医学验证和临床标准 人工智能血液检测分析
三盲临床验证方法、经认证医师的监督以及真实世界结果相关性研究，共同造就了全球最值得信赖的检测结果。 人工智能血液检测分析仪.
原始证据和文件
本页所列的声明和验证数据均已记录在我们的技术报告中（待同行评审）。请在下方查看完整的方法论和佐证材料。.
基于人工智能的血液检测结果解读的临床验证框架
三盲验证方法、性能指标和质量保证方案
三盲临床验证流程
我们的验证方法通过三阶段独立审查流程消除确认偏差。每个阶段的审查都独立进行，彼此不知晓其他阶段的结论，从而确保客观准确的测量结果。
人工智能解读
该人工智能系统无需获取临床诊断、患者病史或医生记录即可分析血液检测结果。这种盲测分析确保人工智能的解读完全基于生物标志物数据和既定的参考范围。
- 无法进行临床诊断
- 人口调整后的参考范围
- 多参数相关分析
医师评论
由经认证的病理学家独立审核同一份血液检测结果。医生无法获取人工智能的解读结果，从而确保其临床判断的公正性。
- 获得委员会认证的临床病理学家
- 无法查看人工智能输出
- 标准化审查方案
独立比较
第三方临床团队将人工智能的输出结果与医生共识进行比较，但他们并不知道每份结果分别来自哪个来源。如果发现差异，则会启动额外的审查流程。
- 盲法比较方法
- 统计一致性分析
- 完整的审计跟踪文档
三盲验证工作流程
我们的验证流程通过独立的平行审查流程来确保公正的准确性评估，这些流程只有在最终比较时才会汇合。
三盲验证方法：人工智能解释（第一阶段）、医生审查（第二阶段）和独立比较（第三阶段）并行运行，互不可见。
按测试类别验证的性能
性能指标通过对超过100万个测试案例进行三盲临床审查验证。结果表明，所有主要生物标志物类别均具有一致的准确性。
总体准确率总结
总体准确率：98.7% — 基于三盲医师一致性的所有测试类别的加权平均值。各类别性能的灵敏度范围为 98.1% 至 99.3%。 参见报告第 4.1 节，表 2
临床结果相关性：87% — 与真实世界随访研究中确诊病例的纵向相关性。 参见报告第4.3节
| 测试类别 | 敏感性 | 特异性 | 样本大小 |
|---|---|---|---|
| 全血细胞计数 (CBC) | 99.3% | 99.0% | 285,000 |
| 综合代谢组 | 99.1% | 98.9% | 198,000 |
| 脂质组 | 98.8% | 98.5% | 167,000 |
| 甲状腺功能 | 98.4% | 98.1% | 142,000 |
| 肝功能检查 | 98.9% | 98.6% | 124,000 |
| 肾功能检查 | 99.2% | 99.0% | 84,000 |
人口一致性
验证结果表明，99% 在所有人口统计群体中均具有一致的准确性，不受种族、年龄、性别或地理区域的影响。按人口比例抽样确保了在 197 个国家/地区具有代表性的覆盖范围。
全球验证数据集分布
我们拥有 1500 万个样本训练数据集和 100 多万个验证案例，这些案例分布在全球所有主要地区，以确保具有人口代表性的准确性。.
医疗顾问委员会
我们的医学顾问委员会为所有人工智能算法的开发和验证提供临床监督。委员会成员来自多个国家，涵盖不同的医学专科，拥有超过180年的临床医学综合经验。
Sarah Mitchell 博士，医学博士，哲学博士
首席医疗顾问 临床病理学与检验医学汉斯·韦伯教授
高级医疗顾问 实验室医学与临床化学Maria Rodriguez 博士，医学博士，公共卫生硕士
医疗顾问 内科与预防医学陈伟博士，医学博士，理学硕士
医疗顾问 内分泌与代谢医学了解我们完整的医学顾问委员会，包括详细的个人简介、资质和研究背景。
查看所有顾问 →持续质量监控
部署后验证工作通过结构化的监测方案持续进行。实际应用效果会与临床结果进行对比，并通过反馈机制实现持续改进。
月度绩效报告
对所有生物标志物类别、人口统计群体和地理区域进行全面的准确性分析。趋势识别有助于主动进行质量管理。
实验室间一致性
在 500 多个实验室系统中进行的测试验证了性能的一致性，无论设备制造商、方法或校准标准如何。
临床结果研究
纵向相关性研究跟踪 AI 解释与确诊结果，在不同患者群体中实现了 87% 与临床结果的相关性。
医疗服务提供者反馈
整合来自医生和实验室专业人员的结构化反馈。被标记的解读结果将提交医学顾问委员会审核，并将修正内容纳入培训中。
培训数据与质量保证
我们的 AI 模型基于业内最大的精选血液检测数据集之一进行训练，严格的质量控制确保了数据的完整性和临床相关性。.
数据集组成
- 样本总数1500万
- 地理覆盖范围197个国家
- 实验室来源500多家认证实验室
- 日期范围2015-2025
- 生物标志物类型450多个参数
质量控制
多阶段数据质量保证：
- 仅限通过 ISO 15189 认证的实验室来源
- 删除不完整或损坏的记录
- 预分析误差的异常值检测
- 所有数据集的来源验证
- 符合 HIPAA/GDPR 标准的匿名化
技术与合规合作伙伴
我们的验证基础设施和人工智能开发得到了与行业领先的技术提供商的合作支持。
微软创始人中心
支持可扩展验证工作流程的云基础设施和企业级 AI 开发平台。
NVIDIA 初创计划
GPU 计算资源和 AI 模型优化，可对超过 1500 万个样本数据集进行高效训练。
Google Cloud AI
支持分布式模型训练和实时推理的机器学习基础设施。
Cloudflare
全球边缘网络，确保在 197 个国家/地区提供安全、低延迟的访问。
SOC 2 II 型控制
符合美国注册会计师协会（AICPA）标准的安全控制措施
符合 ISO 27001 标准
信息安全管理控制
符合 HIPAA 标准的控制措施
美国医疗保健数据保护保障措施
符合 GDPR 规定
欧洲数据保护条例
合理使用及限制
在医疗保健领域负责任地部署人工智能，关键在于明确人工智能的能力和局限性。 坎特什蒂 旨在作为决策支持工具，补充而非取代专业医疗判断。
未获取的信息
我们的人工智能系统孤立地解读生物标志物数据。以下临床背景信息系统无法获取：
- 完整的患者病史
- 当前用药及潜在相互作用
- 体格检查结果
- 遗传因素和家族史
- 生活方式因素（除非用户提供）
实验室方法学差异
由于设备和校准标准的差异，不同实验室的参考范围有所不同。我们拥有超过 45,000 个实验室特定参考范围的数据库，涵盖了大多数差异，但用户仍应核实提取的值是否与原始报告相符。
文件质量注意事项
OCR识别准确率取决于文档质量。手写结果或低分辨率扫描件可能会影响数值提取。所有提取值均可在分析前进行手动校正。
医疗免责声明
Kantesti是一款人工智能驱动的信息工具，它根据既定的医学参考范围和临床指南解读血液检测结果。它并非医疗器械，不能诊断、治疗、治愈或预防任何疾病。
所提供的信息仅供教育和参考之用，不应被视为医疗建议。在做出任何有关健康或治疗的决定之前，请务必咨询合格的医疗保健专业人员。
如遇医疗紧急情况，请立即联系急救服务。Kantesti 并非为紧急情况而设计。
利益冲突与资金披露
本验证文档由 Kantesti/PIYA AI 发布。医学顾问委员会成员因其咨询工作获得报酬。首席医疗官（Thomas Klein 医学博士）是 Kantesti AI 的全职员工。所有验证数据均已通过三盲法进行独立验证。验证研究未接受任何外部资助。公司通过与微软、英伟达、谷歌云和 Cloudflare 的收入和技术合作实现自筹资金。.
关于医疗验证的常见问题
“三盲验证”是什么意思？
三盲验证是指三个独立的机构在彼此不知晓对方结论的情况下分析相同的数据。我们的人工智能在不了解临床背景的情况下解读血液检测结果，医生在不查看人工智能输出结果的情况下进行独立审查，而第三个团队在不知道哪些结果来自人工智能、哪些来自医生的情况下对结果进行比较。这消除了确认偏差，确保了客观准确的测量结果。.
人工智能模型多久更新一次？
我们的模型每季度都会进行重新训练，纳入新的验证数据、更新的临床指南和新兴的生物标志物研究成果。每次更新在部署前都必须通过完整的三盲验证流程。未达到我们准确率阈值的更新将被拒绝。
为什么不同测试类别的准确率会有所不同？
有些生物标志物在全球范围内具有较为标准化的参考范围（例如电解质），而另一些生物标志物则在不同实验室和人群之间差异较大（例如甲状腺激素）。由于解读本身的复杂性，差异较大的类别准确度略低。
我可以信任人工智能对医疗决策的解读吗？
Kantesti 是一款决策支持工具，并非替代专业医疗判断。我们的人工智能会根据既定的参考范围提供经过验证的解读，但临床背景（包括您的病史、用药情况和症状）仍需医生评估才能做出治疗决策。请务必咨询您的医疗保健提供者。.
验证过程中如何考虑群体多样性？
我们的训练数据包含1500万个样本，这些样本按比例分布于197个国家，采用人口加权抽样，确保所有主要种族和地理群体均有代表性。季度公平性审核验证了不同人口统计群体间的准确性一致性，99% 的一致性在所有人口群体中均得以保持。.
如果人工智能出错会怎样？
医疗服务提供者和用户可以标记解读结果，供医学顾问委员会审核。标记的案例将由我们的首席医疗官 Thomas Klein 医学博士及其医疗团队进行分析。如果确认存在错误，我们将把更正纳入未来的培训周期。我们的持续监控机制会追踪实际应用情况，以便主动识别和解决系统性问题。.
哪里可以找到完整的验证报告？
我们完整的验证方法已记录在技术报告《人工智能驱动的血液检测结果解读临床验证框架》（报告编号：KANTESTI-TR-2025-001，DOI：10.5281/kantesti.2025.mv2）中。您可以通过DOI链接、ResearchGate或从我们的网站下载PDF版本获取完整报告。.
Kantesti上的医学内容由谁审核？
所有医学内容均由我们的首席医疗官托马斯·克莱因医学博士撰写和审核。克莱因博士是伊斯坦布尔尼桑塔什大学血液科的注册临床血液学家，拥有超过15年的实验室医学和人工智能辅助诊断经验。此外，我们还设有由12名成员组成的医学顾问委员会，负责提供额外的监督。.
企业透明度
我们秉持完全透明的原则，公开公司信息和运营方式。以下是我们的公司注册详情和领导层信息。
Kantesti AI - PIYA AI
领导
创始人兼首席执行官： 朱利安·埃米尔汉·布鲁特
富有远见的创业家，引领人工智能在医疗技术领域的创新。致力于开发易于使用的血液检测结果解读工具，以改善全球健康。
在领英上联系我首席医疗官： 托马斯·克莱因，医学博士
持有专业资格认证的临床血液学家，负责医学验证和临床监督。.
合规与认证
数据保护： 符合GDPR（欧盟）
医疗保健隐私： 符合 HIPAA 标准的保障措施（美国）
安全： SOC 2 II 型控制
质量管理： 符合 ISO 27001 标准
医疗器械： 不属于医疗器械——仅供参考。
参考资料与标准
我们的验证方法和临床标准均以既定的医疗指南和国际标准为基础。.
- [1] 世界卫生组织（WHO）。. 糖化血红蛋白（HbA1c）在糖尿病诊断中的应用。. 日内瓦：世界卫生组织；2011年。可从以下网址获取： https://www.who.int/diabetes/publications/diagnosis_diabetes2011/en/
- [2] 国际标准化组织。. ISO 15189:2022 医学实验室——质量和能力要求。. 日内瓦：ISO；2022。. https://www.iso.org/standard/76677.html
- [3] 临床和实验室标准协会（CLSI）。. EP09c：使用患者样本进行测量程序比较和偏差估计。. 第三版。宾夕法尼亚州韦恩：CLSI； 2018.
- [4] 美国国立卫生研究院（NIH）。. 血液检测参考范围。. 马里兰州贝塞斯达：美国国立卫生研究院；2024年更新。可从以下网址获取： MedlinePlus
- [5] 美国临床化学协会（AACC）。. 实验室测试参考范围。. 华盛顿特区：美国社区学院协会；2024 年。. https://www.aacc.org/
- [6] 国际临床化学联合会（IFCC）。. 参考测量程序。. 米兰：IFCC；2023。. https://www.ifcc.org/
- [7] 克莱因 T. 人工智能驱动的血液检测结果解读的临床验证框架：三盲验证方法、性能指标和质量保证方案。. 技术报告 KANTESTI-TR-2025-001，版本 2.0。坎特斯蒂人工智能； 2025.DOI： 10.5281/kantesti.2025.mv2
- [8] 美国卫生与公众服务部。. HIPAA隐私规则。. 45 CFR 第 160 部分和第 164 部分的 A 和 E 子部分。华盛顿特区：HHS；2013 年。.
- [9] 欧洲议会和理事会。. 通用数据保护条例（GDPR）。. （欧盟）2016/679 号条例。布鲁塞尔：欧盟；2016 年。.