Medical Validation at Clinical Standards para sa Pagsusuri ng AI Blood Test
Triple-blind clinical validation methodology, board-certified physician oversight, at real-world outcome correlation studies na nagpapalakas sa pinakapinagkakatiwalaan sa mundo AI Blood Test Analyzer.
Pangunahing Ebidensya at Dokumentasyon
Ang mga pahayag at datos ng pagpapatunay na inilahad sa pahinang ito ay nakadokumento sa aming teknikal na ulat (nakabinbin ang peer review). Tingnan ang buong metodolohiya at sumusuportang ebidensya sa ibaba.
Balangkas ng Klinikal na Pagpapatunay para sa Interpretasyon ng Pagsusuri ng Dugo na Pinapagana ng AI
Metodolohiya ng Triple-Blind Validation, Mga Sukatan ng Pagganap, at Mga Protokol ng Pagtitiyak ng Kalidad
Balangkas ng Klinikal na Pagpapatunay
Kantesti's AI Blood Test Interpretation ang platform ay sumasailalim sa mahigpit na medikal na pagpapatunay upang matiyak ang pagiging maaasahan sa antas ng klinikal. Pinagsasama ng aming multi-tiered na proseso ng pagpapatunay ang pagpapatunay ng machine learning sa mga tradisyonal na pamamaraan ng pagsusuri sa klinikal.
Ang bawat pag-update ng algorithm ay dumadaan sa triple-blind clinical validation bago maabot ang produksyon. Ang pahinang ito ay nagdodokumento ng aming kumpletong balangkas ng pagpapatunay, istraktura ng pangangasiwa ng manggagamot, at patuloy na mga protocol ng pagsubaybay sa kalidad.
Triple-Blind Clinical Validation Proseso
Ang aming pamamaraan sa pagpapatunay ay nag-aalis ng bias sa kumpirmasyon sa pamamagitan ng tatlong yugto na independiyenteng proseso ng pagsusuri. Ang bawat yugto ay gumagana nang walang kaalaman sa mga konklusyon ng iba, na tinitiyak ang pagsukat ng katumpakan ng layunin.
Interpretasyon ng AI
Sinusuri ng AI system ang mga resulta ng pagsusuri sa dugo nang walang access sa klinikal na diagnosis, kasaysayan ng pasyente, o mga tala ng doktor. Tinitiyak ng blind analysis na ito na ang interpretasyon ng AI ay nakabatay lamang sa data ng biomarker at mga itinatag na hanay ng sanggunian.
- Walang access sa clinical diagnosis
- Mga saklaw ng sanggunian na nababagay sa populasyon
- Multi-parameter na pagsusuri ng ugnayan
Pagsusuri ng Doktor
Independyenteng sinusuri ng mga pathologist na na-certify ng board ang parehong mga resulta ng pagsusuri sa dugo. Ang mga doktor ay walang access sa mga interpretasyon ng AI, na tinitiyak na ang kanilang klinikal na paghuhusga ay nananatiling walang kinikilingan.
- Mga klinikal na pathologist na sertipikado ng board
- Walang visibility sa output ng AI
- Standardized na mga protocol ng pagsusuri
Malayang Paghahambing
Inihahambing ng isang third-party na clinical team ang output ng AI laban sa consensus ng doktor nang hindi nalalaman kung aling interpretasyon ang nanggaling sa aling pinagmulan. Ang mga pagkakaiba ay nag-trigger ng mga karagdagang cycle ng pagsusuri.
- Bulag na pamamaraan ng paghahambing
- Pagsusuri ng statistic concordance
- Kumpletuhin ang dokumentasyon ng audit trail
Triple-Blind Validation Workflow
Tinitiyak ng aming proseso ng pagpapatunay ang walang pinapanigan na pagtatasa ng katumpakan sa pamamagitan ng mga independiyenteng parallel na stream ng pagsusuri na nagsasama-sama lamang sa huling paghahambing.
Triple-blind validation methodology: AI interpretation (Stage 1), Physician review (Stage 2), at Independent comparison (Stage 3) ay gumagana nang magkatulad nang walang cross-visibility.
Napatunayang Pagganap ayon sa Kategorya ng Pagsubok
Na-validate ang mga sukatan ng performance sa pamamagitan ng triple-blind na klinikal na pagsusuri sa 1,000,000+ test case. Ang mga resulta ay nagpapakita ng pare-parehong katumpakan sa lahat ng pangunahing kategorya ng biomarker.
Pangkalahatang Katumpakan Buod
Pinagsama-samang Katumpakan: 98.7% — Weighted average sa lahat ng mga kategorya ng pagsubok batay sa triple-blind physician concordance. Ang pagganap ng indibidwal na kategorya ay mula sa 98.1% hanggang 99.3% sensitivity. Tingnan ang Ulat §4.1, Talahanayan 2
Kaugnayan sa Klinikal na Kinalabasan: 87% — Longitudinal correlation na may mga nakumpirmang diagnosis sa real-world follow-up na pag-aaral. Tingnan ang Ulat §4.3
| Kategorya ng Pagsubok | pagiging sensitibo | Pagtitiyak | Sukat ng Sample |
|---|---|---|---|
| Kumpletong Bilang ng Dugo (CBC) | 99.3% | 99.0% | 285,000 |
| Comprehensive Metabolic Panel | 99.1% | 98.9% | 198,000 |
| Lipid Panel | 98.8% | 98.5% | 167,000 |
| Pag-andar ng thyroid | 98.4% | 98.1% | 142,000 |
| Mga Pagsusuri sa Paggana ng Atay | 98.9% | 98.6% | 124,000 |
| Kidney Function Panel | 99.2% | 99.0% | 84,000 |
Pagkakatugma ng Populasyon
Ang mga resulta ng pagpapatunay ay nagpapakita ng katumpakan ng 99% sa lahat ng demograpikong grupo anuman ang etnisidad, edad, kasarian, o heyograpikong rehiyon. Tinitiyak ng population-proportional sampling ang kinatawan ng saklaw sa 197 bansa.
Pamamahagi ng Dataset ng Pandaigdigang Pagpapatunay
Ang aming 15 milyong sample training dataset at mahigit 1 milyong validation cases ay ipinamamahagi sa lahat ng pangunahing pandaigdigang rehiyon upang matiyak ang katumpakan na kumakatawan sa populasyon.
Medical Advisory Board
Ang aming Medical Advisory Board ay nagbibigay ng klinikal na pangangasiwa para sa lahat ng pagbuo at pagpapatunay ng AI algorithm. Ang mga miyembro ng board ay kumakatawan sa magkakaibang mga specialty sa maraming bansa, na nagdadala ng pinagsamang kadalubhasaan ng 180+ na taon sa klinikal na gamot.
Thomas Klein, MD
Punong Opisyal Medikal (CMO) Klinikal na Hematolohiya at Diagnostics ng AIDr. Sarah Mitchell, MD, PhD
Punong Medikal na Tagapayo Clinical Pathology at Laboratory MedicineProf. Dr. Hans Weber
Senior Medical Advisor Laboratory Medicine at Clinical ChemistryDr. Maria Rodriguez, MD, MPH
Medikal na Tagapayo Internal Medicine at Preventive MedicineDr. Chen Wei, MD, MSc
Medikal na Tagapayo Endocrinology at Metabolic MedicineKilalanin ang aming buong Medical Advisory Board na may mga detalyadong profile, kredensyal, at background ng pananaliksik.
Tingnan ang Lahat ng Tagapayo →Patuloy na Pagsubaybay sa Kalidad
Ang pagpapatunay pagkatapos ng pag-deploy ay nagpapatuloy sa pamamagitan ng mga structured monitoring protocol. Ang pagganap sa totoong mundo ay sinusubaybayan laban sa mga klinikal na resulta, na may mga feedback loop na nagbibigay-daan sa patuloy na pagpapabuti.
Mga Buwanang Ulat sa Pagganap
Komprehensibong pagsusuri sa katumpakan sa lahat ng kategorya ng biomarker, demograpikong segment, at heyograpikong rehiyon. Ang pagkakakilanlan ng trend ay nagbibigay-daan sa maagap na pamamahala ng kalidad.
Inter-Laboratory Concordance
Ang pagsubok sa 500+ na sistema ng laboratoryo ay nagpapatunay ng pare-parehong pagganap anuman ang tagagawa ng kagamitan, pamamaraan, o mga pamantayan sa pagkakalibrate.
Mga Pag-aaral sa Klinikal na Kinalabasan
Sinusubaybayan ng mga longitudinal correlation na pag-aaral ang mga interpretasyon ng AI laban sa mga nakumpirmang diagnosis, na nakakamit ng 87% na ugnayan na may mga klinikal na resulta sa iba't ibang populasyon ng pasyente.
Feedback ng Healthcare Provider
Structured feedback integration mula sa mga doktor at mga propesyonal sa laboratoryo. Ang mga naka-flag na interpretasyon ay sumasailalim sa pagsusuri ng Medical Advisory Board na may mga pagwawasto na isinama sa pagsasanay.
Datos ng Pagsasanay at Pagtitiyak ng Kalidad
Ang aming AI model ay sinanay gamit ang isa sa pinakamalaking piniling dataset ng pagsusuri ng dugo sa industriya, na may mahigpit na kontrol sa kalidad na tinitiyak ang integridad ng datos at klinikal na kaugnayan.
Komposisyon ng Dataset
- Kabuuang mga Sample15 Milyon
- Saklaw ng Heograpiya197 Bansa
- Mga Pinagmumulan ng Laboratoryo500+ Sertipikadong mga Laboratoryo
- Saklaw ng Petsa2015-2025
- Mga Uri ng Biomarker450+ na Parameter
Mga Kontrol sa Kalidad
Multi-stage na katiyakan sa kalidad ng data:
- ISO 15189 certified laboratory sources lang
- Pag-alis ng hindi kumpleto o sira na mga talaan
- Outlier detection para sa mga pre-analytical na error
- Provenance na pag-verify para sa lahat ng dataset
- HIPAA/GDPR compliant anonymization
Mga Kasosyo sa Teknolohiya at Pagsunod
Ang aming imprastraktura sa pagpapatunay at pagpapaunlad ng AI ay sinusuportahan sa pamamagitan ng pakikipagtulungan sa mga nagbibigay ng teknolohiyang nangunguna sa industriya.
Microsoft FoundersHub
Cloud infrastructure at enterprise-grade AI development platform na sumusuporta sa mga scalable validation workflow.
Programa ng Pagsisimula ng NVIDIA
GPU computing resources at AI model optimization na nagbibigay-daan sa mahusay na pagsasanay sa 15M+ sample na dataset.
Google Cloud AI
Imprastraktura ng machine learning na sumusuporta sa distributed model training at real-time na inference.
Cloudflare
Global edge network na tinitiyak ang secure, mababang latency na access sa 197 bansa.
Mga Kontrol ng SOC 2 Type II
Mga kontrol sa seguridad na naaayon sa mga pamantayan ng AICPA
Nakahanay sa ISO 27001
Mga kontrol sa pamamahala ng seguridad ng impormasyon
Mga Kontrol na Nakahanay sa HIPAA
Mga pananggalang sa proteksyon ng datos sa pangangalagang pangkalusugan ng US
Sumusunod sa GDPR
Regulasyon sa proteksyon ng data sa Europa
Angkop na Paggamit at Limitasyon
Ang transparency tungkol sa mga kakayahan at limitasyon ay mahalaga para sa responsableng pag-deploy ng AI sa pangangalagang pangkalusugan. Kantesti ay idinisenyo bilang tool na sumusuporta sa desisyon upang umakma—hindi palitan—propesyonal na medikal na paghatol.
Hindi Na-access ang Impormasyon
Ang aming AI ay nagbibigay kahulugan sa data ng biomarker sa paghihiwalay. Ang sumusunod na klinikal na konteksto ay hindi magagamit sa system:
- Kumpletuhin ang kasaysayan ng medikal ng pasyente
- Mga kasalukuyang gamot at potensyal na pakikipag-ugnayan
- Mga natuklasan sa pisikal na pagsusuri
- Mga salik ng genetiko at kasaysayan ng pamilya
- Mga salik sa pamumuhay (maliban kung ibinigay ng user)
Mga Pagkakaiba-iba ng Pamamaraan sa Laboratory
Ang mga hanay ng sanggunian ay nag-iiba sa pagitan ng mga laboratoryo dahil sa mga pagkakaiba ng kagamitan at mga pamantayan sa pagkakalibrate. Ang aming database ng 45,000+ na hanay na partikular sa laboratoryo ay tumutugon sa karamihan ng mga variation, ngunit dapat i-verify ng mga user ang mga nakuhang halaga na tumutugma sa kanilang orihinal na ulat.
Mga Pagsasaalang-alang sa Kalidad ng Dokumento
Ang katumpakan ng OCR ay nakasalalay sa kalidad ng dokumento. Ang mga resulta ng sulat-kamay o mababang-resolution na pag-scan ay maaaring makaapekto sa pagkuha ng halaga. Available ang manu-manong pagwawasto para sa lahat ng nakuhang halaga bago ang pagsusuri.
Medikal na Disclaimer
Ang Kantesti ay isang tool na pang-impormasyon na pinapagana ng AI na nagbibigay-kahulugan sa mga resulta ng pagsusuri sa dugo batay sa mga itinatag na hanay ng sangguniang medikal at mga klinikal na alituntunin. Ito ay HINDI isang medikal na aparato at hindi nag-diagnose, gumamot, nagpapagaling, o pumipigil sa anumang sakit.
Ang impormasyong ibinigay ay para sa mga layuning pang-edukasyon at impormasyon lamang at hindi dapat ituring na payong medikal. Palaging kumunsulta sa isang kwalipikadong propesyonal sa pangangalagang pangkalusugan bago gumawa ng mga desisyon tungkol sa iyong kalusugan o paggamot.
Para sa mga medikal na emerhensiya, makipag-ugnayan kaagad sa mga serbisyong pang-emergency. Ang Kantesti ay hindi idinisenyo para sa mga emergency na sitwasyon.
Pagsisiwalat ng Salungatan ng Interes at Pagpopondo
Ang dokumentasyong ito sa pagbe-validate ay inilathala ng Kantesti Ltd (UK Companies House No. 17090423), na nakabase sa London, United Kingdom. Ang mga miyembro ng Medical Advisory Board ay tumatanggap ng kabayaran para sa kanilang mga tungkuling pagpapayo. Ang Chief Medical Officer (Thomas Klein, MD) ay isang full-time na empleyado ng Kantesti Ltd. Ang lahat ng datos sa pagbe-validate ay independiyenteng napatunayan sa pamamagitan ng triple-blind na pamamaraan. Walang natanggap na panlabas na pondo para sa mga pag-aaral sa pagbe-validate. Ang kumpanya ay self-funded sa pamamagitan ng kita at mga partnership sa teknolohiya sa Microsoft for Startups, NVIDIA Inception, Google Cloud, at Cloudflare.
Mga Madalas Itanong Tungkol sa Pagpapatunay ng Medikal
Ano ang ibig sabihin ng "triple-blind validation"?
Ang triple-blind validation ay nangangahulugan na tatlong independiyenteng partido ang nagsusuri ng parehong datos nang hindi nalalaman ang konklusyon ng bawat isa. Binibigyang-kahulugan ng aming AI ang mga pagsusuri sa dugo nang walang klinikal na konteksto, sinusuri ng mga doktor nang nakapag-iisa nang hindi nakikita ang output ng AI, at pinaghahambing ng ikatlong pangkat ang mga resulta nang hindi nalalaman kung alin ang nagmula sa AI vs. mga doktor. Inaalis nito ang bias sa kumpirmasyon at tinitiyak ang obhetibong pagsukat ng katumpakan.
Gaano kadalas ina-update ang modelo ng AI?
Ang aming modelo ay sumasailalim sa quarterly retraining na nagsasama ng bagong validated na data, na-update na mga klinikal na alituntunin, at umuusbong na biomarker na pananaliksik. Ang bawat update ay pumasa sa buong triple-blind validation protocol bago i-deploy. Ang mga update na hindi nakakatugon sa aming threshold ng katumpakan ay tinatanggihan.
Bakit nag-iiba ang katumpakan ayon sa kategorya ng pagsubok?
Ang ilang mga biomarker ay may higit pang mga standardized na hanay ng sanggunian sa buong mundo (tulad ng mga electrolyte), habang ang iba ay higit na nag-iiba sa pagitan ng mga laboratoryo at populasyon (tulad ng mga thyroid hormone). Ang mga kategoryang may mas maraming variation ay nagpapakita ng bahagyang mas mababang katumpakan dahil sa likas na kumplikado ng interpretasyon.
Maaari ba akong magtiwala sa interpretasyon ng AI para sa mga medikal na desisyon?
Ang Kantesti ay dinisenyo bilang isang kasangkapan sa pagsuporta sa desisyon, hindi kapalit ng propesyonal na paghatol sa medisina. Ang aming AI ay nagbibigay ng mga napatunayang interpretasyon batay sa mga itinatag na saklaw ng sanggunian, ngunit ang klinikal na konteksto—kabilang ang iyong medikal na kasaysayan, mga gamot, at mga sintomas—ay nangangailangan ng pagsusuri ng doktor para sa mga desisyon sa paggamot. Palaging kumonsulta sa iyong tagapagbigay ng pangangalagang pangkalusugan.
Paano tinutugunan ang pagkakaiba-iba ng populasyon sa pagpapatunay?
Kasama sa aming datos sa pagsasanay ang 15 milyong sample na proporsyonal na ipinamamahagi sa 197 na bansa, kung saan tinitiyak ng population-weighted sampling ang representasyon mula sa lahat ng pangunahing etniko at heograpikong grupo. Pinapatunayan ng mga quarterly fairness audit ang pagkakapare-pareho ng katumpakan sa mga demograpiko, kung saan pinapanatili ang pagkakapare-pareho ng 99% sa lahat ng segment ng populasyon.
Ano ang mangyayari kung magkamali ang AI?
Maaaring i-flag ng mga tagapagbigay ng pangangalagang pangkalusugan at mga gumagamit ang mga interpretasyon para sa pagsusuri ng Medical Advisory Board. Ang mga na-flag na kaso ay sinusuri ng aming CMO na si Thomas Klein, MD, at ng medical team. Kung makumpirma ang mga pagkakamali, isinasama ang mga pagwawasto sa mga susunod na siklo ng pagsasanay. Sinusubaybayan ng aming patuloy na pagsubaybay ang totoong pagganap sa mundo upang matukoy at matugunan ang mga sistematikong isyu nang maagap.
Saan ko mahahanap ang kumpletong ulat ng pagpapatunay?
Ang aming kumpletong pamamaraan sa pagbe-validate ay dokumentado sa teknikal na ulat na "Clinical Validation Framework for AI-Powered Blood Test Interpretation" (Report ID: KANTESTI-TR-2025-001, DOI: 10.5281/zenodo.17993721). Ang buong ulat ay available sa pamamagitan ng DOI link, sa ResearchGate, at bilang downloadable PDF mula sa aming website.
Sino ang nagrerepaso ng medikal na nilalaman sa Kantesti?
Ang lahat ng medikal na nilalaman ay isinulat at sinuri ni Thomas Klein, MD, ang aming Chief Medical Officer. Si Dr. Klein ay isang board-certified clinical hematologist na kaakibat ng Department of Hematology ng Istanbul Nisantasi University, na may mahigit 15 taon na karanasan sa laboratory medicine at AI-assisted diagnostics. Ang karagdagang pangangasiwa ay ibinibigay ng aming 12-miyembrong Medical Advisory Board.
Damhin ang Validated AI Blood Test Analysis
Sumali sa milyun-milyong user sa buong mundo na nagtitiwala AI Blood Test Analyzer ng Kantesti para sa clinically validated blood test interpretation sa 75+ na wika.
Transparency ng Kumpanya
Naniniwala kami sa ganap na transparency tungkol sa kung sino kami at kung paano kami nagpapatakbo. Sa ibaba makikita mo ang mga detalye ng pagpaparehistro ng aming kumpanya at impormasyon ng pamumuno.
Noong Marso 2026, ang Kantesti AI platform — kasalukuyang tumatakbo bilang Kantesti V11 — ay pinapatakbo ng Kantesti Ltd., isang pribadong limited company na inkorporada sa England at Wales (UK Companies House No. 17090423), na may rehistradong punong-tanggapan sa London, United Kingdom. Ang inkorporasyong ito sa UK ay pinagsasama ang mga pandaigdigang operasyon sa ilalim ng iisang, malinaw na istrukturang pang-korporasyon na pinamamahalaan ng mga pamantayang pang-regulasyon ng United Kingdom, habang pinapanatili ang buong tuloy-tuloy na operasyon ng platform na pinagkatiwalaan ng aming komunidad mula pa noong 2019. Ang parehong proprietary neural network — na nagbibigay-kahulugan sa mahigit 15,000 biomarker sa 75+ na wika para sa mahigit 2 milyong user sa 127 bansa — ay patuloy na binubuo at pinananatili ng parehong engineering at medical teams. Ang aming triple-blind na clinical validation methodology, pangangasiwa ng Medical Advisory Board, at mga partnership sa Microsoft for Startups (Founders Hub), NVIDIA Inception, at Google Cloud ay nananatiling hindi nagbabago. Ang mga user sa buong mundo ay patuloy na may access sa magkaparehong kalidad ng serbisyo, na ngayon ay sinusuportahan ng pinahusay na pamamahala ng korporasyon sa UK kasama ang aming kasalukuyang GDPR (EU), HIPAA-aligned (US), at SOC 2 Type II na mga pananggalang.
Kantesti AI · Kantesti Ltd
Mga Pangalan ng Brand: Kantesti, Kantesti AI
Legal na Entidad: Kantesti Ltd (Pribadong Limited Company)
Companies House No.: 17090423
Hurisdiksyon: England at Wales, United Kingdom
Uri ng Negosyo: AI Healthcare Technology (SaaS)
Itinatag: 2019 · UK Entity Registered: Marso 2026
punong-tanggapan: 4 Raven Road, Yunit 1c3-1100, London, E18 1HB, Nagkakaisang Kaharian
Application Version: Kantesti V11
Makipag-ugnayan: [email protected]
UK Phone: +44 7508 364740 (Lun–Biy 9:00–18:00 GMT)
DE Phone: +49 177 497 4039 (Lun–Biy 9:00–18:00 CET)
Pamumuno
Tagapagtatag at CEO: Julian Emirhan Bulut
Visionary entrepreneur na nangunguna sa AI innovation sa healthcare technology. Pagbuo ng naa-access na mga tool sa interpretasyon ng pagsusuri ng dugo para sa pandaigdigang pagpapabuti ng kalusugan.
Kumonekta sa LinkedInPunong Opisyal Medikal: Thomas Klein, MD
Isang board-certified clinical hematologist na nangunguna sa medical validation at clinical oversight.
Pagsunod at Mga Sertipikasyon
Proteksyon ng Data: Sumusunod sa GDPR (EU)
Privacy sa Pangangalagang Pangkalusugan: Mga Pananggalang na Nakahanay sa HIPAA (US)
Seguridad: Mga Kontrol ng SOC 2 Type II
Pamamahala ng Kalidad: Nakahanay sa ISO 27001
Medikal na Device: Hindi inuri bilang medikal na aparato - Tool na pang-impormasyon lamang
Mga Sanggunian at Pamantayan
Ang aming metodolohiya sa pagpapatunay at mga klinikal na pamantayan ay batay sa itinatag na mga alituntuning medikal at mga internasyonal na pamantayan.
- [1] Organisasyon ng Kalusugan ng Pandaigdig (WHO). Paggamit ng Glycated Haemoglobin (HbA1c) sa Pagsusuri ng Diabetes Mellitus. Geneva: WHO; 2011. Makukuha mula sa: https://www.who.int/diabetes/publications/diagnosis_diabetes2011/en/
- [2] Pandaigdigang Organisasyon para sa Istandardisasyon. ISO 15189:2022 Mga laboratoryong medikal — Mga kinakailangan para sa kalidad at kakayahan. Geneva: ISO; 2022. https://www.iso.org/standard/76677.html
- [3] Klinikal at Laboratoryo na Pamantayan Institute (CLSI). EP09c: Paghahambing ng Pamamaraan sa Pagsukat at Pagtatantya ng Bias Gamit ang mga Sample ng Pasyente. ika-3 ed. Wayne, PA: CLSI; 2018.
- [4] Mga Pambansang Institusyon ng Kalusugan (NIH). Mga Sangguniang Saklaw ng Pagsusuri ng Dugo. Bethesda, MD: NIH; Na-update noong 2024. Makukuha mula sa: MedlinePlus
- [5] Amerikanong Asosasyon para sa Klinikal na Kemistri (AACC). Mga Saklaw ng Sanggunian sa Pagsusuri sa Laboratoryo. Washington, DC: AACC; 2024. https://www.aacc.org/
- [6] Pandaigdigang Pederasyon ng Klinikal na Kemistri (IFCC). Mga Pamamaraan sa Pagsukat ng Sanggunian. Milan: IFCC; 2023. https://www.ifcc.org/
- [7] Klein T. Balangkas ng Klinikal na Pagpapatunay para sa Interpretasyon ng Pagsusuri ng Dugo na Pinapagana ng AI: Metodolohiya ng Triple-Blind na Pagpapatunay, Mga Sukatan ng Pagganap, at Mga Protokol ng Pagsiguro sa Kalidad. Teknikal na Ulat KANTESTI-TR-2025-001, Bersyon 2.0. Kantesti Ltd; 2025. DOI: 10.5281/zenodo.17993721
- [8] Kagawaran ng Kalusugan at Serbisyong Pantao ng Estados Unidos. Panuntunan sa Pagkapribado ng HIPAA. 45 CFR Bahagi 160 at mga Subpart A at E ng Bahagi 164. Washington, DC: HHS; 2013.
- [9] Parlamento at Konseho ng Europa. Pangkalahatang Regulasyon sa Proteksyon ng Datos (GDPR). Regulasyon (EU) 2016/679. Brussels: EU; 2016.