Xác nhận lâm sàng là việc kiểm tra xem phần mềm có đưa ra các giải thích đủ chính xác và an toàn cho nhóm bệnh nhân dự kiến hay không—chứ không chỉ là việc phần mềm tạo ra các báo cáo có vẻ thuyết phục.
Những điểm chính cần ghi nhớ
- Phạm vi xác nhận phải xác định bệnh nhân dự kiến, dữ liệu đầu vào của phòng xét nghiệm và các quyết định lâm sàng; thành công trong 1 nhiệm vụ không thể chứng minh tính an toàn cho mọi mục đích sử dụng.
- Mẫu số tính độ chính xác cần phân biệt bệnh nhân, báo cáo, dấu ấn sinh học và từng phát biểu riêng lẻ; 10.000 phát biểu có thể chỉ xuất phát từ 200 báo cáo.
- Độ nhạy đo lường các trường hợp dương tính theo tiêu chuẩn tham chiếu được phát hiện; kết quả giả định 90/100 nghĩa là đã bỏ sót 10 trường hợp mắc bệnh.
- Giá trị dự đoán phụ thuộc vào tỷ lệ hiện mắc: với tỷ lệ hiện mắc là 1%, độ nhạy 90% và độ đặc hiệu 95% cho giá trị dự đoán dương khoảng 15.4%.
- Kiểm thử độc lập đòi hỏi dữ liệu kiểm thử được bảo vệ, phiên bản phần mềm cố định và công bố ai là người thiết kế, tài trợ và phân xử đánh giá.
- Bằng chứng ở các phân nhóm phải bao gồm cỡ mẫu và độ bất định; việc quan sát thấy 0 trường hợp bỏ sót trong 20 ca dương tính không chứng minh độ nhạy hoàn hảo.
- Tốc độ vận hành khoảng 60 giây mô tả tính năng diễn giải của chúng tôi, chứ không phải mức giảm đã được chứng minh về sai sót chẩn đoán hoặc trì hoãn điều trị.
- Tiêu chí áp dụng cần bao quát an toàn ở cấp độ bệnh nhân, hiệu năng theo từng ngôn ngữ, lỗi đầu vào và quy trình ứng phó được lập thành văn bản khi phần mềm thay đổi.
Sự trỗi dậy của AI trong chẩn đoán y khoa: Xác nhận có ý nghĩa gì
Thẩm định xét nghiệm máu bằng AI đòi hỏi bằng chứng cho thấy một phiên bản phần mềm cụ thể đưa ra diễn giải chính xác, an toàn cho những bệnh nhân và quyết định mà phần mềm hướng đến. Bên mua cần xem xét mẫu số ở cấp độ bệnh nhân, thử nghiệm độc lập, kết quả theo phân nhóm và cách xử lý lỗi—không chỉ dựa vào một tỷ lệ chính xác nổi bật. Kantesti là máy phân tích xét nghiệm máu bằng AI, và các kết quả đầu ra của máy cần đáp ứng cùng những yêu cầu bằng chứng đó.
Phần mềm diễn giải không đo mẫu bệnh phẩm ban đầu. Máy phân tích trong phòng xét nghiệm tạo ra các giá trị như natri ở mức 138 mmol/L; sau đó, phần mềm diễn giải đọc các giá trị đó và giải thích ý nghĩa có thể có của chúng, tạo thêm một cơ hội mắc lỗi dù phép đo trong phòng xét nghiệm là chính xác. Vì vậy, bên mua cần bằng chứng riêng về độ chính xác khi trích xuất, cách xử lý khoảng tham chiếu và suy luận lâm sàng.
Giá trị lâm sàng và tính hữu ích lâm sàng trả lời những câu hỏi khác nhau. Một đánh giá có thể cho thấy sự đồng thuận trên 500 báo cáo mà không chứng minh được rằng bệnh nhân được chăm sóc tốt hơn, tránh được các xét nghiệm không cần thiết hoặc hiểu rõ hơn về độ bất định. Hướng dẫn của chúng tôi về giải thích báo cáo y tế giải thích vì sao cách diễn đạt dễ hiểu vẫn cần được đối chiếu với nguồn và có giới hạn chuyển tuyến phù hợp.
Số liệu thống kê về mức độ áp dụng không thể thay thế một nghiên cứu lâm sàng. Mức độ tiếp cận do nền tảng của chúng tôi báo cáo—2M+ người dùng tại 127+ quốc gia—mô tả mức độ sử dụng, chứ không phải một nhóm thẩm định đại diện với kết quả đã được xác nhận. Phần nền tảng công ty giúp thiết lập trách nhiệm giải trình của tổ chức; hồ sơ bằng chứng riêng cần xác định mục đích sử dụng cụ thể, quần thể đủ điều kiện và hậu quả của một diễn giải sai.
Tuyên bố về độ chính xác: Tính riêng bệnh nhân, báo cáo và quyết định
Một tuyên bố về độ chính xác chỉ có thể được diễn giải khi tử số, mẫu số và quy tắc chấm điểm được công bố. Một con số như 98.49% có thể mô tả các trường được trích xuất, các phát biểu được chấp nhận hoặc các ca được phân loại—những nhiệm vụ rất khác nhau. Ở đây, con số đó là ví dụ về một số liệu nổi bật cần được xem xét kỹ lưỡng, chứ không phải kết quả hiệu năng lâm sàng đã được xác minh độc lập.
Các phát biểu lặp lại không phải là những bệnh nhân độc lập. Trong một đánh giá giả định, 200 báo cáo, mỗi báo cáo có 50 phát biểu được chấm điểm, tạo ra 10.000 quan sát ở cấp độ phát biểu, nhưng vẫn chỉ có 200 báo cáo. Một lời giải thích đúng về natri ở mức 140 mmol/L không nên bù trừ cho một khuyến nghị nguy hiểm ở chỗ khác trong cùng báo cáo; cần yêu cầu cả việc chấm điểm ở cấp độ phát biểu lẫn tỷ lệ báo cáo có lỗi gây hậu quả lâm sàng.
Các đầu vào bị loại trừ có thể làm tăng độ tin cậy có vẻ như đạt được. Giả sử có 1.000 báo cáo được gửi lên, 100 báo cáo bị từ chối và 882 trong số 900 báo cáo còn lại đạt tiêu chí đánh giá: độ chính xác trong số các báo cáo đã hoàn tất là 98%, trong khi tỷ lệ đầu ra đạt yêu cầu trên tổng số báo cáo được gửi là 88.2%. Không mẫu số nào vốn dĩ là thiếu trung thực, nhưng bên mua cần cả hai, cùng với lý do từ chối và việc các ca bị từ chối có thường liên quan đến những bất thường khẩn cấp hay không.
Phương pháp luận được công bố cần xác định thế nào là đúng trước khi bắt đầu chấm điểm. Tuyên bố báo cáo STARD 2015 yêu cầu các nghiên cứu về độ chính xác chẩn đoán mô tả việc lựa chọn người tham gia, tiêu chuẩn tham chiếu và luồng người tham gia (Bossuyt et al., 2015). Của chúng tôi trang phương pháp xác thực là điểm khởi đầu cho các câu hỏi về Kantesti; không nên xem đây là bằng chứng về hiệu năng độc lập ở cấp độ bệnh nhân nếu chưa có tài liệu nghiên cứu nền tảng.
Độ nhạy, độ đặc hiệu và giá trị dự đoán trả lời những câu hỏi khác nhau
Độ nhạy đo lường khả năng phát hiện các trường hợp dương tính theo tiêu chuẩn tham chiếu; độ đặc hiệu đo lường khả năng cho kết quả âm tính chính xác ở các trường hợp âm tính theo tiêu chuẩn tham chiếu. Giá trị tiên đoán dương đo lường tần suất kết quả đầu ra dương tính là chính xác trong bối cảnh được kiểm nghiệm. Với một công cụ giả định có độ nhạy 90% và độ đặc hiệu 95% ở tỷ lệ hiện mắc 1%, giá trị tiên đoán dương xấp xỉ 15.4%.
Ma trận nhầm lẫn thể hiện rõ sự đánh đổi. Trong số 10.000 bệnh nhân giả định với tỷ lệ hiện mắc 1%, 100 người mắc bệnh mục tiêu: phát hiện được 90 người và bỏ sót 10 người. Trong số 9.900 người không mắc bệnh, 495 người nhận kết quả đầu ra dương tính giả; do đó, chỉ 90 trong số 585 kết quả đầu ra dương tính là chính xác, dù độ chính xác tổng thể là 94.95%.
Độ chính xác dương tính không phải là từ đồng nghĩa phổ quát với độ chính xác. Trong phân loại, độ chính xác dương tính thường có nghĩa là giá trị tiên đoán dương, trong khi thang đánh giá chấm điểm tường thuật của nhà cung cấp có thể dùng từ này theo nghĩa khác. Phần thảo luận của chúng tôi về xác nhận kháng thể dương tính mức thấp minh họa nguyên tắc lâm sàng: diễn giải phụ thuộc vào xác suất trước xét nghiệm và việc xác nhận, chứ không chỉ đơn thuần vào việc kết quả ban đầu có vượt ngưỡng hay không.
Lựa chọn ngưỡng làm thay đổi sự cân bằng giữa các ca bị bỏ sót và các cảnh báo sai. Hãy yêu cầu ma trận nhầm lẫn tại ngưỡng triển khai được đề xuất, chứ không chỉ yêu cầu đường cong hiệu năng bao quát nhiều ngưỡng. Trong một nghiên cứu cảnh báo giả định, hạ ngưỡng từ 0.7 xuống 0.4 có thể cải thiện độ nhạy đồng thời làm số cảnh báo sai tăng gấp đôi; bên mua phải quyết định liệu sự đánh đổi đó có phù hợp với hậu quả lâm sàng và năng lực rà soát hay không.
Kiểm thử độc lập cần có bộ dữ liệu được bảo vệ và tiêu chuẩn tham chiếu đáng tin cậy
Kiểm nghiệm độc lập đánh giá một mô hình đã được cố định trên dữ liệu không có sẵn trong quá trình phát triển, với các mối quan hệ của bên đánh giá được công khai và tiêu chuẩn tham chiếu có cơ sở lâm sàng. Chỉ riêng dữ liệu bên ngoài không đảm bảo việc đánh giá độc lập. Một nghiên cứu có 3 bệnh viện tham gia vẫn có thể có nhãn sai lệch, quy trình dữ liệu dùng chung hoặc các ca kiểm thử đã ảnh hưởng đến việc tinh chỉnh mô hình.
Tách biệt ở cấp độ bệnh nhân giúp ngăn ngừa một dạng rò rỉ dữ liệu phổ biến. Nếu báo cáo tháng 1 của một bệnh nhân được đưa vào tập huấn luyện và báo cáo tháng 2 của họ được đưa vào tập kiểm thử, mô hình có thể được hưởng lợi từ các mẫu lặp lại hoặc mã định danh. Bên mua nên hỏi cách xác định bệnh nhân trùng lặp, các lần nhập viện lặp lại và báo cáo từ 2 hệ thống phòng xét nghiệm có kết nối, cũng như liệu tập kiểm thử cuối cùng có được giữ nguyên sau khi lựa chọn mô hình và prompt hay không.
Tiêu chuẩn tham chiếu phải phù hợp với tuyên bố. Sự đồng thuận của chuyên gia về 300 diễn giải có thể đánh giá chất lượng báo cáo, nhưng không tự động xác nhận sự hiện diện của bệnh hoặc các kết quả trong tương lai. Sự khác biệt này quen thuộc trong độ chính xác và thời điểm xét nghiệm: xét nghiệm được đánh giá, phương pháp đối chiếu và thời điểm xác nhận đều có thể làm thay đổi hiệu năng biểu kiến.
Các chuẩn đánh giá tổng hợp kiểm tra những ca được xây dựng, chứ không phải tỷ lệ hiện mắc bệnh trong thế giới thực hay lợi ích lâm sàng. Ngay cả 100,000 tình huống tổng hợp cũng không thể tái tạo mọi trường hợp thiếu bệnh sử, hiện vật phẩm bệnh phẩm hoặc biểu hiện bất thường. Đối với các tuyên bố liên quan đến các giới hạn trong diễn giải troponin, một nghiên cứu cần thông tin lâm sàng và theo dõi chẩn đoán liên quan đến tuyên bố; một câu đúng về ngưỡng xét nghiệm không phải là chẩn đoán đã được xác nhận.
Hiệu suất ở các phân nhóm có thể cho thấy rủi ro bị che khuất bởi mức trung bình
Các kiểm định xác thực phân nhóm đánh giá liệu hiệu năng có thay đổi giữa các nhóm bệnh nhân và điều kiện đầu vào có liên quan về mặt lâm sàng hay không. Bên mua nên yêu cầu số mẫu làm mẫu số, mức độ nghiêm trọng của lỗi và khoảng tin cậy ở trẻ em, người lớn tuổi, phụ nữ mang thai, người suy giảm chức năng thận và các nhóm đối tượng dự kiến khác. Quan sát thấy 0 ca bỏ sót trong 20 trường hợp dương tính theo phương pháp tham chiếu vẫn để lại nhiều bất định về tỷ lệ bỏ sót thực tế.
Khoảng tham chiếu theo độ tuổi không thể thay thế cho nhau. Không thể an toàn áp dụng mọi ngưỡng của người lớn cho diễn giải ở trẻ em, ngay cả khi chất phân tích và đơn vị giống hệt nhau. Hướng dẫn của chúng tôi về Diễn giải AI cho trẻ em giải thích ranh giới an toàn; bên mua nên yêu cầu số lượng thực tế theo từng nhóm tuổi thay vì chấp nhận một tuyên bố bao quát bệnh nhân từ 1 đến 18 tuổi.
Bối cảnh sinh học quan trọng hơn những cách phân loại nhân khẩu học sơ lược. Số lượng bạch cầu trung tính tuyệt đối là 1.2 × 10^9/L có thể cần được xem xét khác nhau ở một người ổn định có số lượng liên quan đến kiểu hình Duffy-null so với người bị giảm mới xuất hiện trong quá trình điều trị. Tài liệu giải thích về bạch cầu trung tính Duffy-null hỗ trợ xây dựng ca kiểm thử có mục tiêu; không được chỉ dựa vào nguồn gốc tổ tiên để giả định kiểu gen hoặc mức độ an toàn lâm sàng.
Cỡ mẫu nhỏ có thể che giấu tỷ lệ lỗi có ý nghĩa lâm sàng. Quy tắc ba gần đúng cho biết 0 sự kiện được ghi nhận trong 20 quan sát độc lập tương ứng với giới hạn trên 95% xấp xỉ 15%, chứ không phải 0%. Việc so sánh giữa các phân nhóm cũng cần phân tích có tính đến cụm bệnh nhân khi báo cáo có lặp lại; nghiên cứu nên công bố những nhóm chưa được kiểm định thay vì xem khác biệt không có ý nghĩa thống kê là bằng chứng cho thấy hiệu năng tương đương.
Hỗ trợ đa ngôn ngữ cần được kiểm thử an toàn riêng cho từng ngôn ngữ
Xác thực đa ngôn ngữ kiểm tra xem ý nghĩa lâm sàng có được bảo toàn qua quá trình dịch, định dạng số và giải thích hướng đến bệnh nhân trong từng ngôn ngữ dự kiến hay không. Kantesti là nền tảng giải thích kết quả xét nghiệm máu bằng AI, hỗ trợ 100+ ngôn ngữ; riêng năng lực đó không chứng minh hiệu năng lâm sàng tương đương ở tất cả các ngôn ngữ này. Mỗi ngôn ngữ cần có chiến lược đánh giá phù hợp và phạm vi bao phủ được công bố.
Quy ước dấu thập phân có thể làm thay đổi giá trị được diễn giải. Kết quả glucose được ghi là 5,6 mmol/L ở một khu vực không được chuyển thành 56 mmol/L sau khi trích xuất; việc chuyển đổi đơn vị phải bảo toàn ý nghĩa lâm sàng, chứ không chỉ thay dấu câu. Đánh giá riêng đầu vào bằng ngôn ngữ gốc và đầu ra đã dịch; chỉ kiểm thử báo cáo xét nghiệm bằng tiếng Anh được dịch sang 10 ngôn ngữ sẽ bỏ sót lỗi ở phía đầu vào.
Phủ định và loại kết quả cần có các ca kiểm thử riêng. Những cụm từ như không phát hiện, dưới ngưỡng định lượng và không thể loại trừ thể hiện các mức độ chắc chắn khác nhau. Tài liệu của chúng tôi hướng dẫn định tính so với định lượng giải thích sự khác biệt này; thang tiêu chí đánh giá song ngữ nên kiểm tra các ý nghĩa này, bao gồm cả ký hiệu bất đẳng thức như nhỏ hơn 0.1, thay vì chỉ đánh giá cao cách diễn đạt trôi chảy.
Dễ đọc không đảm bảo dễ hiểu. Một đánh giá ngôn ngữ hữu ích có thể yêu cầu người tham gia xác định hành động cần thực hiện và mức độ bất định sau khi đọc 3 báo cáo ngắn, đồng thời ghi nhận liệu bản dịch có làm thay đổi mức độ khẩn cấp hoặc lời khuyên về thuốc hay không. Đây là các nhiệm vụ đánh giá được đề xuất, không phải ngưỡng phổ quát đã được xác thực; các ngôn ngữ có ít nguồn lực hơn có thể cần được rà soát bổ sung vì thuật ngữ lâm sàng sẵn có và phạm vi đào tạo khác nhau.
Tích hợp API và định dạng báo cáo phải bảo toàn ý nghĩa lâm sàng
Xác thực tích hợp kiểm tra xem danh tính bệnh nhân, giá trị, đơn vị, ngày tháng và cảnh báo có được giữ chính xác qua các ranh giới hệ thống hay không. Đầu ra HTML, JSON và PDF nên truyền tải cùng một nội dung lâm sàng khi các định dạng đó được hỗ trợ. Ý nghĩa của kết quả natri là 128 mmol/L không được thay đổi chỉ vì một đầu ra làm mất cảnh báo hoặc đầu ra khác cắt mất một trường.
Kết nối API hoạt động không đồng nghĩa với tích hợp lâm sàng đã được xác thực. API B2B của chúng tôi yêu cầu kiểm tra theo từng cấu hình triển khai về ánh xạ dữ liệu, xác thực, xử lý phản hồi và hành vi theo phiên bản; cần chứng minh khả năng tương thích với EHR hoặc LIS trên giao diện thực tế. Hãy kiểm thử ít nhất 3 nhóm lỗi—thiếu đơn vị, mã định danh bệnh nhân không khớp và phản hồi trùng lặp đến muộn—thay vì chấp nhận một yêu cầu trình diễn thành công.
Giá trị dẫn xuất cần có đầu vào và nguồn gốc công thức rõ ràng. Ví dụ, natri hiệu chỉnh phụ thuộc vào natri đo được, glucose và phương pháp hiệu chỉnh; các hệ số khác nhau đã được công bố có thể cho ra các ước tính khác nhau. Hướng dẫn hiệu chỉnh natri liên quan đến glucose của chúng tôi cung cấp một ca kiểm thử lâm sàng, nhưng bên mua cần xác minh rằng glucose tính bằng mg/dL không bao giờ bị coi là mmol/L và mọi phép tính đều nêu rõ các giả định.
Thỏa thuận về định dạng cần bao gồm cả ý nghĩa, không chỉ bố cục. Trong một phép thử xuất giả định với 300 báo cáo, JSON có thể giữ nguyên một cờ cảnh báo quan trọng trong khi mẫu PDF lại giấu cờ đó bên dưới chỗ ngắt trang. Hãy so sánh khuyến nghị lâm sàng, độ không chắc chắn, đơn vị và dấu thời gian trên các đầu ra được hỗ trợ; bảo đảm có thể truy xuất giá trị thô về nguồn và quy định liệu trường bị thiếu sẽ dẫn đến từ chối an toàn hay diễn giải không có căn cứ.
Báo cáo nhanh và giao diện thân thiện vẫn cần bằng chứng về yếu tố con người
Tốc độ và tính dễ sử dụng là lợi ích vận hành, không phải bằng chứng trực tiếp về độ chính xác chẩn đoán. Tính năng diễn giải của chúng tôi thường đưa ra lời giải thích trong khoảng 60 giây, nhưng khi triển khai lâm sàng cần đo độ trễ đầu cuối, yêu cầu thất bại và gánh nặng rà soát. Chỉ riêng thời gian xử lý trung vị không thể cho biết liệu kết quả khẩn cấp có đến đúng người một cách an toàn hay không.
Độ trễ cần được báo cáo dưới dạng phân bố. Hãy yêu cầu số trung vị, phân vị thứ 95 và tỷ lệ hết thời gian chờ trong điều kiện sử dụng đồng thời thực tế, bao gồm tệp lớn và ảnh chất lượng kém. Số trung vị giả định là 45 giây với phân vị thứ 95 là 240 giây mô tả một dịch vụ rất khác so với dịch vụ luôn hoàn tất gần 60 giây; không con số nào chứng minh rằng việc điều trị bắt đầu sớm hơn.
Cần kiểm thử cách trình bày và chuyển cấp xử lý các kiểu kết quả xét nghiệm khẩn cấp. Kết quả kali 6.5 mmol/L có thể cho thấy tình trạng cấp cứu y tế, dù chất lượng bệnh phẩm và bối cảnh lâm sàng ảnh hưởng đến việc diễn giải. Hướng dẫn về mức độ khẩn cấp của điện giải của chúng tôi hỗ trợ thiết kế tình huống; bệnh nhân có cảnh báo xét nghiệm khẩn cấp nên nhanh chóng liên hệ với đơn vị điều trị thay vì chờ ứng dụng giải thích, đặc biệt khi có triệu chứng.
Kiểm thử yếu tố con người đo lường cách người dùng xử lý báo cáo. Trên web, iOS, Android và hình thức truy cập qua tiện ích mở rộng, bên mua nên đánh giá ít nhất 3 tác vụ: tìm giá trị gốc, nhận biết độ không chắc chắn và xác định hành động tiếp theo phù hợp. Ghi nhận cả hành động sai lẫn thời gian hoàn thành, vì giao diện được trau chuốt có thể làm tăng niềm tin vào khuyến nghị không có căn cứ và khiến thiên kiến tự động hóa khó nhận ra hơn.
Bằng chứng về bảo mật và quyền riêng tư cần được xem xét cùng với xác nhận lâm sàng
Đánh giá quyền riêng tư xác minh cách thông tin xét nghiệm nhạy cảm được thu thập, xử lý, lưu giữ, chia sẻ và xóa. Việc xử lý phù hợp với GDPR là cách tiếp cận đã nêu, không thay thế cho bằng chứng hợp đồng và kỹ thuật. Đối với Kantesti Ltd, Công ty tại Vương quốc Anh số 17090423, bên mua cần xác lập mối quan hệ và trách nhiệm giữa bên kiểm soát và bên xử lý dữ liệu áp dụng trước khi gửi dù chỉ 1 báo cáo có thông tin định danh.
Thông tin sức khỏe cần được bảo vệ nhiều hơn việc chỉ xóa tên. Báo cáo có thể chứa mã vạch, ngày sinh chính xác, số tiếp nhận hoặc chi tiết tường thuật có thể giúp nhận diện một người khi kết hợp với thông tin khác. Các biện pháp phòng ngừa quyền riêng tư khi tải lên giải thích việc tối thiểu hóa trên thực tế; bên mua nên đánh giá riêng ít nhất 3 lớp: nội dung tệp, siêu dữ liệu tài khoản và nhật ký vận hành.
Các tuyên bố về bảo mật cần xác định rõ phạm vi và ngày có bằng chứng. Xem xét các thỏa thuận mã hóa, kiểm soát truy cập, danh sách nhà thầu phụ, điều khoản thông báo sự cố và cài đặt lưu giữ trong tài liệu về quyền riêng tư dữ liệu. Nếu nhà cung cấp viện dẫn một cuộc kiểm toán, hãy hỏi cuộc kiểm toán đó áp dụng cho dịch vụ nào và giai đoạn kiểm soát nào; báo cáo về 1 thành phần hạ tầng không tự động đánh giá quyền truy cập vào ứng dụng lâm sàng hoặc cách xử lý dữ liệu mô hình.
Triển khai quốc tế tạo ra các nghĩa vụ bổ sung. Việc sử dụng tại các quốc gia 127+ không có nghĩa là một hợp đồng hoặc cơ sở pháp lý bao quát mọi khu vực pháp lý, và việc tuân thủ GDPR không đồng nghĩa với khả năng áp dụng HIPAA hoặc đáp ứng các yêu cầu của luật này. Đối với các tính năng gia đình, hãy kiểm tra ranh giới quyền hạn bằng 2 tài khoản riêng biệt, bao gồm việc thu hồi quyền truy cập và khôi phục tài khoản; cần có câu trả lời rõ ràng về việc xóa một báo cáo có đồng thời xóa cả bản sao lưu và nhật ký hay không.
Công cụ AI: Xác nhận riêng các dự đoán và khuyến nghị
Một công cụ AI cần được xác thực theo từng tuyên bố cụ thể về diễn giải mẫu, dự đoán nguy cơ trong tương lai và khuyến nghị cá nhân hóa. Đây là những nhiệm vụ khác nhau, ngay cả khi được tạo trong 1 báo cáo. Kiến trúc học sâu và phân tích đa thông số mô tả cách một hệ thống vận hành; chúng không chứng minh rằng các ước tính xác suất, gợi ý chẩn đoán hoặc lời khuyên về chế độ ăn có độ tin cậy lâm sàng.
Việc diễn giải đa thông số cần bảo toàn các cách giải thích khác nhau có thể xảy ra. Trong một báo cáo giả định có ferritin ở mức 40 ng/mL và CRP ở mức 20 mg/L, chỉ riêng ferritin không thể giải đáp vấn đề về khả năng cung cấp sắt vì ferritin có thể tăng khi có phản ứng pha cấp. Bên mua đánh giá mạng nơ-ron của Kantesti nên sử dụng các trường hợp nhạy với ngữ cảnh như vậy, trong khi giải thích công nghệ vẫn khác biệt với bằng chứng cho thấy một kết luận lâm sàng cụ thể là chính xác.
Dự đoán nguy cơ đòi hỏi xác định rõ kết cục và khoảng thời gian. Không thể diễn giải xác suất 20% nếu không nêu rõ điều gì có thể xảy ra, với ai và trong khoảng thời gian nào—ví dụ như nhập viện trong vòng 30 ngày thay vì khởi phát bệnh trong vòng 5 năm. TRIPOD+AI khuyến nghị báo cáo minh bạch các nghiên cứu mô hình dự đoán (Collins et al., 2024); hiệu chỉnh và xác thực bên ngoài rất quan trọng, kể cả đối với phân tích xu hướng liên quan đến thuốc.
Lời khuyên cá nhân hóa tạo ra một nghĩa vụ an toàn riêng. Một khuyến nghị dinh dưỡng có thể không phù hợp khi thiếu thông tin về chức năng thận, thuốc đang dùng hoặc tình trạng mang thai; tính năng Family Health Risk cũng cần xử lý rõ ràng bệnh sử không chắc chắn hoặc do người dùng tự khai báo. Bộ hướng dẫn an toàn dinh dưỡng thận của chúng tôi đưa ra các tình huống kiểm thử phù hợp, nhưng việc chấp nhận kế hoạch bữa ăn gồm 3 món không phải là bằng chứng cho thấy kế hoạch đó cải thiện kết quả hoặc thay thế an toàn cho đánh giá dinh dưỡng cá nhân hóa.
Cách thức giải thích kết quả xét nghiệm máu bằng AI hoạt động: Danh sách kiểm tra xác nhận dành cho người mua
Bên mua nên kiểm thử toàn bộ quy trình: thu thập nguồn, chuẩn hóa, diễn giải theo ngữ cảnh, tạo báo cáo và rà soát lâm sàng. Đánh giá riêng từng bước trước khi kiểm thử toàn bộ hệ thống kết hợp. Kế hoạch nghiệm thu gồm 5 giai đoạn giúp xác định dễ dàng hơn liệu đầu ra không an toàn bắt nguồn từ giá trị bị đọc sai, giả định sai hay khuyến nghị không phù hợp.
Bắt đầu bằng việc xác định mục đích sử dụng dự kiến và cố định phiên bản được đánh giá. Bước 1 là lập danh mục bằng văn bản về các tuyên bố và rủi ro; bước 2 là xây dựng một tập dữ liệu đại diện đã khóa, với tiêu chí đủ điều kiện và nhãn tham chiếu được xác định trước. Sau đó, cần kiểm thử việc đọc PDF hoặc ảnh bằng các bố cục đã chỉnh sửa, quy ước dấu thập phân và trường không đọc được; ghi lại các trường hợp từ chối thay vì âm thầm loại chúng khỏi mẫu số cuối cùng.
Tiếp theo, kiểm thử các giả định về ngữ cảnh và diễn tiến theo thời gian. Bước 3 kiểm tra đơn vị, khoảng tham chiếu và siêu dữ liệu; bước 4 chấm điểm diễn giải và khuyến nghị bằng các nhóm mức độ nghiêm trọng có ý nghĩa lâm sàng. Hướng dẫn của chúng tôi về thay đổi giữa các lần xét nghiệm tại phòng thí nghiệm đưa ra một tình huống thử thách hữu ích: mức creatinin thay đổi từ 80 lên 100 µmol/L cần xem xét thời điểm, biến thiên xét nghiệm và tình trạng bệnh nhân, chứ không phải tự động kết luận tình trạng xấu đi.
Hãy kết thúc bằng quyết định triển khai, không phải một khẩu hiệu về độ chính xác. Bước 5 đánh giá việc sử dụng thực tế trong tương lai tại địa phương và cách xử lý sự cố dựa trên các tiêu chí đã thống nhất trước khi xem xét kết quả, bao gồm giới hạn bất định và cách thức chuyển cấp. Yêu cầu một bộ hồ sơ gồm lưu đồ đoàn hệ, phiên bản mô hình, phiếu chấm điểm đầy đủ, bảng phân nhóm, ví dụ về đầu ra bất lợi và quy tắc kiểm soát thay đổi; không có tỷ lệ phần trăm chung nào có thể thay thế các ngưỡng chấp nhận phù hợp với hậu quả của sai sót.
Báo cáo mẫu và lời chứng thực: Phân biệt minh họa với bằng chứng
Một báo cáo mẫu minh họa cách trình bày và lập luận, trong khi lời chứng thực mô tả cảm nhận của một cá nhân. Cả hai đều không xác lập độ chính xác ở cấp bệnh nhân hay lợi ích lâm sàng. Xét một người trưởng thành 52 tuổi hoàn toàn giả định, có creatinin 118 µmol/L, eGFR được báo cáo là 58 mL/min/1.73 m² và không có kết quả trước đây: phần giải thích an toàn phải giữ nguyên sự bất định.
Một kết quả eGFR giảm không đủ để xác lập bệnh thận mạn. KDIGO định nghĩa bệnh thận mạn là các bất thường về cấu trúc hoặc chức năng thận tồn tại ít nhất 3 tháng; eGFR dưới 60 mL/min/1.73 m² cần được đánh giá về tính mạn tính và bối cảnh (KDIGO CKD Work Group, 2024). Trong ví dụ giả định này, báo cáo nên đề xuất bác sĩ đánh giá và theo dõi thích hợp, chứ không chẩn đoán tổn thương thận vĩnh viễn chỉ từ một kết quả.
Các giá trị ước tính dựa trên creatinin có thể kém hữu ích hơn khi thành phần cơ thể bất thường. Nếu người giả định có khối cơ rất phát triển hoặc gần đây đã thay đổi thực phẩm bổ sung, phần diễn giải nên ghi nhận các yếu tố đó thay vì gạt bỏ kết quả. Phần thảo luận của chúng tôi về creatinine ở người trưởng thành có cơ bắp cung cấp bối cảnh; KDIGO ủng hộ việc ước tính GFR kết hợp creatinin–cystatin C khi có thể, để đánh giá CKD phù hợp ở người trưởng thành, thay vì cho rằng ước tính ban đầu là kết luận cuối cùng.
Các phần trình diễn nên bao gồm đầu vào khó xử lý và đầu ra không thuận lợi. Thêm một kết quả kali giả định riêng là 6.0 mmol/L, kèm vấn đề mẫu bệnh phẩm được cảnh báo, sử dụng phần các giới hạn của kết quả liên quan đến tan máu để giải thích vì sao cần cân nhắc đồng thời cả việc xác nhận kết quả lẫn tính cấp thiết. Đối với Kantesti, một đánh giá hữu ích là so sánh mù các báo cáo hoàn chỉnh; nếu có trình bày lời chứng thực của chuyên gia với sự đồng ý của họ, thì đó vẫn là phản hồi dựa trên trải nghiệm chứ không thể thay thế việc kiểm nghiệm như vậy.
Đón nhận tương lai của chẩn đoán: Áp dụng dựa trên bằng chứng
Chỉ áp dụng diễn giải bằng AI cho những mục đích sử dụng được bằng chứng hỗ trợ, kèm giám sát tại địa phương và quy trình ứng phó với sai sót được lập thành văn bản. Kantesti là công cụ phân tích xét nghiệm máu sử dụng AI; bộ tính năng của chúng tôi cần được đánh giá theo cùng các tiêu chuẩn mua sắm được mô tả tại đây. Bắt đầu với 1 trường hợp sử dụng hạn chế sẽ an toàn hơn là cho rằng bằng chứng có thể áp dụng cho mọi bệnh nhân và mọi khuyến nghị.
Việc đưa vào sử dụng theo từng giai đoạn cần phân biệt tính khả thi với hiệu quả. Một đánh giá giả định trên 100 báo cáo theo chế độ chạy ngầm có thể phát hiện lỗi tích hợp và các vấn đề thường gặp về câu chữ mà không khiến bệnh nhân tiếp xúc với khuyến nghị chưa được rà soát, nhưng khó có thể xác lập tỷ lệ thấp của các sai sót nghiêm trọng hiếm gặp. Đánh giá tiến cứu rộng hơn cần có cơ sở lý giải cỡ mẫu và các kết quả phù hợp với tuyên bố thực tế, bao gồm cả việc theo dõi không cần thiết lẫn các vấn đề bị bỏ sót.
Các thay đổi phần mềm có thể làm thay đổi hiệu năng đã đo lường trước đó. Mô hình mới, câu lệnh, cơ sở dữ liệu khoảng tham chiếu hoặc mẫu báo cáo mới có thể làm thay đổi đầu ra ngay cả khi tên sản phẩm không đổi; hãy ghi lại cả 4 hạng mục trong lịch sử triển khai. Theo dõi mức độ nghiêm trọng của sai sót, các trường hợp từ chối đưa ra kết quả, sự sai lệch giữa các phân nhóm và các lần người dùng ghi đè, đồng thời xác định khi nào một thay đổi cần kích hoạt kiểm thử hồi quy có mục tiêu, đánh giá lại tại địa phương hoặc tạm ngừng một chức năng cụ thể.
Quyết định áp dụng cần dựa trên phân tích khoảng trống bằng chứng được lập thành văn bản. Xác định điều gì đã được chứng minh độc lập, điều gì chỉ được hỗ trợ bởi kiểm thử kỹ thuật và điều gì vẫn chưa được kiểm nghiệm; sau đó giao người chịu trách nhiệm cho từng rủi ro chưa được giải quyết. Của chúng tôi kênh liên hệ dành cho bên mua dịch vụ y tế là nơi phù hợp để yêu cầu tài liệu cho phạm vi sử dụng cụ thể—nên ưu tiên một tuyên bố hẹp hơn, có căn cứ hơn thay vì tiêu đề 99% có mẫu số không rõ ràng.
Ấn phẩm nghiên cứu: Phân biệt hướng dẫn giáo dục với nghiên cứu xác nhận
2 tài liệu tham khảo DOI trong kho lưu trữ bên dưới là các hướng dẫn mang tính giáo dục, không phải nghiên cứu xác nhận lâm sàng phần mềm diễn giải AI. DOI cung cấp mã định danh lâu dài; bản thân nó không chứng minh có bình duyệt, tuyển bệnh nhân, đánh giá độc lập hay hiệu quả lâm sàng. Bên mua nên phân loại từng ấn phẩm được trích dẫn theo câu hỏi mà ấn phẩm đó thực sự có thể trả lời.
Các hướng dẫn mang tính giáo dục có thể giúp xây dựng bộ tiêu chí đánh giá xác nhận mà không tự xác nhận sản phẩm. Của chúng tôi bổ thể và ANA có thể cung cấp thông tin cho các trường hợp cần giải thích cẩn trọng 2 phép đo bổ thể và bối cảnh kháng thể. Sự phù hợp với một hướng dẫn không đồng nghĩa với sự phù hợp với kết quả bệnh nhân được hội đồng độc lập thẩm định, đặc biệt khi hướng dẫn và phần mềm được đánh giá có cùng nguồn gốc tổ chức.
Các hướng dẫn về thời điểm chẩn đoán đề cập đến một dạng sai sót hữu ích khác. Của chúng tôi hướng dẫn xét nghiệm chẩn đoán Nipah đề cập đến một bối cảnh chẩn đoán chuyên biệt; không nên dùng nội dung này để hàm ý rằng việc diễn giải xét nghiệm thường quy có thể xác định một loại vi-rút cụ thể. Nếu bên mua đưa dù chỉ 1 tuyên bố về mầm bệnh có hậu quả nghiêm trọng vào mục đích sử dụng dự kiến, tuyên bố đó cần có bằng chứng chẩn đoán phù hợp riêng và các giới hạn chuyển tuyến thích hợp.
Các tiêu chuẩn báo cáo nghiên cứu hỗ trợ việc thẩm định chứ không chứng nhận hiệu năng. STARD 2015 có 30 hạng mục báo cáo dành cho nghiên cứu độ chính xác chẩn đoán, trong khi TRIPOD+AI đề cập đến việc báo cáo mô hình dự đoán; không danh mục kiểm tra nào cấp cho phần mềm chứng nhận phê duyệt lâm sàng. Các tài liệu tham khảo bên dưới tách riêng những nguồn phương pháp luận này và hướng dẫn KDIGO năm 2024 khỏi 2 tài liệu DOI mang tính giáo dục, để người đọc phân biệt được khuyến nghị lâm sàng, hướng dẫn báo cáo và bằng chứng dành riêng cho sản phẩm.
Câu hỏi thường gặp
Xác nhận lâm sàng phần mềm xét nghiệm máu AI là gì?
0 Đánh giá lâm sàng xác định liệu một phiên bản phần mềm xét nghiệm máu AI cụ thể có tạo ra kết quả đủ chính xác và an toàn cho các bệnh nhân và quyết định dự kiến hay không. Cần phân tách ít nhất 3 nhiệm vụ: đọc báo cáo nguồn, diễn giải ý nghĩa lâm sàng và đề xuất hành động. Bằng chứng cần mô tả tiêu chuẩn tham chiếu, cỡ mẫu ở cấp độ bệnh nhân, việc kiểm thử độc lập và cách xử lý lỗi. Một lời giải thích chính xác về mặt kỹ thuật tự nó không chứng minh được kết quả điều trị của bệnh nhân được cải thiện.
Độ chính xác của 99% có đủ để tin cậy một máy phân tích xét nghiệm máu bằng AI không?
Một tuyên bố về độ chính xác 99% không thể chứng minh tính an toàn nếu thiếu mẫu số, định nghĩa nhiệm vụ và mức độ nghiêm trọng của lỗi. Trong một nhóm giả định mà chỉ 1% mắc bệnh mục tiêu, phần mềm gán nhãn âm tính cho tất cả mọi người vẫn đạt độ chính xác 99% nhưng không phát hiện được bệnh nhân nào bị ảnh hưởng. Người mua nên yêu cầu độ nhạy, độ đặc hiệu, lỗi trong báo cáo ở cấp bệnh nhân và số lượng đầu vào bị từ chối. Những khuyến nghị hiếm gặp nhưng nguy hiểm không được phép bị khuất lấp trong mức trung bình bị chi phối bởi các phát biểu dễ xử lý.
Sự khác biệt giữa chuẩn đối sánh tổng hợp và thẩm định lâm sàng là gì?
Một bộ chuẩn tổng hợp đánh giá phần mềm trên các trường hợp được tạo dựng, trong khi thẩm định lâm sàng đòi hỏi bằng chứng phù hợp với quần thể bệnh nhân dự kiến và tuyên bố lâm sàng. Ngay cả 100,000 trường hợp tổng hợp cũng không thể xác lập tỷ lệ hiện mắc trong thực tế, lợi ích lâm sàng hoặc hiệu năng đối với mọi vấn đề về tiền sử bệnh còn thiếu và chất lượng bệnh phẩm. Kiểm thử tổng hợp có thể giúp xác định các lỗi kỹ thuật và hỗ trợ kiểm tra hồi quy. Việc này nên bổ trợ, chứ không thay thế, đánh giá bên ngoài và đánh giá tiến cứu mang tính đại diện.
AI trong lĩnh vực chăm sóc sức khỏe cần được kiểm thử độc lập ở mức độ nào?
AI trong lĩnh vực chăm sóc sức khỏe cần được kiểm thử độc lập tương xứng với hậu quả của một đầu ra sai, chứ không phải theo một số lượng báo cáo tối thiểu áp dụng chung. Quan sát thấy 0 lỗi trong 100 trường hợp độc lập vẫn để lại giới hạn trên xấp xỉ của tỷ lệ lỗi là 3%, theo quy tắc ba. Bên mua nên yêu cầu dữ liệu kiểm thử được bảo vệ, phiên bản mô hình đã đóng băng và công khai các mối quan hệ của bên đánh giá. Các tuyên bố về những lỗi nghiêm trọng hiếm gặp thường cần nhiều bằng chứng hơn mức mà một thử nghiệm thí điểm nhỏ về tính khả dụng hoặc tính khả thi có thể cung cấp.
Việc hỗ trợ 100 ngôn ngữ có đồng nghĩa với độ chính xác như nhau ở mọi ngôn ngữ không?
0 Hỗ trợ 100 ngôn ngữ không chứng minh độ chính xác lâm sàng ngang nhau ở các ngôn ngữ đó. Việc đánh giá theo từng ngôn ngữ cần kiểm tra khả năng trích xuất dữ liệu đầu vào, quy ước về dấu thập phân, đơn vị, phủ định và ý nghĩa của các khuyến nghị. Ví dụ, glucose được ghi là 5,6 mmol/L không được diễn giải thành 56 mmol/L. Người mua nên yêu cầu mẫu số riêng theo từng ngôn ngữ và công khai những ngôn ngữ chưa được rà soát lâm sàng.
AI có thể chẩn đoán bệnh thận mạn tính chỉ dựa trên một kết quả eGFR thấp không?
Một kết quả eGFR dưới 60 mL/min/1.73 m² không tự nó xác lập bệnh thận mạn. Hướng dẫn KDIGO 2024 định nghĩa bệnh thận mạn là các bất thường ở thận hiện diện ít nhất 3 tháng, đồng thời đánh giá tính mạn tính và bối cảnh lâm sàng. Những thay đổi cấp tính, thành phần cơ thể và các yếu tố khác có thể ảnh hưởng đến việc diễn giải. Phần mềm AI nên giải thích sự không chắc chắn và hỗ trợ bác sĩ lâm sàng theo dõi, thay vì gắn nhãn một ước tính giảm đơn lẻ là bệnh vĩnh viễn.
Tìm hiểu cách đọc kết quả xét nghiệm máu của bạn
Tải lên báo cáo xét nghiệm của bạn và AI của Kantesti sẽ giải thích từng dấu ấn sinh học bằng ngôn ngữ dễ hiểu chỉ trong vài giây. Được hơn 2 triệu người trên toàn thế giới sử dụng.
Tài liệu tham khảo
- Klein, T., Mitchell, S., & Weber, H. (2025). Hướng dẫn về xét nghiệm máu C3 C4 bổ thể và hiệu giá ANA. Nghiên cứu y khoa của Kantesti AI. DOI
- Klein, T., Mitchell, S., & Weber, H. (2025). Xét nghiệm máu vi-rút Nipah: Hướng dẫn phát hiện sớm và chẩn đoán năm 2026. Nghiên cứu y khoa của Kantesti AI. DOI
- Bossuyt PM et al. (2015). STARD 2015: danh sách cập nhật các hạng mục thiết yếu để báo cáo nghiên cứu độ chính xác chẩn đoán. BMJ. DOI PubMed
- Collins GS et al. (2024). Tuyên bố TRIPOD+AI: hướng dẫn cập nhật về báo cáo các mô hình dự đoán lâm sàng sử dụng phương pháp hồi quy hoặc học máy. BMJ. DOI
- Nhóm công tác về Bệnh thận mạn (CKD) của Tổ chức Cải thiện Kết quả Toàn cầu về Bệnh thận (KDIGO) (2024). Hướng dẫn thực hành lâm sàng KDIGO 2024 về đánh giá và quản lý bệnh thận mạn. Kidney International. DOI
- 2 triệu+Các xét nghiệm được phân tích
- 127+Các quốc gia
- 100+Ngôn ngữ
Về đội ngũ y tế
Tín hiệu tin cậy E-E-A-T
Kinh nghiệm
Đánh giá lâm sàng do bác sĩ phụ trách đối với quy trình diễn giải kết quả xét nghiệm.
Chuyên môn
Tập trung vào y học xét nghiệm: cách các chỉ dấu sinh học (biomarker) hoạt động trong bối cảnh lâm sàng.
Tính uy quyền
Được Tiến sĩ Thomas Klein đánh giá về mặt y khoa, với sự đóng góp của Tiến sĩ Sarah Mitchell và Giáo sư, Tiến sĩ Hans Weber.
Độ tin cậy
Diễn giải dựa trên bằng chứng, kèm các lộ trình theo dõi rõ ràng để giảm mức độ báo động.
Tuyên bố miễn trừ trách nhiệm y tế
Bài viết này chỉ nhằm mục đích giáo dục và không cấu thành lời khuyên y tế. Luôn tham khảo ý kiến của nhà cung cấp dịch vụ chăm sóc sức khỏe đủ năng lực để đưa ra quyết định chẩn đoán và điều trị.
Đã xuất bản · Đã cập nhật · Liên hệ với ban biên tập
Xuất bản bởi Kantesti Ltd, đăng ký tại Anh và xứ Wales, số công ty. 17090423, London, Vương quốc Anh.
