Medical Validation at Clinical Standards para sa Pagsusuri ng AI Blood Test
Isang panloob, awtomatikong benchmark ng Kantesti AI engine, na isinulat ng aming Chief Medical Officer at hindi independiyenteng napatunayan o sinuri ng mga kapwa mananaliksik, sa likod ng AI Blood Test Analyzer.
Pangunahing Ebidensya at Dokumentasyon
Ang figure ng pagganap sa pahinang ito ay nagmumula sa aming sariling awtomatiko, open-source na benchmark harness, na may code at scorecards na inilalathala nang hayagan. Ito ay isang nasusukat at maaaring ulitin na teknikal na benchmark, hindi isang independiyente o pangregulasyong beripikasyon, at hindi sukatan ng totoong-world na katumpakan sa pag-diagnose. I-access ang code at data sa ibaba.
Kantesti AI Engine — Benchmark para sa interpretasyon ng blood test
Awtomatikong pinagsamang pagmamarka sa 100,000 sintetikong kaso sa 127 label ng bansa
Pangkalahatang-ideya ng Benchmark at Pamamaraan
Kantesti's AI Blood Test Interpretation ang platform ay sumasailalim sa masusing medikal na beripikasyon bilang bahagi ng aming panloob na proseso ng kalidad. Ang pagganap ay sinusukat gamit ang isang panloob, awtomatiko, open-source na benchmark harness.
Ipinapakita ng pahinang ito ang benchmark na iyon, ang aming istrukturang may pangangasiwa ng manggagamot, at ang aming patuloy na proseso ng pagsubaybay sa kalidad. Ang benchmark ay isang teknikal na pagsusuri, hindi isang klinikal na pagsubok o pangregulasyong beripikasyon.
Panloob na Benchmark Performance (Composite)
Ito ang resulta ng aming panloob, awtomatiko, open-source na benchmark harness. Ito ay self-run at hindi pa independiyenteng nabeberipika o na-peer-reviewed.
Pangkalahatang Resulta ng Benchmark
Pinagsamang marka ng benchmark: 99.80% (self-run, hindi peer-reviewed) — ang pangkalahatang resulta ng aming awtomatiko, open-source na benchmark harness sa 100,000 sintetikong kaso sa 127 label ng bansa. Ang pinagsama ay isang pinaghalong teknikal na sukatan (35% output-structure validity + 55% clinical-keyword recall + 10% latency); ito ay hindi isang sukatan ng katumpakan ng diagnostic, at hindi ito independiyenteng napatunayan o peer-reviewed. Tingnan ang code & data sa GitHub
Ang benchmark ay gumagawa ng iisang pinagsamang marka mula sa isang awtomatikong harness; hindi ito gumagawa ng mga numerong sensitivity/specificity kada kategorya ng pagsusulit. Ang buong per-case scorecard ay nasa open repository.
Medical Advisory Board
Ang aming Medical Advisory Board ay nagbibigay ng klinikal na pangangasiwa para sa lahat ng pagbuo at pag-validate ng mga AI algorithm. Ang mga miyembro ng board ay kumakatawan sa magkakaibang espesyalisasyon sa maraming bansa, sa larangan ng klinikal na medisina.
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
Pagkatapos ng deployment, ang engine ay sinusubaybayan sa pamamagitan ng mga panloob na operational check at structured feedback mula sa mga user at sa aming Medical Advisory Board. Ito ay panloob na monitoring at hindi isang independiyenteng pag-aaral ng klinikal na kinalabasan.
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.
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 proseso sa quality assurance ay naglalapat ng mga standard na kontrol sa data na ginagamit ng platform.
Mga Kontrol sa Kalidad
Multi-stage na katiyakan sa kalidad ng data:
- 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
- Pag-anonymize na nakaayon sa HIPAA at GDPR
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
Mga mapagkukunang GPU computing at pag-optimize ng AI model na nagbibigay-daan sa mahusay na pagsasanay at pag-optimize ng modelo.
Google Cloud AI
Imprastraktura ng machine learning na sumusuporta sa distributed model training at real-time na inference.
Cloudflare
Global edge network na nagsisiguro ng secure at mababang latency na pag-access sa buong mundo.
Nakaayon sa HIPAA
Mga pananggalang sa proteksyon ng datos sa pangangalagang pangkalusugan ng US
Nakaayon 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
Nag-iiba ang mga reference range sa pagitan ng mga laboratoryo dahil sa mga pagkakaiba sa kagamitan at mga pamantayan sa calibration. Ang aming database ng mga reference range na partikular sa laboratoryo ay tumutugon sa maraming pagkakaibang ito, ngunit dapat beripikahin ng mga user na ang mga nakuha na halaga ay 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 ng validation 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 validation na iniulat dito ay panloob sa Kantesti at hindi pa independiyenteng nabe-verify o na-peer-review. Walang panlabas na pondo ang natanggap para sa mga pag-aaral sa validation. Ang kumpanya ay self-funded sa pamamagitan ng kita at mga partnership sa teknolohiya sa Microsoft para sa Startups, NVIDIA Inception, Google Cloud, at Cloudflare.
Mga Madalas Itanong Tungkol sa Pagpapatunay ng Medikal
Gaano kadalas ina-update ang modelo ng AI?
Ang aming modelo ay sumasailalim sa quarterly na muling pagsasanay na kinabibilangan ng bagong napatunayang datos, na-update na mga klinikal na alituntunin, at umuusbong na pananaliksik sa biomarker. Ang bawat pag-update ay sinusuri laban sa aming panloob na awtomatikong benchmark bago i-deploy. Ang mga pag-update na hindi pumapasa sa threshold ng aming benchmark ay hindi inilulunsad.
Paano ini-uulat ang pagganap ng benchmark?
Ang pagganap ay iniulat bilang isang solong pinagsamang marka mula sa aming awtomatikong benchmark, hindi bilang per-kategoryang diagnostic accuracy. Ang pinagsamang marka ay pinagsasama ang bisa ng istruktura ng output, paggunita ng mga klinikal na keyword, at latency, at isang teknikal na sukatan lamang.
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.
Ilang kaso at mga label ng bansa ang saklaw ng benchmark?
Ang awtomatikong benchmark ay tumatakbo sa 100,000 sintetikong kaso na sumasaklaw sa 127 label ng bansa. Ito ay isang benchmark para sa nilalaman at pormat na teknikal, hindi isang pag-aaral ng katumpakan sa demograpiko, at hindi pa ito independiyenteng napatunayan o nasuri ng mga kapwa mananaliksik.
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 benchmark methodology, code, at per-case scorecard ay hayagang magagamit: ang Kantesti AI engine blood-test benchmark sa GitHub (https://github.com/emirhanai/kantesti-blood-test-benchmark) at ang tala sa Figshare (DOI: 10.6084/m9.figshare.32095435). Ito ay isang self-run, awtomatikong benchmark, hindi independiyenteng napatunayan o sinuri ng mga kapwa mananaliksik.
Sino ang nagrerepaso ng medikal na nilalaman sa Kantesti?
Ang lahat ng nilalamang medikal ay isinulat at nirebyu ni Thomas Klein, MD, ang aming Chief Medical Officer. Si Dr. Klein ay isang board-certified na clinical hematologist na nagsisilbing Chief Medical Officer sa Kantesti at AI-supported na interpretasyon. Ang karagdagang pangangasiwa ay ibinibigay ng aming Medical Advisory Board.
Karanasan sa AI-Assisted Blood Test Analysis
Sumali sa milyun-milyong user sa buong mundo na nagtitiwala AI Blood Test Analyzer ng Kantesti para sa AI-assisted, impormasyong interpretasyon ng blood test 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 pagsasamang ito sa UK ay pinagsasama ang mga pandaigdigang operasyon sa ilalim ng iisang, malinaw na istrukturang pang-korporasyon na pinamamahalaan ng mga pamantayang pangregulasyon ng United Kingdom, na nakabatay sa gawaing pag-unlad na nagsimula noong 2019. Ang parehong proprietary neural network — na nag-iinterpret ng higit sa 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 internal benchmarking, Medical Advisory Board oversight, 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 may access sa magkaparehong kalidad ng serbisyo, na ngayon ay sinusuportahan ng pinahusay na UK corporate governance kasama ang aming kasalukuyang pagsunod sa GDPR (EU) at HIPAA (US).
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
Board-certified na klinikal na hematologist na nangunguna sa klinikal na pangangasiwa ng aming medikal na nilalaman.
Pagsunod
Proteksyon ng Data: Nakaayon sa GDPR (EU)
Privacy sa Pangangalagang Pangkalusugan: Mga kasanayang nakaayon sa HIPAA (US)
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] 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] 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.