciami a výskumným zázemím.
Zobraziť všetkých poradcov →Nepretržité monitorovanie kvality
Validácia po nasadení pokračuje prostredníctvom štruktúrovaných monitorovacích protokolov. Reálny výkon sa sleduje v porovnaní s klinickými výsledkami, pričom spätná väzba umožňuje neustále zlepšovanie.
Mesačné správy o výkonnosti
Komplexná analýza presnosti vo všetkých kategóriách biomarkerov, demografických segmentoch a geografických regiónoch. Identifikácia trendov umožňuje proaktívne riadenie kvality.
Medzilaboratórna zhoda
Testovanie vo viac ako 500 laboratórnych systémoch potvrdzuje konzistentný výkon bez ohľadu na výrobcu zariadenia, metodiku alebo kalibračné štandardy.
Štúdie klinických výsledkov
Štúdie longitudinálnej korelácie sledujú interpretácie umelej inteligencie oproti potvrdeným diagnózam, čím dosahujú koreláciu 87% s klinickými výsledkami v rôznych populáciách pacientov.
Spätná väzba od poskytovateľov zdravotnej starostlivosti
Štruktúrovaná integrácia spätnej väzby od lekárov a laboratórnych pracovníkov. Označené interpretácie podliehajú kontrole lekárskou poradnou komisiou a opravy sú integrované do školenia.
Údaje o školeniach a zabezpečenie kvality
Náš model umelej inteligencie je trénovaný na jednom z najväčších súborov krvných testov v tomto odvetví s prísnymi kontrolami kvality, ktoré zabezpečujú integritu údajov a klinickú relevantnosť.
Zloženie dátovej množiny
- Celkový počet vzoriek15 miliónov
- Geografické pokrytie197 krajín
- Laboratórne zdrojeViac ako 500 certifikovaných laboratórií
- Rozsah dátumov2015-2025
- Typy biomarkerov450+ parametrov
Kontroly kvality
Viacstupňové zabezpečenie kvality údajov:
- Iba laboratórne zdroje s certifikáciou ISO 15189
- Odstránenie neúplných alebo poškodených záznamov
- Detekcia odchýlok pre predanalytické chyby
- Overenie pôvodu všetkých súborov údajov
- Anonymizácia v súlade s HIPAA/GDPR
Partneri v oblasti technológií a dodržiavania predpisov
Našu validačnú infraštruktúru a vývoj umelej inteligencie podporuje partnerstvo s poprednými poskytovateľmi technológií v tomto odvetví.
Centrum zakladateľov spoločnosti Microsoft
Cloudová infraštruktúra a platforma pre vývoj umelej inteligencie na podnikovej úrovni podporujúca škálovateľné pracovné postupy overovania.
Úvodný program NVIDIA
Výpočtové zdroje GPU a optimalizácia modelu AI umožňujúce efektívne trénovanie na viac ako 15 miliónoch vzorových súborov údajov.
Umelá inteligencia v cloude Google
Infraštruktúra strojového učenia podporujúca trénovanie distribuovaných modelov a inferenciu v reálnom čase.
Cloudflare
Globálna edge sieť zabezpečujúca bezpečný prístup s nízkou latenciou v 197 krajinách.
Ovládacie prvky SOC 2 typu II
Bezpečnostné kontroly sú v súlade so štandardmi AICPA
V súlade s normou ISO 27001
Kontroly riadenia informačnej bezpečnosti
Kontroly v súlade s HIPAA
Záruky ochrany údajov v zdravotnej starostlivosti v USA
V súlade s GDPR
Európske nariadenie o ochrane údajov
Vhodné použitie a obmedzenia
Transparentnosť, pokiaľ ide o možnosti a obmedzenia, je nevyhnutná pre zodpovedné nasadenie umelej inteligencie v zdravotníctve. Kantesti je navrhnutý ako nástroj na podporu rozhodovania, ktorý dopĺňa – nie nahrádza – odborný lekársky úsudok.
Informácie neboli sprístupnené
Naša umelá inteligencia interpretuje údaje o biomarkeroch izolovane. Nasledujúci klinický kontext nie je systému k dispozícii:
- Kompletná anamnéza pacienta
- Súčasné lieky a možné interakcie
- Zistenia z fyzikálneho vyšetrenia
- Genetické faktory a rodinná anamnéza
- Faktory životného štýlu (pokiaľ ich neposkytol používateľ)
Variácie laboratórnych metodík
Referenčné rozsahy sa medzi laboratóriami líšia kvôli rozdielom vo vybavení a kalibračným štandardom. Naša databáza s viac ako 45 000 rozsahmi špecifickými pre dané laboratórium pokrýva väčšinu variácií, ale používatelia by si mali overiť, či sa extrahované hodnoty zhodujú s ich pôvodnou správou.
Úvahy o kvalite dokumentov
Presnosť OCR závisí od kvality dokumentu. Ručne písané výsledky alebo skeny s nízkym rozlíšením môžu ovplyvniť extrakciu hodnôt. Pre všetky extrahované hodnoty je pred analýzou k dispozícii manuálna korekcia.
Lekárske vylúčenie zodpovednosti
Kantesti je informačný nástroj s umelou inteligenciou, ktorý interpretuje výsledky krvných testov na základe stanovených lekárskych referenčných rozsahov a klinických smerníc. NIE JE to zdravotnícka pomôcka a nediagnostikuje, nelieči, nevyliečuje ani neprevenuje žiadnu chorobu.
Poskytnuté informácie slúžia len na vzdelávacie a informačné účely a nemali by sa považovať za lekársku radu. Pred rozhodnutím o vašom zdraví alebo liečbe sa vždy poraďte s kvalifikovaným zdravotníckym pracovníkom.
V prípade zdravotnej núdze okamžite kontaktujte záchranné služby. Kantesti nie je určený na použitie v núdzových situáciách.
Zverejnenie konfliktu záujmov a financovania
Túto validačnú dokumentáciu publikuje spoločnosť Kantesti/PIYA AI. Členovia lekárskej poradnej rady dostávajú za svoje poradné úlohy odmenu. Riaditeľ marketingu (Thomas Klein, MD) je zamestnancom na plný úväzok spoločnosti Kantesti AI. Všetky validačné údaje boli nezávisle overené pomocou trojito zaslepenej metodiky. Na validačné štúdie nebolo prijaté žiadne externé financovanie. Spoločnosť je financovaná sama prostredníctvom partnerstiev v oblasti príjmov a technológií so spoločnosťami Microsoft, NVIDIA, Google Cloud a Cloudflare.
Často kladené otázky o lekárskej validácii
Čo znamená „trojitá zaslepená validácia“?
Trojitá zaslepená validácia znamená, že tri nezávislé strany analyzujú rovnaké údaje bez toho, aby poznali závery druhej strany. Naša umelá inteligencia interpretuje krvné testy bez klinického kontextu, lekári ich posudzujú nezávisle bez toho, aby videli výstup umelej inteligencie, a tretí tím porovnáva výsledky bez toho, aby vedel, ktoré z nich pochádzajú od umelej inteligencie a ktoré od lekárov. Tým sa eliminuje skreslenie potvrdzovania a zabezpečuje sa objektívne meranie presnosti.
Ako často sa aktualizuje model umelej inteligencie?
Náš model prechádza štvrťročným preškolením, ktoré zahŕňa nové validované údaje, aktualizované klinické smernice a výskum nových biomarkerov. Každá aktualizácia pred nasadením prechádza kompletným protokolom trojitej zaslepenej validácie. Aktualizácie, ktoré nespĺňajú náš prah presnosti, sú zamietnuté.
Prečo sa presnosť líši v závislosti od kategórie testu?
Niektoré biomarkery majú globálne štandardizovanejšie referenčné rozsahy (ako napríklad elektrolyty), zatiaľ čo iné sa medzi laboratóriami a populáciami viac líšia (ako napríklad hormóny štítnej žľazy). Kategórie s väčšou variabilitou vykazujú mierne nižšiu presnosť kvôli inherentnej zložitosti interpretácie.
Môžem dôverovať interpretácii umelej inteligencie pri lekárskych rozhodnutiach?
Kantesti je navrhnutý ako nástroj na podporu rozhodovania, nie ako náhrada za odborný lekársky úsudok. Naša umelá inteligencia poskytuje validované interpretácie na základe stanovených referenčných rozsahov, ale klinický kontext – vrátane vašej anamnézy, liekov a symptómov – si vyžaduje lekárske vyšetrenie pre rozhodnutia o liečbe. Vždy sa poraďte so svojím poskytovateľom zdravotnej starostlivosti.
Ako sa pri validácii rieši diverzita populácie?
Naše tréningové dáta zahŕňajú 15 miliónov vzoriek proporcionálne rozdelených do 197 krajín, pričom vzorkovanie vážené podľa populácie zabezpečuje zastúpenie všetkých hlavných etnických a geografických skupín. Štvrťročné audity spravodlivosti overujú konzistentnosť presnosti naprieč demografickými údajmi, pričom konzistentnosť 99% je zachovaná vo všetkých segmentoch populácie.
Čo sa stane, ak umelá inteligencia urobí chybu?
Poskytovatelia zdravotnej starostlivosti a používatelia môžu nahlásiť interpretácie na preskúmanie lekárskou poradnou radou. Nahlásené prípady analyzuje náš riaditeľ marketingu, Dr. Thomas Klein, a lekársky tím. Ak sa chyby potvrdia, opravy sa integrujú do budúcich tréningových cyklov. Naše nepretržité monitorovanie sleduje výkonnosť v reálnom svete s cieľom proaktívne identifikovať a riešiť systematické problémy.
Kde nájdem kompletnú validačnú správu?
Naša kompletná metodika validácie je zdokumentovaná v technickej správe "Rámec klinickej validácie pre interpretáciu krvných testov s využitím umelej inteligencie" (ID správy: KANTESTI-TR-2025-001, DOI: 10.5281/kantesti.2025.mv2). Celá správa je k dispozícii prostredníctvom odkazu DOI, na ResearchGate a ako súbor PDF na stiahnutie z našej webovej stránky.
Kto hodnotí lekársky obsah na Kantesti?
Všetok lekársky obsah napísal a recenzoval Dr. Thomas Klein, náš hlavný lekár. Dr. Klein je atestovaný klinický hematológ pracujúci na katedre hematológie Univerzity Istanbul Nisantasi s viac ako 15-ročnými skúsenosťami v laboratórnej medicíne a diagnostike s pomocou umelej inteligencie. Dodatočný dohľad zabezpečuje naša 12-členná lekárska poradná rada.
Analýza krvných testov overená umelou inteligenciou
Pridajte sa k miliónom používateľov na celom svete, ktorí dôverujú Kantestiho analyzátor krvných testov s umelou inteligenciou pre klinicky overenú interpretáciu krvných testov vo viac ako 75 jazykoch.
Transparentnosť spoločností
Veríme v úplnú transparentnosť o tom, kto sme a ako fungujeme. Nižšie nájdete registračné údaje našej spoločnosti a informácie o vedení.
Kantesti AI - PIYA AI
Právnická osoba: PIYA AI (majiteľ značky Kantesti)
Typ podnikania: Technológia zdravotnej starostlivosti s umelou inteligenciou
Založené: 2019
Sídlo: Kolín nad Rýnom, Nemecko
Kontakt: [email protected]
Telefón: +49 177 497 4039
Vedenie
Zakladateľ a generálny riaditeľ: Julian Emirhan Bulut
Vizionársky podnikateľ, ktorý vedie inovácie v oblasti umelej inteligencie v zdravotníckych technológiách. Vytvára dostupné nástroje na interpretáciu krvných testov pre zlepšenie globálneho zdravia.
Spojte sa na LinkedInHlavný lekár: MUDr. Thomas Klein
Certifikovaný klinický hematológ, ktorý vedie lekársku validáciu a klinický dohľad.
Súlad s predpismi a certifikácie
Ochrana údajov: V súlade s GDPR (EÚ)
Ochrana osobných údajov v zdravotnej starostlivosti: Ochranné opatrenia v súlade s HIPAA (USA)
Zabezpečenie: Ovládacie prvky SOC 2 typu II
Riadenie kvality: V súlade s normou ISO 27001
Zdravotnícka pomôcka: Nie je klasifikované ako zdravotnícka pomôcka – iba informačný nástroj
Referencie a normy
Naša metodika validácie a klinické štandardy sú založené na zavedených lekárskych usmerneniach a medzinárodných štandardoch.
- [1] Svetová zdravotnícka organizácia (WHO). Použitie glykovaného hemoglobínu (HbA1c) v diagnostike diabetes mellitus. Ženeva: WHO; 2011. Dostupné na: https://www.who.int/diabetes/publications/diagnosis_diabetes2011/en/
- [2] Medzinárodná organizácia pre normalizáciu. ISO 15189:2022 Zdravotnícke laboratóriá – Požiadavky na kvalitu a kompetenciu. Ženeva: ISO; 2022. https://www.iso.org/standard/76677.html
- [3] Inštitút pre klinické a laboratórne štandardy (CLSI). EP09c: Porovnanie postupov merania a odhad skreslenia pomocou vzoriek pacientov. 3. vyd. Wayne, PA: CLSI; 2018.
- [4] Národné inštitúty zdravia (NIH). Referenčné rozmedzia krvných testov. Bethesda, MD: NIH; Aktualizované 2024. Dostupné z: MedlinePlus
- [5] Americká asociácia pre klinickú chémiu (AACC). Referenčné rozsahy laboratórnych testov. Washington, D.C.: AACC; 2024. https://www.aacc.org/
- [6] Medzinárodná federácia klinickej chémie (IFCC). Referenčné postupy merania. Miláno: IFCC; 2023. https://www.ifcc.org/
- [7] Klein T. Rámec klinickej validácie pre interpretáciu krvných testov s využitím umelej inteligencie: Metodika trojitej zaslepenej validácie, metriky výkonnosti a protokoly zabezpečenia kvality. Technická správa KANTESTI-TR-2025-001, verzia 2.0. Kantesti AI; 2025. DOI: 10.5281/kantesti.2025.mv2
- [8] Ministerstvo zdravotníctva a sociálnych služieb USA. Pravidlá ochrany osobných údajov HIPAA. 45 CFR časť 160 a podčasti A a E časti 164. Washington, DC: HHS; 2013.
- [9] Európsky parlament a Rada. Všeobecné nariadenie o ochrane údajov (GDPR). Nariadenie (EÚ) 2016/679. Brusel: EÚ; 2016.