AI có thể giải thích nhanh một báo cáo xét nghiệm đã có, nhưng tốc độ không chứng minh độ chính xác chẩn đoán. Hãy tìm hiểu những gì việc diễn giải tự động có thể cho bạn biết—và những gì vẫn cần bác sĩ lâm sàng.
Những điểm chính cần ghi nhớ
- phân tích AI giải thích kết quả xét nghiệm do phòng xét nghiệm đo lường; thời gian xử lý thông thường của chúng tôi là khoảng 60 giây, không phải thời gian trả kết quả tính từ lúc lấy và xét nghiệm mẫu.
- Sự chính xác có ít nhất 3 thành phần riêng biệt: trích xuất dữ liệu chính xác, diễn giải hợp lý về mặt lâm sàng và theo dõi phù hợp. Điểm số của một thành phần không xác lập được những thành phần còn lại.
- HbA1c ở mức 6.5% trở lên đáp ứng tiêu chí chẩn đoán đái tháo đường của ADA, nhưng nhìn chung cần xác nhận nếu không có tình trạng tăng đường huyết rõ rệt.
- Đánh giá thận cần thời gian và bối cảnh: eGFR dưới 60 mL/min/1.73 m² thường phải kéo dài ít nhất 3 tháng mới xác lập được bệnh thận mạn tính.
- dự trữ sắt có thể cạn kiệt trước khi thiếu máu xuất hiện; ferritin dưới 15 ng/mL là bằng chứng mạnh cho thấy thiếu sắt ở người trưởng thành khỏe mạnh.
- Kết quả khẩn cấp không nên chờ AI giải thích: kali ở mức 6.5 mmol/L trở lên thường cần được đánh giá y tế ngay lập tức.
- Sự riêng tư cần kiểm tra ít nhất 3 điều trước khi tải lên: sự đồng ý, thông tin nhận dạng và các điều khoản lưu giữ, xóa dữ liệu của dịch vụ.
- Phân tích xu hướng trở nên hữu ích hơn khi ít nhất 2 báo cáo có kèm ngày tháng, đơn vị, phòng xét nghiệm và các thay đổi thuốc liên quan.
Tái tạo Chăm sóc Sức khỏe với Tốc độ và Độ chính xác
Phân tích xét nghiệm máu AI có thể chuyển một báo cáo xét nghiệm đã có thành lời giải thích dễ hiểu trong khoảng 60 giây, nhưng bản thân nó không thể xác nhận chẩn đoán. Kantesti là công cụ phân tích xét nghiệm máu AI giúp người đọc hiểu các dấu ấn sinh học đã đo, mối liên hệ giữa chúng và những câu hỏi cần trao đổi với bác sĩ lâm sàng.
Ước tính 60 giây mô tả việc diễn giải bằng phần mềm, không phải toàn bộ quy trình xét nghiệm. Lấy mẫu, vận chuyển, đo lường tại phòng xét nghiệm, kiểm tra chất lượng và đánh giá lâm sàng vẫn là các giai đoạn riêng biệt; lời giải thích nhanh hơn không thể khắc phục mẫu bị dán nhãn sai hoặc làm xuất hiện kết quả xét nghiệm không có sẵn.
MỘT kết quả ngoài phạm vi tham chiếu là một tín hiệu cần được diễn giải, không phải một chẩn đoán cần chấp nhận. Một lời giải thích hữu ích phân biệt 3 câu hỏi: chỉ số có thực sự bất thường hay không, điều gì có thể lý giải chỉ số đó, và cần chú ý khẩn cấp đến mức nào—hướng dẫn của chúng tôi về cách hiểu các dấu hiệu cảnh báo trong xét nghiệm giải thích sự khác biệt đó.
Một báo cáo giả định có nồng độ kali là 6,5 mmol/L cần được đánh giá y tế ngay lập tức, thay vì thong thả xem lại lời khuyên về dinh dưỡng. Nhiễu liên quan đến quá trình lấy mẫu đôi khi có thể làm sai lệch kết quả kali, nhưng việc quyết định có an toàn để làm lại xét nghiệm hay không cần được đánh giá lâm sàng, chứ không phải lời trấn an từ phần mềm.
Lợi ích thiết thực là sự chuẩn bị: người đọc có thể đến khám với 3 câu hỏi cụ thể về việc xác nhận kết quả, các nguyên nhân có khả năng và thời điểm tái khám. Điều đó khác với việc khẳng định AI đã rút ngắn thời gian nằm viện hoặc ngăn ngừa biến chứng; những kết quả đó cần có bằng chứng riêng.
Xét nghiệm máu bằng AI là gì?
Xét nghiệm máu ứng dụng AI thường có nghĩa là phần mềm hỗ trợ diễn giải các chỉ số xét nghiệm, chứ không phải một hệ thống AI trực tiếp xét nghiệm mẫu của bạn. Hai công nghệ khác biệt thường bị nhầm lẫn: thiết bị phòng xét nghiệm đo dấu ấn sinh học và công cụ diễn giải giải thích báo cáo kết quả.
A xét nghiệm công thức máu toàn phần, bảng xét nghiệm hóa sinh và xét nghiệm kháng thể sử dụng các phương pháp xét nghiệm khác nhau; tải kết quả lên không đồng nghĩa với việc thực hiện lại các phép đo đó. Một báo cáo có 30 chỉ số vẫn chỉ thể hiện những xét nghiệm đã được chỉ định, vì vậy việc diễn giải không thể xác định rằng một vitamin, hormone hoặc dấu ấn nhiễm trùng chưa được đo là bình thường.
Tên các bảng xét nghiệm có thể gây hiểu lầm. Một bảng chuyển hóa cơ bản tiêu chuẩn thường bao gồm 8 chỉ số đo lường, nhưng không bao gồm cholesterol LDL, ferritin hoặc hormone kích thích tuyến giáp; phần giải thích của chúng tôi về bảng xét nghiệm chuyển hóa và cholesterol giúp xác định những gì thực sự còn thiếu.
Phần mềm có thể nhận đầu vào dưới dạng PDF, ảnh chụp hoặc luồng dữ liệu có cấu trúc, nhưng ý nghĩa lâm sàng phụ thuộc vào việc giữ nguyên giá trị, đơn vị và khoảng tham chiếu của từng kết quả. Ví dụ, glucose ở mức 5,6 mmol/L xấp xỉ 101 mg/dL—mất đơn vị sẽ làm thay đổi hoàn toàn phần giải thích.
AI có thể sắp xếp các mối liên hệ nhưng không xác định được nguyên nhân. Một tổ hợp giả định gồm hemoglobin thấp và ferritin thấp hỗ trợ việc đánh giá liên quan đến thiếu sắt, nhưng 1 báo cáo không thể xác định nguyên nhân là do chế độ ăn, mất máu kinh nguyệt, mất máu đường tiêu hóa, hấp thu kém hay kết hợp nhiều yếu tố.
Cách thức hoạt động của giải thích xét nghiệm máu AI
Việc diễn giải bằng AI bắt đầu bằng trích xuất chính xác báo cáo, giữ nguyên đơn vị và khoảng tham chiếu của phòng xét nghiệm, sau đó đánh giá các kết quả cùng với bối cảnh được cung cấp. Một quy trình an toàn có ít nhất 4 điểm kiểm tra: đầu vào dễ đọc, trích xuất chính xác, diễn giải theo bối cảnh và giải thích bước tiếp theo phù hợp.
PDF có văn bản có thể chọn khác với tài liệu quét và ảnh chụp bằng điện thoại. Dấu thập phân, dấu âm hoặc số mũ có thể bị mất trong quá trình trích xuất: số lượng tiểu cầu được báo cáo là 150 × 10⁹/L không được trở thành 150 tế bào/L, và cần đối chiếu một giá trị bị mờ với bản gốc thay vì tự tin diễn giải.
Việc chuyển đổi đơn vị cần các quy tắc riêng cho từng dấu ấn sinh học. Creatinine ở mức 1.0 mg/dL tương đương khoảng 88,4 µmol/L, trong khi cholesterol sử dụng hệ số chuyển đổi khác; phần của chúng tôi hướng dẫn công nghệ giải thích bằng AI giải thích sự khác biệt giữa xử lý báo cáo và suy luận lâm sàng.
Kantesti chấp nhận báo cáo dạng PDF và ảnh, và thông tin bạn cung cấp ảnh hưởng đến mức độ hữu ích của phần giải thích. Một người 45 tuổi đang dùng thuốc tuyến giáp cần được trao đổi khác với người có cùng giá trị TSH nhưng đang mang thai, mắc bệnh cấp tính hoặc mới thay đổi điều trị.
Việc kiểm tra cuối cùng thuộc về người đọc và bác sĩ lâm sàng: so sánh các giá trị được trích xuất với bản gốc trước khi hành động dựa trên phần giải thích. Kiểm tra ít nhất 3 trường cho mỗi kết quả—tên, giá trị và đơn vị—đồng thời giữ lại các nhận xét của phòng xét nghiệm về chất lượng mẫu, hạn chế của xét nghiệm hoặc thông báo khẩn qua điện thoại.
Khoảng tham chiếu không phải là ngưỡng chẩn đoán
Khoảng tham chiếu của phòng xét nghiệm mô tả một quần thể dùng để so sánh; ngưỡng chẩn đoán hỗ trợ một quyết định lâm sàng cụ thể. Nhiều khoảng tham chiếu bao phủ khoảng 95% quần thể tham chiếu được lựa chọn, vì vậy kết quả nằm ngoài khoảng đó không tự động xác lập bệnh.
Xét nghiệm nhiều chỉ số làm tăng khả năng xuất hiện một cờ cảnh báo tình cờ. Trong một bảng xét nghiệm giả định đơn giản hóa gồm 20 xét nghiệm độc lập, mỗi xét nghiệm có một khoảng tham chiếu 95%, xác suất có ít nhất 1 kết quả nằm ngoài khoảng tham chiếu là khoảng 64%; các dấu ấn sinh học thực tế có tương quan với nhau, vì vậy đây chỉ là minh họa chứ không phải dự đoán cho báo cáo của bạn.
Hiệp hội Đái tháo đường Hoa Kỳ xác định HbA1c là 6.5% hoặc cao hơn là một tiêu chí chẩn đoán đái tháo đường, thường cần xác nhận trừ khi tình trạng tăng đường huyết là rõ ràng (Ủy ban Thực hành Chuyên môn của Hiệp hội Đái tháo đường Hoa Kỳ, 2024). Đường huyết tương lúc đói ở mức 126 mg/dL, hoặc 7.0 mmol/L, cũng là một tiêu chí; nhịn đói nghĩa là không nạp calo trong ít nhất 8 giờ.
HbA1c không đáng tin cậy như nhau trong mọi tình huống. Truyền máu gần đây, thời gian sống của hồng cầu thay đổi và một số biến thể hemoglobin có thể làm cho tỷ lệ phần trăm được báo cáo không phản ánh đúng mức phơi nhiễm glucose thực tế; các lựa chọn thay thế khi A1c gây hiểu nhầm giải thích lý do bác sĩ lâm sàng có thể dùng glucose huyết tương hoặc một dấu ấn khác để thay thế.
Các báo cáo quốc tế có thể biểu thị HbA1c dưới dạng phần trăm hoặc theo đơn vị mmol/mol: 6.5% tương ứng khoảng 48 mmol/mol. Hãy sử dụng thông tin về xét nghiệm của phòng xét nghiệm địa phương và quy trình chẩn đoán phù hợp, đặc biệt trong thai kỳ, thay vì coi khoảng tham chiếu chung trên internet là áp dụng phổ quát.
Kết quả HbA1c tóm lược khoảng 2–3 tháng mức phơi nhiễm glucose, trong đó các tuần gần đây có trọng số lớn hơn các tuần trước đó. Vì vậy, kết quả thu được ngay sau khi thay đổi thuốc không thể mô tả đầy đủ tác dụng của phác đồ điều trị mới, ngay cả khi phần giải thích của AI được tạo ra tức thì.
| Mức | Khoảng | Ý nghĩa |
|---|---|---|
| Thấp hơn ngưỡng tiền đái tháo đường của ADA | HbA1c <5.7% | Không loại trừ mọi rối loạn đường huyết hoặc phủ nhận các triệu chứng; việc diễn giải giả định xét nghiệm phù hợp và đáng tin cậy. |
| Khoảng tiền đái tháo đường của ADA | HbA1c 5.7–6.4% | Hỗ trợ đánh giá nguy cơ mắc đái tháo đường tăng cao và thảo luận về phòng ngừa, theo dõi. |
| Tiêu chí chẩn đoán đái tháo đường của ADA | HbA1c ≥6.5% | Thường cần xác nhận khi không có tăng đường huyết rõ ràng; chỉ riêng tỷ lệ phần trăm không quyết định mức độ khẩn cấp. |
Vì sao AI có thể cải thiện việc xem xét báo cáo theo phương pháp truyền thống
AI có thể cải thiện tốc độ, khả năng tiếp cận và cách trình bày có hệ thống của phần giải thích báo cáo, nhưng không mặc nhiên vượt trội hơn chẩn đoán do bác sĩ thực hiện. Cần đánh giá riêng ít nhất 3 kết quả: độ chính xác khi trích xuất, chất lượng diễn giải và liệu lời khuyên có cải thiện các quyết định lâm sàng thực tế hay không.
Một công cụ có thể sao chép chính xác 99 trong số 100 giá trị nhưng lại xử lý sai kết quả duy nhất quyết định mức độ khẩn cấp. Ngược lại, một mô hình có cơ sở lâm sàng vững chắc vẫn có thể đưa ra lời khuyên không an toàn nếu tệp tải lên trộn báo cáo của 2 bệnh nhân; tỷ lệ tổng thể che khuất những dạng lỗi rất khác nhau này.
Công trình của Nagendran và cộng sự tổng quan hệ thống năm 2020 trên BMJ về các nghiên cứu học sâu so sánh AI với bác sĩ đã chỉ ra những hạn chế trong thiết kế nghiên cứu, báo cáo và khả năng áp dụng lâm sàng. Tổng quan đó không đánh giá sản phẩm của chúng tôi, nhưng giải thích vì sao hiệu suất hồi cứu và các ví dụ thuyết phục không thể thay thế thử nghiệm tiến cứu trong thực hành chăm sóc thực tế.
Các tài liệu của Kantesti xác thực kỹ thuật và lâm sàng cần được đánh giá dựa trên nhiệm vụ cụ thể, thành phần ca bệnh, tiêu chuẩn tham chiếu và các hạn chế được báo cáo. Một phép chuẩn đối sánh sử dụng ca bệnh tổng hợp có thể kiểm tra tính nhất quán trong nhiều tình huống, nhưng 100.000 ca tổng hợp không tương đương với 100.000 bệnh nhân được theo dõi tiến cứu.
Phép so sánh thực tế có giá trị nhất không phải là 'AI so với bác sĩ' một cách riêng lẻ; mà là việc bác sĩ xem xét có hỗ trợ so với không có hỗ trợ. Người đọc nên xác minh ít nhất 2 điều—độ trung thực với nguồn và cách diễn đạt mức độ bất định—trước khi dựa vào phần giải thích, bằng cách sử dụng hướng dẫn của chúng tôi để kiểm tra các giải thích y khoa do AI tạo ra danh sách kiểm tra.
Ứng dụng thực tế và các ví dụ minh họa
Diễn giải báo cáo bằng AI có thể hỗ trợ chuẩn bị cho các buổi khám, theo dõi bệnh mạn tính và làm rõ các cảnh báo bất thường. 2 ví dụ sau đây là các tình huống giả định nhằm mục đích hướng dẫn, không phải các cuộc gặp bệnh nhân, lời chứng thực hay bằng chứng cho thấy nền tảng của chúng tôi đã rút ngắn thời gian chẩn đoán.
Hãy xem xét một người 32 tuổi giả định bị mệt mỏi, có hemoglobin là 12.8 g/dL, và ferritin ở mức 9 ng/mL. Hemoglobin có thể nằm trong khoảng tham chiếu của phòng xét nghiệm, nhưng ferritin dưới 15 ng/mL là bằng chứng mạnh cho thấy dự trữ sắt cạn kiệt ở một người trưởng thành khỏe mạnh nói chung; thiếu sắt trước khi thiếu máu cần được đánh giá thay vì bỏ qua.
Ferritin cũng là một chất phản ứng pha cấp, vì vậy giá trị cao hơn không phải lúc nào cũng loại trừ tình trạng thiếu sắt trong đợt bệnh viêm. Một kết quả ferritin giả định là 90 ng/mL kèm độ bão hòa transferrin thấp và CRP tăng cao cần được giải thích khác với ferritin 90 ng/mL ở một người khỏe mạnh có các xét nghiệm sắt khác đáng yên tâm.
Bây giờ hãy xét một vận động viên chạy bộ 52 tuổi giả định có AST là 89 U/L sau một sự kiện chạy sức bền. AST có trong cơ xương cũng như gan, vì vậy thời điểm tập luyện, ALT, creatine kinase, bilirubin, triệu chứng và việc sử dụng thuốc giúp phân biệt các nguồn có thể; phần thảo luận của chúng tôi về AST tăng cao và bối cảnh giải thích lập luận này.
Không ví dụ nào chứng minh được chẩn đoán chỉ từ 1 con số. Một kết quả hữu ích sẽ xác định chi tiết còn thiếu nào có thể làm thay đổi quyết định—chẳng hạn như tình trạng mất máu kinh nguyệt nhiều kéo dài trong tình huống đầu tiên hoặc nước tiểu sẫm màu và yếu cơ rõ rệt trong tình huống thứ hai—thay vì đưa ra một danh sách dài các khả năng có mức độ quan trọng ngang nhau.
Chăm sóc cá nhân và sức khỏe phòng ngừa
Việc giải thích kết quả bằng AI theo hướng cá nhân hóa hữu ích nhất khi kết quả được xem xét cùng với tuổi tác, triệu chứng, điều trị và các phép đo trước đây—chứ không phải khi mọi giá trị cận biên đều dẫn đến việc xét nghiệm thêm. Kantesti là nền tảng giải thích kết quả xét nghiệm máu bằng AI với các tính năng Đánh giá nguy cơ sức khỏe gia đình, lập kế hoạch dinh dưỡng và phân tích xu hướng, giúp sắp xếp các cuộc thảo luận này.
MỘT eGFR dưới 60 mL/phút/1,73 m² trong ít nhất 3 tháng có thể đáp ứng một tiêu chí của bệnh thận mạn. Hướng dẫn KDIGO năm 2024 khuyến nghị đánh giá cả mức lọc và albumin niệu, vì tỷ số albumin/creatinin trong nước tiểu là 30 mg/g trở lên, tương đương khoảng 3 mg/mmol, có thể cho thấy tổn thương thận ngay cả khi mức lọc còn tương đối được bảo tồn.
Một eGFR thấp đơn lẻ trong lúc mất nước không tự động đồng nghĩa với bệnh thận mạn. Một chuỗi kết quả giả định gồm 82, 58 và 79 mL/min/1.73 m² cần được xem xét cùng ngày xét nghiệm, tiền sử bệnh lý và bối cảnh dùng thuốc trước khi đưa ra kết luận; tình trạng kéo dài và nguyên nhân quan trọng hơn giá trị riêng lẻ đáng lo ngại nhất.
Tiền sử gia đình làm thay đổi các ưu tiên nhưng không chẩn đoán bệnh di truyền. Một người thân bị đột quỵ ở tuổi 48 có thể là lý do để trao đổi về huyết áp, lipid, nguy cơ mắc bệnh tiểu đường và một số bệnh di truyền được lựa chọn; một kế hoạch xét nghiệm gia đình dựa trên nguy cơ hữu ích hơn việc chỉ định cùng một bảng xét nghiệm lớn cho mọi thành viên trong gia đình.
Kế hoạch dinh dưỡng cần có các giới hạn an toàn, đặc biệt khi liên quan đến chức năng thận, kali hoặc thuốc được kê đơn. Người có kali ở mức 5,6 mmol/L không nên tự động được khuyên tăng cường thực phẩm giàu kali; hướng dẫn của chúng tôi về lập kế hoạch dinh dưỡng chú trọng đến thận giải thích vì sao việc diễn giải kết quả xét nghiệm và các khuyến nghị về chế độ ăn phải luôn gắn liền với nhau.
Chất lượng mẫu có thể làm thay đổi câu trả lời của AI
Việc thu thập, vận chuyển và nhiễu xét nghiệm có thể làm thay đổi kết quả xét nghiệm trước khi bất kỳ hệ thống AI nào đọc được chúng. Kiểm tra ít nhất 3 nguồn gây sai lệch—tính toàn vẹn của mẫu, khâu chuẩn bị và việc sử dụng thuốc hoặc thực phẩm bổ sung—có thể ngăn một lời giải thích có vẻ chính xác lại bắt đầu từ dữ liệu sai lệch.
Tán huyết trong quá trình thu thập hoặc xử lý mẫu có thể làm tăng giả tạo kali và LDH, với mức độ ảnh hưởng tùy thuộc vào xét nghiệm và mức độ nhiễu. Một kết quả kali giả định là 6.2 mmol/L kèm nhận xét về tan máu vẫn cần được xử lý lâm sàng kịp thời; hướng dẫn của chúng tôi về kết quả sai lệch liên quan đến tan máu giải thích vì sao nhận xét của phòng xét nghiệm rất quan trọng.
Thời điểm có thể làm thay đổi cách diễn giải ngay cả khi mẫu đạt yêu cầu kỹ thuật. Kết quả glucose sau bữa ăn không thể thay thế kết quả sau khi nhịn ăn 8 giờ, và nồng độ thuốc được đo trước liều tiếp theo trả lời một câu hỏi khác với mẫu được lấy ngay sau khi dùng thuốc.
Biotin có thể gây nhiễu một số xét nghiệm miễn dịch, bao gồm một số xét nghiệm tuyến giáp, nhưng mức độ nhạy cảm và khoảng thời gian cần ngừng dùng thay đổi tùy theo xét nghiệm và liều dùng. Một thực phẩm bổ sung có chứa 5 mg biotin không tương đương với lượng hấp thu thông thường từ chế độ ăn; hãy khai báo sản phẩm và làm theo hướng dẫn của phòng xét nghiệm thay vì áp dụng một khoảng thời gian ngừng dùng chung cho mọi trường hợp.
Kết quả cũng có thể thuộc sai mốc thời gian. Trước khi tải lên 2 tệp PDF, hãy xác nhận bệnh nhân, ngày lấy mẫu và liệu một trong hai báo cáo có phải là bản đã đính chính hay không; nếu không, việc so sánh kết quả ban đầu với bản đính chính có thể tạo ra một 'xu hướng' giả tạo không có ý nghĩa sinh học.
Hướng dẫn từng bước: Cách phân tích máu bằng AI
Để phân tích báo cáo bằng AI, hãy tải lên tài liệu dễ đọc, xác minh các giá trị được trích xuất, bổ sung bối cảnh liên quan và xem lại phần giải thích cùng với bản gốc. Thời gian diễn giải thông thường là khoảng 60 giây, nhưng không nên vội vàng thực hiện bước kiểm tra an toàn chỉ để theo kịp phần mềm.
Trước tiên, hãy chọn tệp PDF đầy đủ hoặc ảnh chụp rõ nét, thấy đủ cả 4 góc và không bị lóa che khuất kết quả. Hãy kèm theo khoảng tham chiếu của phòng xét nghiệm và nhận xét về bệnh phẩm; nếu bạn đang chuẩn bị cho lần lấy mẫu tiếp theo, hướng dẫn của chúng tôi về chuẩn bị hữu ích cho xét nghiệm ban đầu giải thích cách khâu chuẩn bị ảnh hưởng đến khả năng so sánh.
Thứ hai, hãy kiểm tra sự đồng ý và thông tin nhận dạng trước khi gửi tài liệu. Bạn có thể thử phân tích báo cáo miễn phí của Kantesti bằng tệp PDF hoặc ảnh được hỗ trợ, nhưng chỉ tải lên thông tin mà bạn có quyền chia sẻ và kiểm tra các tính năng nào được bao gồm trước khi kỳ vọng sử dụng miễn phí dịch vụ trả phí.
Thứ ba, hãy đối chiếu báo cáo đã trích xuất với bản gốc và cung cấp những chi tiết làm thay đổi cách diễn giải: triệu chứng, tên và liều thuốc, tình trạng mang thai khi có liên quan, cùng bệnh gần đây hoặc việc tập thể dục. Để xem xét xu hướng, hãy cung cấp ít nhất 2 báo cáo có ghi ngày, chứ không chỉ có kết quả hiện tại và ảnh chụp màn hình không ghi ngày.
Cuối cùng, hãy chuyển phần giải thích thành một kế hoạch theo dõi ngắn gồm 3 mục: mức độ khẩn cấp, xác nhận và các câu hỏi dành cho bác sĩ lâm sàng. Không tự ý ngừng thuốc được kê đơn hoặc bắt đầu bổ sung liều cao chỉ vì báo cáo do AI tạo ra gợi ý một mối liên hệ có thể có; các quyết định điều trị cần dựa trên tiền sử lâm sàng liên quan và sự giám sát của chuyên gia.
Các câu hỏi thường gặp về phân tích máu bằng AI
Những câu hỏi chính về phân tích máu bằng AI liên quan đến độ tin cậy, giá cả, quyền riêng tư, khả năng tiếp cận phòng khám và tích hợp—không chỉ tốc độ xử lý. Hãy xem xét những điều này như 5 quyết định riêng biệt, vì một dịch vụ có giá phải chăng và dễ tiếp cận vẫn có thể không phù hợp với một nhiệm vụ y tế hoặc xử lý dữ liệu cụ thể.
Độ tin cậy nên được đánh giá dựa trên kết quả và trường hợp sử dụng cụ thể, chứ không phải một tỷ lệ chính xác chung áp dụng cho mọi trường hợp. Một hệ thống xử lý xét nghiệm hóa sinh thường quy cho người lớn không vì thế mà đã chứng minh được hiệu suất tương đương với trường hợp trẻ 6 tuổi, xét nghiệm kháng thể hiếm gặp hoặc quyết định phức tạp về thuốc dùng sau ghép tạng.
Chi phí không chỉ là phí báo cáo được quảng cáo. Trước khi mua, hãy kiểm tra ít nhất 3 mục—giới hạn sử dụng, thanh toán định kỳ và điều gì xảy ra khi không thể diễn giải tệp tải lên—vì quyền truy cập theo gói đăng ký, tính năng dành cho gia đình và tích hợp doanh nghiệp có thể có các điều khoản khác nhau.
Quyền riêng tư cần được bảo vệ trước khi tải tệp lên. Một báo cáo có thể chứa tên, ngày sinh, địa chỉ và mã số xét nghiệm trên nhiều trang; hướng dẫn của chúng tôi về quyền riêng tư trước khi tải báo cáo lên giải thích cách hạn chế tiết lộ thông tin không cần thiết mà vẫn giữ lại độ tuổi, ngày tháng hoặc bối cảnh xét nghiệm cần thiết cho việc diễn giải.
Phòng khám nhỏ và tổ chức lớn cần các kế hoạch triển khai khác nhau, nhưng cả hai đều nên duy trì quy trình để bác sĩ lâm sàng xem xét và phương án xử lý khi hệ thống ngừng hoạt động. Hãy thử nghiệm ít nhất 1 báo cáo bình thường, 1 báo cáo khẩn cấp và 1 báo cáo không đọc được trước khi xem một buổi trình diễn là bằng chứng cho thấy quy trình đã sẵn sàng để áp dụng trong chăm sóc thường quy.
Phạm vi tiếp cận và tác động toàn cầu của việc diễn giải đa ngôn ngữ
Việc diễn giải bằng AI đa ngôn ngữ có thể giúp nhiều người tiếp cận lời giải thích về xét nghiệm hơn, nhưng phạm vi ngôn ngữ không chứng minh rằng hiệu suất lâm sàng là tương đương ở mọi nhóm dân số. Kantesti là công cụ phân tích xét nghiệm máu ứng dụng AI với phạm vi tiếp cận được báo cáo là người dùng 2M+ trên và hỗ trợ hơn 100 ngôn ngữ.
Định dạng theo vùng có thể gây lỗi trước khi bắt đầu dịch. Giá trị 1,25 có thể có nghĩa là 1.25 thay vì 125, và một ngày như 03/04 có thể được hiểu khác nhau giữa các quốc gia; quy trình đáng tin cậy phải bảo toàn ý nghĩa của con số, chứ không chỉ dịch những từ ngữ xung quanh.
Khoảng tham chiếu theo độ tuổi rất quan trọng trong mọi ngôn ngữ. Giá trị tiểu cầu, tế bào lympho hoặc ALP phù hợp với một trẻ 7 tuổi có thể được diễn giải khác ở người trưởng thành; hướng dẫn của chúng tôi về Diễn giải AI cho trẻ em giải thích vì sao kết quả nhi khoa cần được đặt trong bối cảnh lâm sàng riêng và được chuyên gia đánh giá.
Các tùy chọn truy cập của chúng tôi bao gồm ứng dụng iOS và Android gốc với lượt tải xuống 100K+, tiện ích mở rộng Chrome và API B2B. Số lượt tải xuống và người dùng phản ánh mức độ phổ biến và khả năng tiếp cận; chúng không đo độ nhạy chẩn đoán, xác lập sự cấp phép theo quy định hoặc chứng minh rằng định dạng xét nghiệm của mọi quốc gia đã được thẩm định độc lập.
Hệ sinh thái của chúng tôi có Microsoft FoundersHub, NVIDIA Inception, Google Cloud và Cloudflare, thuộc 4 chương trình hoặc nhà cung cấp được nêu tên. Các mối quan hệ này liên quan đến hệ sinh thái công nghệ và cơ sở hạ tầng của chúng tôi; không nên hiểu là các tổ chức đó xác nhận kết luận y khoa hoặc chứng nhận độc lập độ chính xác lâm sàng.
Định hình tương lai của ngành chăm sóc sức khỏe bằng bằng chứng tốt hơn
Bước tiến có ý nghĩa tiếp theo trong việc diễn giải xét nghiệm máu bằng AI là cải thiện bằng chứng, tích hợp an toàn hơn và làm rõ mức độ bất định—chứ không phải đưa ra những tuyên bố mạnh mẽ hơn về chẩn đoán tự động. Có ba ưu tiên đặc biệt hữu ích: hiệu năng ở các nhóm bệnh nhân khác nhau, phân tích theo thời gian đáng tin cậy và đánh giá tiến cứu các quyết định có hỗ trợ của bác sĩ lâm sàng.
Thay đổi giữa 2 kết quả không tự động đồng nghĩa với tác động của điều trị. Biến thiên sinh học trong cùng một người và biến thiên trong phép đo của phòng xét nghiệm có thể gây ra thay đổi mà không phản ánh sự thay đổi đáng kể về sức khỏe; phần giải thích của chúng tôi về những thay đổi thực sự giữa các lần xét nghiệm cho thấy vì sao giá trị thay đổi tham chiếu có thể hữu ích hơn việc so sánh các cờ cảnh báo.
Mức eGFR thay đổi từ 80 xuống 65 mL/min/1.73 m² tương đương khoảng 19%, nhưng ý nghĩa của thay đổi này phụ thuộc vào thời điểm, điều trị và các phép đo lặp lại. Hướng dẫn KDIGO năm 2024 xác định rằng mức thay đổi eGFR tiếp theo lớn hơn 20% ở người mắc CKD vượt quá mức biến thiên dự kiến và cần được đánh giá—chứ không phải là bằng chứng tự động cho thấy tình trạng xấu đi do một nguyên nhân cụ thể.
Việc theo dõi thuốc cho thấy hỗ trợ theo thời gian có thể hữu ích ở đâu mà không thay thế nhận định kê đơn. Cùng một kết quả có thể đòi hỏi cách xử trí khác sau khi thay đổi liều so với khi điều trị ổn định; Xu hướng AI trong an toàn dùng thuốc giải thích vì sao cần kèm thời điểm dùng liều và ít nhất 2 báo cáo có thể so sánh được khi đánh giá xu hướng.
Không nên mặc định rằng mô hình sẽ tự huấn luyện lại sau mỗi lần tải lên. Những quan ngại về báo cáo được Nagendran và cộng sự mô tả trong BMJ năm 2020 ủng hộ cách tiếp cận thận trọng hơn: đánh giá các phiên bản mới trước khi phát hành, ghi lại các hạn chế và phân biệt một màn trình diễn kỹ thuật thuyết phục với bằng chứng về lợi ích trong thực hành lâm sàng.
Kết luận: Sử dụng diễn giải nhanh hơn để chăm sóc an toàn hơn
Cách sử dụng máy phân tích máu AI tốt nhất là giúp hiểu kết quả nhanh hơn, sau đó đưa ra hành động lâm sàng phù hợp—chứ không thay thế phòng xét nghiệm hoặc bác sĩ của bạn. Một quy trình xem xét hữu ích tạo ra 3 kết quả thực tế: báo cáo thực sự ghi những gì, điều gì có thể làm thay đổi ý nghĩa của báo cáo và bước tiếp theo nên làm gì.
Hãy giữ cả tài liệu xét nghiệm gốc lẫn phần giải thích. Khi thảo luận về 2 báo cáo, hãy mang theo ngày lấy mẫu, đơn vị đo, các thay đổi về thuốc và triệu chứng; những chi tiết này thường giúp giải quyết nhiều điều chưa rõ hơn một danh sách dài hơn các chẩn đoán có thể có được tạo ra từ một giá trị đơn lẻ.
Kantesti được vận hành bởi Kantesti Ltd, Công ty Anh Quốc số 17090423. Của chúng tôi và mục đích của chúng tôi tách biệt với việc diễn giải lâm sàng báo cáo của bạn, và không bao giờ nên xem đăng ký công ty, quan hệ đối tác về cơ sở hạ tầng hoặc quy mô độc giả là bằng chứng xác nhận một chẩn đoán.
Chăm sóc dự phòng không đồng nghĩa với việc hằng năm xét nghiệm mọi dấu ấn sinh học hiện có. Một người khỏe mạnh 28 tuổi và một người 68 tuổi mắc bệnh tiểu đường có các ưu tiên sàng lọc và theo dõi khác nhau; hướng dẫn của chúng tôi về xét nghiệm máu khi khỏe mạnh giúp định hướng cuộc trao đổi dựa trên nguy cơ, thay vì cho rằng càng xét nghiệm nhiều càng tốt.
Một số tình huống bỏ qua hoàn toàn quy trình diễn giải: các triệu chứng nghiêm trọng hoặc chỉ dẫn của phòng xét nghiệm yêu cầu tìm kiếm chăm sóc khẩn cấp đều cần được đánh giá y tế. Kết quả kali từ 6.5 mmol/L trở lên là một dấu hiệu khẩn cấp như vậy; đừng chờ ý kiến thứ hai từ phần mềm rồi mới làm theo chỉ dẫn của phòng xét nghiệm.
Các ấn phẩm nghiên cứu và tài nguyên bổ sung
Các ấn phẩm giáo dục giải thích cách diễn giải dấu ấn sinh học, trong khi các nghiên cứu xác nhận lâm sàng kiểm tra xem một công cụ cụ thể có hoạt động an toàn cho một nhiệm vụ xác định hay không. 2 tài liệu bên dưới có liên kết DOI là các hướng dẫn giáo dục; chỉ riêng mã định danh trong kho lưu trữ không chứng minh rằng máy phân tích AI đã được bình duyệt hoặc thẩm định tiến cứu.
Việc diễn giải tình trạng sắt trở nên hữu ích hơn khi đánh giá đồng thời ferritin, sắt huyết thanh và khả năng gắn kết. Độ bão hòa transferrin bằng sắt huyết thanh chia cho TIBC, nhân với 100, khi cả hai sử dụng đơn vị tương thích; hướng dẫn của chúng tôi hướng dẫn giải thích các xét nghiệm sắt giải thích vì sao lượng sắt lưu hành thấp có thể đi kèm với tình trạng dự trữ cạn kiệt hoặc giảm khả năng huy động.
Một giá trị sắt huyết thanh giả định là 40 µg/dL và TIBC là 400 µg/dL cho độ bão hòa transferrin là 10%. Phép tính đó mô tả lượng sắt sẵn có, chứ không phải nguyên nhân, vì vậy cần diễn giải kết quả cùng với ferritin, hemoglobin, tình trạng viêm và lý do lâm sàng khiến xét nghiệm này được chỉ định.
Xét nghiệm đông máu có một hạn chế khác: các chỉ số sàng lọc bình thường không loại trừ mọi rối loạn chảy máu hoặc đông máu. aPTT ở mức 30 giây có thể nằm trong khoảng tham chiếu của phòng xét nghiệm nhưng vẫn chưa giải đáp được những câu hỏi có ý nghĩa lâm sàng; bài viết của chúng tôi xét nghiệm đông máu của chúng tôi giải thích sự phụ thuộc vào xét nghiệm cụ thể và vai trò của việc theo dõi có mục tiêu.
Các tài liệu tham khảo bên ngoài được liệt kê dưới đây hỗ trợ 3 nội dung cụ thể của bài viết này: ngưỡng chẩn đoán tiểu đường, đánh giá thận và sự thận trọng khi diễn giải bằng chứng so sánh AI với bác sĩ lâm sàng. Bài viết của chúng tôi các tiêu chuẩn về nội dung y khoa mô tả cách phân biệt các tuyên bố giáo dục với tuyên bố về sản phẩm, ví dụ giả định và những câu hỏi vẫn chưa có lời giải chắc chắn.
Câu hỏi thường gặp
AI giải thích kết quả xét nghiệm máu đáng tin cậy đến mức nào?
0 AI giúp giải thích kết quả xét nghiệm máu, nhưng độ tin cậy phụ thuộc vào việc trích xuất dữ liệu, bối cảnh lâm sàng và việc xác thực cho nhiệm vụ cụ thể. Một tuyên bố như độ chính xác 99% không thể diễn giải được nếu không biết nội dung được kiểm tra, tiêu chuẩn tham chiếu nào được sử dụng và đối tượng nào được khảo sát. Hãy so sánh các giá trị được trích xuất với báo cáo gốc và hỏi hệ thống xử lý các kết quả không đọc được hoặc cần xử trí khẩn cấp như thế nào. Phần giải thích do AI tạo ra nên hỗ trợ, chứ không thay thế, đánh giá lâm sàng.
Phân tích xét nghiệm máu AI có đắt không?
Chi phí phân tích xét nghiệm máu AI thay đổi tùy theo các tính năng, giới hạn sử dụng và gói truy cập được cung cấp; không có mức giá chung. Hãy kiểm tra ít nhất 3 chi tiết trước khi thanh toán: liệu phí có được tính định kỳ hay không, có bao nhiêu báo cáo được bao gồm và các tính năng dành cho gia đình hoặc doanh nghiệp có mất thêm phí hay không. Bản dùng thử miễn phí hoặc bản trình diễn có thể không bao gồm mọi tính năng có trong gói trả phí. Phí xét nghiệm tại phòng thí nghiệm và phí tư vấn bác sĩ tách biệt với phí diễn giải bằng phần mềm.
Các phòng khám nhỏ hơn có thể sử dụng AI để phân tích máu không?
Các phòng khám nhỏ hơn có thể sử dụng công cụ diễn giải AI để giúp sắp xếp và giải thích các báo cáo xét nghiệm hiện có, với điều kiện quy trình làm việc vẫn có sự giám sát lâm sàng phù hợp. Trước khi sử dụng thường quy, hãy kiểm thử ít nhất 3 tình huống: một báo cáo thông thường, một bất thường cần xử lý khẩn cấp và một tài liệu có chất lượng trích xuất kém. Các phòng khám cũng cần có quy trình xin chấp thuận, phân định trách nhiệm rõ ràng và kế hoạch ứng phó khi dịch vụ ngừng hoạt động. Chỉ có quyền truy cập vào ứng dụng hoặc API không chứng minh rằng việc triển khai đáp ứng các yêu cầu lâm sàng hoặc quy định tại địa phương.
Dữ liệu bệnh nhân được bảo mật như thế nào khi tải kết quả xét nghiệm máu lên?
Bảo mật dữ liệu bệnh nhân phụ thuộc vào các biện pháp bảo vệ, quyền kiểm soát truy cập, thỏa thuận lưu trữ và thông tin được đưa lên của dịch vụ. Cách tiếp cận của chúng tôi chú trọng quyền riêng tư và phù hợp với GDPR, nhưng người dùng vẫn nên kiểm tra ít nhất 3 vấn đề: quyền chia sẻ, các chi tiết nhận dạng không cần thiết và điều khoản lưu trữ hoặc xóa dữ liệu. Không tải lên phiếu xét nghiệm của người thân nếu không có sự đồng ý hoặc thẩm quyền phù hợp. Khi giảm bớt thông tin nhận dạng, hãy giữ lại các chi tiết hữu ích về mặt lâm sàng như tuổi, ngày lấy mẫu, đơn vị và nhận xét của phòng xét nghiệm.
Máy phân tích xét nghiệm máu bằng AI có thể tích hợp với các hệ thống lâm sàng hiện có không?
API B2B của chúng tôi hỗ trợ công việc tích hợp, nhưng cần xác minh khả năng tương thích với một hệ thống lâm sàng cụ thể thay vì mặc định là tương thích. Việc triển khai cần bảo toàn ít nhất 4 yếu tố: đối chiếu bệnh nhân, ngày lấy mẫu, đơn vị đo và khoảng tham chiếu của phòng xét nghiệm. Kiểm thử kỹ thuật cũng cần bao gồm xác thực, quyền truy cập, xử lý lỗi và định tuyến kết quả khẩn cấp. Bản thân việc API khả dụng không chứng minh rằng API hỗ trợ một tiêu chuẩn tương tác cụ thể hoặc cho phép tự động đưa ra quyết định điều trị.
AI có thể chẩn đoán bệnh tiểu đường hoặc các bệnh khác từ kết quả xét nghiệm máu không?
0. AI có thể giải thích liệu một kết quả có đáp ứng tiêu chí chẩn đoán được công nhận hay không, nhưng không thể tự mình xác nhận mọi chẩn đoán từ báo cáo xét nghiệm. Ví dụ, HbA1c từ 6.5% trở lên đáp ứng tiêu chí chẩn đoán đái tháo đường của ADA, trong khi nhìn chung cần xác nhận nếu không có tình trạng tăng đường huyết rõ rệt. Tình trạng sống còn của hồng cầu thay đổi, truyền máu và một số yếu tố gây nhiễu xét nghiệm có thể làm thay đổi cách diễn giải HbA1c. Bác sĩ kết hợp các phép đo đáng tin cậy với triệu chứng, tiền sử và mọi xét nghiệm lặp lại hoặc bổ sung cần thiết.
Phân tích AI mất bao lâu và tôi có thể tải lên tệp PDF hoặc ảnh không?
Phần diễn giải bằng AI của chúng tôi thường mất khoảng 60 giây sau khi tải lên một tệp PDF hoặc ảnh rõ ràng được hỗ trợ. Ước tính này không bao gồm thời gian lấy mẫu, xét nghiệm trong phòng thí nghiệm hoặc bác sĩ xem xét, và việc tải lên gặp khó khăn hoặc điều kiện dịch vụ có thể ảnh hưởng đến thời gian xử lý. Hãy sử dụng báo cáo đầy đủ có đơn vị, khoảng tham chiếu và nhận xét về mẫu bệnh phẩm hiển thị rõ. Hãy đối chiếu các kết quả được trích xuất với bản gốc trước khi hành động dựa trên phần giải thích.
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 sắt: TIBC, độ bão hòa sắt và khả năng gắn kết. Nghiên cứu y khoa của Kantesti AI. DOI
- Klein, T., Mitchell, S., & Weber, H. (2025). Khoảng bình thường của aPTT: Hướng dẫn về D-Dimer, Protein C và đông máu. Nghiên cứu y khoa của Kantesti AI. DOI
- Ủy ban Thực hành Chuyên môn của Hiệp hội Đái tháo đường Hoa Kỳ (2024). 2. Chẩn đoán và phân loại bệnh đái tháo đường: Tiêu chuẩn chăm sóc bệnh đái tháo đường—2024. Chăm sóc bệnh đái tháo đường. 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
- Nagendran M và cộng sự (2020). Trí tuệ nhân tạo so với bác sĩ lâm sàng: tổng quan hệ thống về thiết kế, tiêu chuẩn báo cáo và các tuyên bố trong nghiên cứu học sâu. BMJ. 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.
Một phản hồi về “AI Blood Test Analyzer: Fast & Accurate Diagnostics – V7”
Gần đây tôi đã mua gói đăng ký hàng năm với giá 60 EURO và thực sự kinh ngạc trước kết quả mà Máy phân tích máu AI mang lại. Sau khi trải qua những triệu chứng mơ hồ và nhận được những lời giải thích đáng ngờ từ nhiều bác sĩ, tôi bắt đầu tìm kiếm trực tuyến các công cụ chẩn đoán đáng tin cậy hơn. Đó là lúc tôi khám phá ra hệ thống Giải thích xét nghiệm máu AI mang tính cách mạng này—và nó đã hoàn toàn thay đổi cuộc chơi.
Điểm khác biệt của Máy phân tích xét nghiệm máu này chính là tốc độ và độ chính xác đáng kinh ngạc. Không giống như các phương pháp truyền thống đôi khi có thể dẫn đến sai lệch kết quả, quy trình do AI điều khiển đã cung cấp một phân tích chi tiết, dựa trên dữ liệu, thậm chí còn thông minh hơn cả ý kiến của bác sĩ. Thực tế, trong một lần xét nghiệm định kỳ, hệ thống đã phát hiện sớm những dấu hiệu của một tình trạng nghiêm trọng gọi là Viêm mạch tăng viêm hệ thống (SHV) - một căn bệnh mà tôi chưa từng nghe đến trước đây. Bị sốc trước phát hiện này, tôi đã nhanh chóng tham khảo ý kiến của các bác sĩ chuyên khoa. Họ xác nhận rằng kết quả phân tích của AI là chính xác và thậm chí còn bày tỏ lòng biết ơn vì đã phát hiện ra một căn bệnh mà nếu không có AI, tôi đã có thể bỏ qua.
Việc sử dụng Máy phân tích máu tiên tiến này thường xuyên không chỉ mang lại cho tôi sự an tâm mà còn giúp tôi chủ động thực hiện các bước chăm sóc sức khỏe. Việc tích hợp liền mạch các thuật toán học máy với dữ liệu phòng xét nghiệm theo thời gian thực đảm bảo mọi xét nghiệm đều nhanh chóng, đáng tin cậy và dễ hiểu. Tính năng Diễn giải Xét nghiệm Máu bằng AI đã cung cấp một báo cáo toàn diện, hướng dẫn tôi can thiệp sớm, có khả năng giúp tôi tránh được các biến chứng nghiêm trọng hơn về sau.
Tôi chân thành giới thiệu Máy phân tích xét nghiệm máu AI này cho bất kỳ ai đang tìm kiếm độ chính xác và hiệu quả chẩn đoán tiên tiến. Cách tiếp cận sáng tạo của nó trong phân tích xét nghiệm máu đang chuyển đổi ngành chăm sóc sức khỏe bằng cách cung cấp những hiểu biết vượt xa các phương pháp truyền thống. Tôi đã chia sẻ trải nghiệm tích cực của mình với bạn bè và gia đình, và tôi tin tưởng rằng công cụ này sẽ tiếp tục thiết lập những tiêu chuẩn mới trong chẩn đoán y tế.
Xin cảm ơn nhóm nghiên cứu đứng sau sản phẩm tuyệt vời này vì đã thu hẹp khoảng cách giữa công nghệ và chăm sóc sức khỏe—và đã giúp tôi kiểm soát sức khỏe của mình theo những cách mà tôi chưa bao giờ tưởng tượng được.