• Kryteria barcelońskie

    Algorytmy MBDAAs BIOPROGNOS zostały opracowane w oparciu o “kryteria barcelońskie”:

    1. Poziomy markerów nowotworowych w surowicy.
    2. Eliminacja łagodnych patologii przez wykluczenie głównego źródła wyników fałszywie dodatnich.
    3. Badania kontrolne w przypadku umiarkowanych poziomów markerów nowotworowych (sytuacja niejasna/nierozstrzygnięta).
    4. Kwestie natury technicznej.

    Dzięki temu, nasze testy wykorzystujące algorytmy MBDAAs mają najwyższe wskaźniki czułości i swoistości w porównaniu z innymi badaniami.

  • Obszerna analiza badań z wykorzystaniem Big Data

    BIOPROGNOS podpisał umowy o współpracy partnerskiej z kilkoma ośrodkami zdrowia, centrami badawczymi i systemami opieki zdrowotnej celem przeanalizowania szeregu badań laboratoryjnych i klinicznych, i stworzenia sobie w ten sposób możliwości zbadania znacznej ilości rzetelnych i wiarygodnych danych, wykorzystanych następnie do opracowania Algorytmów MBDAAs.


  • Wysoka efektywność mierzona krzywymi ROC

    Wykresy charakterystyki roboczej odbiorcy ROC (Receiver Operating Characteristics) tworzone są w celu określenia efektywności badań. Krzywe ROC służą pomiarom trafności badań, odnosząc się do ich czułości i swoistości. Ogólna efektywność badania mierzona jest ułożeniem linii ROC. Linia ta dla doskonałego badania bardzo szybko idzie w górę i zbliża się do lewego górnego rogu, gdzie znajdują się czułość i swoistość. Linia badania o niskiej efektywności będzie szła w górę po ukosie.

    Zgodnie z powyższym, wszystkie nasze badania na podstawie algorytmu MBDAA na raka płuc cechuje najwyższa efektywność na rynku.


  • Systemy uczące się w oparciu o sztuczną inteligencję

    W BIOPROGNOS oferujemy wszystkim naszym klientom (ośrodkom zdrowia, pracownikom centrów badawczych oraz systemom opieki zdrowotnej) Algorytmy MBDAAs po niższej cenie, w zamian za zgodę na wzbogacenie naszych algorytmów obliczeniowych opartych na sztucznej inteligencji o dane swoich pacjentów, udostępniane anonimowo i wyłącznie dla celów statystycznych. Działania te podejmujemy by zwiększyć efektywność Algorytmów MBDAAs przez włączanie coraz większej ilości danych, dowodząc tym samym słuszności twierdzenia, że “im więcej korzystasz, tym więcej się uczysz”.


  • Bezpieczna platforma chmurowa

    Cały rdzeń naszego działu badań i rozwoju, a także Algorytmy MBDAAs znajdują się na platformie chmurowej o wysokiej skalowalności i dostępności, która spełnia najwyższe standardy w sektorach medycznym i oprogramowania.

    Pozwala to na zmniejszenie całkowitego kosztu posiadania przez obniżenie lub usunięcie kosztów związanych ze sprzętem i oprogramowaniem komputerowym (np. siecią, serwerem, stacjami roboczymi, instalacją programów użytkowych, gwarancjami i licencjami, kosztami i zagrożeniami związanymi z migracją danych); kosztów związanych z eksploatacją (np. infrastrukturą, energią elektryczną, testowaniem, czasem przestoju, przerwą w dostawie prądu, awarią, ograniczonym działaniem, bezpieczeństwem, tworzeniem kopii zapasowych, procesem odzyskiwania danych, szkoleniem technicznym, kontrolami wewnętrznymi i zewnętrznymi, ubezpieczeniem, personelem informatycznym lub czasem kadry zarządzającej); a także kosztów długoterminowych (związanych np. z wymianą oprogramowania, jego przyszłą aktualizacją, rozbudową lub wycofaniem z użytku). Umożliwia to natomiast zoptymalizowanie zasobów finansowych dzięki zasadzie uiszczania opłat w miarę używania.


  • Proprietary RALD Framework

    Model szybkiego rozwoju algorytmów RALD (Rapid Algorithm Development) jest naszym samodzielnie opracowanym modelem skracającym czas tworzenia Algorytmów MBDAAs (czyli algorytmów określających aktywność choroby na podstawie szeregu biomarkerów, działającym w oparciu o proces Product Family Engineering (PFE).

    Product Family Engineering jest stosunkowo nowym podejściem do tworzenia produktów. Skupia się na procesie tworzenia nowych produktów w taki sposób, by można było ponownie wykorzystać ich elementy i wprowadzić zmienność przy ograniczeniu czasu i kosztów.

    Dzięki temu tworzenie wszystkich nowych algorytmów MBBDA jest szybkie i o gwaranowanej jakości: ponowne wykorzystanie bloków (zarówno funkcyjnych, jak i programowych) niczym klocków, oznacza skrócenie czasu pracy nad powstaniem nowego produktu, czasu testowania, czasu integracji, a także czasu wdrażania, co z kolei skraca czas wprowadzenia na rynek przy zachowaniu wszystkich gwarancji.