ZDROT AI vs Labplus – porównaliśmy analizę tych samych wyników badań laboratoryjnych

Czy dwa systemy analizujące te same wyniki laboratoryjne wskażą te same problemy? A jeśli tak, czy podobnie ocenią ich znaczenie i zaproponują podobne dalsze działania? Sprawdziliśmy to na dwóch rzeczywistych zestawach wyników badań.

Nie porównywaliśmy interfejsów, czasu generowania raportu, ceny ani liczby opisanych parametrów. Interesował nas rezultat analizy: które wyniki zostały uznane za wymagające uwagi, jak zostały zinterpretowane i jakie dalsze działania zaproponowano użytkownikowi.

Punktem odniesienia dla ZDROT AI był LabTest Checker® firmy Labplus – system interpretujący wyniki badań, będący certyfikowanym wyrobem medycznym klasy IIa, zgodnym z EU MDR 2017/745.

Analiza obejmuje dwa niezależne przypadki: 38-letniego mężczyznę oraz 30-letnią kobietę. Poza wiekiem i płcią nie publikujemy danych personalnych uczestników.

Obydwa zestawy badań wykonano w dwóch różnych terminach, w tej samej placówce Synevo w Kłodzku.

Pierwsze badania wykonano 17 września 2026 r., drugie 24 sierpnia 2026 r. W każdym przypadku do porównania wykorzystano ten sam źródłowy zestaw wyników laboratoryjnych.

Istnieje przy tym ważna różnica dotycząca zakresu danych dostępnych podczas analizy.

ZDROT AI wygenerował analizowane raporty na podstawie dokumentów z wynikami przesłanych przez użytkowników.

Labplus wygenerował raporty w ramach panelu Synevo, wykorzystując wyniki badań oraz dodatkowe informacje kontekstowe uwzględnione następnie w raportach.

Oznacza to, że identyczne były źródłowe wyniki laboratoryjne, ale niekoniecznie cały zakres informacji o użytkowniku dostępny dla obu systemów. Jak pokażemy dalej, w kilku miejscach miało to bezpośredni wpływ na rekomendowane dalsze postępowanie.

W obu przypadkach ocenialiśmy cztery elementy:

1. identyfikację parametrów wymagających uwagi,

2. interpretację wykrytych odchyleń,

3. rekomendowane działania,

4. wpływ dodatkowego kontekstu użytkownika na końcową interpretację.

Nie stosowaliśmy punktacji i nie wyłanialiśmy „zwycięzcy”

Porównanie obejmuje dwa przypadki. Nie jest badaniem walidacyjnym i nie stanowi dowodu równoważności klinicznej ZDROT AI i Labplus. Nie przeprowadzono również niezależnej adjudykacji klinicznej rekomendacji przez lekarza.

Porównanie zostało przeprowadzone niezależnie przez zespół ZDROT AI, bez udziału, współpracy ani autoryzacji ze strony Labplus i Synevo.

LabTest Checker® jest wyspecjalizowanym oprogramowaniem służącym do interpretacji wyników badań laboratoryjnych i certyfikowanym wyrobem medycznym klasy IIa zgodnym z EU MDR 2017/745. W analizowanych przypadkach raporty Labplus zostały wygenerowane w ramach panelu Synevo.

Dlatego chcieliśmy sprawdzić, jak rezultaty generowane przez ZDROT AI wyglądają w bezpośrednim zestawieniu z raportami wyspecjalizowanego oprogramowania medycznego – dla tych samych źródłowych wyników badań laboratoryjnych.

Nie porównujemy statusu regulacyjnego obu rozwiązań. Nie próbujemy również na podstawie dwóch przypadków wykazywać ich równoważności klinicznej. Porównujemy konkretny rezultat ich działania: identyfikację wyników wymagających uwagi, sposób ich interpretacji oraz rekomendowane dalsze postępowanie.

Wartości oraz sposób ich ujęcia przez oba rozwiązania pochodzą bezpośrednio z pierwszego 

benchmarku.Morfologia: podobna identyfikacja i podobny kierunek interpretacji

RBC wynosiło 5,14 mln/µl, hemoglobina 15,5 g/dl, a hematokryt 45,4%. Wszystkie trzy wartości zostały oznaczone w źródłowym wyniku jako podwyższone.

ZDROT AI wskazał te parametry jako wymagające konsultacji. W interpretacji wymienił m.in. odwodnienie jako możliwą przyczynę i rekomendował odpowiednie nawodnienie – około 1,5–2 litrów płynów dziennie – oraz ograniczenie nadmiernego spożycia alkoholu.

Labplus analizował RBC, hemoglobinę i hematokryt łącznie. Również wskazywał możliwość „zagęszczenia” krwi wskutek niedostatecznej podaży lub utraty płynów i również zalecał 1,5–2 litry płynów dziennie oraz ograniczenie alkoholu.

W tym fragmencie wystąpiła więc zbieżność nie tylko na poziomie wykrycia odchyleń, ale również kierunku ich interpretacji i podstawowych zaleceń.

Dalej pojawiła się jednak różnica. Labplus odwoływał się do dodatkowych informacji dotyczących m.in. palenia, przyjmowanych leków i chorób krwi. ZDROT, nie dysponując tym kontekstem w analizowanym raporcie, przedstawiał szerszy zakres możliwych przyczyn. 

Insulina i HOMA-IR: ten sam problem, inna decyzja co dalej

Jeszcze wyraźniej znaczenie dodatkowego kontekstu widać przy gospodarce węglowodanowej.

Wyniki wynosiły:

glukoza – 88 mg/dl

insulina – 14 µU/ml ↑

HOMA-IR – 3,0

W źródłowym wyniku Synevo znajdowała się informacja, że u osób dorosłych HOMA-IR >2,5 może wskazywać na zaburzenia gospodarki węglowodanowej i wymaga konsultacji z lekarzem.

ZDROT AI zidentyfikował podwyższoną insulinę jako parametr wymagający uwagi i przeszedł do rekomendacji metabolicznych. Raport wskazywał m.in. dietę o niskim indeksie glikemicznym, odpowiednią kompozycję posiłków, ograniczenie produktów wysoko przetworzonych oraz minimum 150 minut aktywności fizycznej tygodniowo. Nie przedstawił natomiast odrębnej interpretacji HOMA-IR.

Labplus również zidentyfikował insulinę jako obszar wymagający działania, ale wykorzystał dodatkową informację dotyczącą przygotowania do pobrania. Raport wskazywał, że badanie najprawdopodobniej nie zostało wykonane prawidłowo na czczo i rekomendował jego powtórzenie przed dalszą interpretacją. HOMA-IR został omówiony odrębnie, wraz z ograniczeniami jego samodzielnej interpretacji.

To ważna różnica metodologiczna : Nie mamy tu sytuacji, w której jeden system zauważył podwyższoną insulinę, a drugi ją pominął. Oba ją zidentyfikowały. Różnica pojawiła się w decyzji dotyczącej kolejnego kroku.

W uproszczeniu:

ZDROT AI: wynik laboratoryjny → wykrycie odchylenia → interpretacja → rekomendacje metaboliczne.

Labplus: wynik laboratoryjny + dodatkowy kontekst → wykrycie odchylenia → weryfikacja warunków badania → rekomendacja jego powtórzenia. 

Lipidogram: podobny rdzeń, ale nie identyczna szczegółowość

Cholesterol całkowity wynosił 202 mg/dl ↑, LDL 116 mg/dl, triglicerydy 157 mg/dl ↑, a non-HDL 147 mg/dl.

Oba systemy zwróciły uwagę na cholesterol całkowity, LDL i triglicerydy.

Różnica dotyczyła m.in. non-HDL. Labplus wykorzystał wartość 147 mg/dl jako odrębny element oceny względem zastosowanego w raporcie celu <145 mg/dl. W wygenerowanym raporcie ZDROT non-HDL nie stanowił osobnego głównego alertu.

Oba rozwiązania zidentyfikowały ten sam zasadniczy rdzeń obszarów wymagających uwagi: parametry czerwonokrwinkowe, nieprawidłowości lipidowe oraz podwyższoną insulinę.

Różnice pojawiły się przede wszystkim przy dodatkowych parametrach wykorzystywanych w interpretacji, dostępności informacji kontekstowych i wyborze dalszego postępowania.

Są to wartości i klasyfikacje zawarte w drugim benchmarku.Profil lipidowy: ponownie zbieżność w identyfikacji głównego problemu

Cholesterol całkowity wynosił 220 mg/dl ↑, LDL 145 mg/dl, non-HDL 174 mg/dl, a triglicerydy 145 mg/dl ↑.

Oba rozwiązania wskazywały cholesterol całkowity, LDL i triglicerydy jako wymagające uwagi.

Ponownie pojawiła się natomiast różnica dotycząca non-HDL: Labplus interpretował 174 mg/dl jako osobny parametr względem zastosowanego w raporcie progu <145 mg/dl. ZDROT nie utworzył dla non-HDL odrębnego głównego alertu.

ApoB 1,19 g/l nie stanowiło natomiast centralnego elementu interpretacji żadnego z raportów.

Warto zwrócić uwagę na powtarzalność jednej obserwacji: odrębna ekspozycja non-HDL przez Labplus wystąpiła w obu analizowanych przypadkach, podczas gdy ZDROT w obu raportach nie tworzył dla tego parametru osobnego głównego alertu.

Przy dwóch przypadkach nie można uznać tego za stałą właściwość systemów, ale można odnotować wystąpienie tego samego wzorca dwukrotnie.

MCHC: wykrycie odchylenia a jego priorytetyzacja

Wynik MCHC wynosił 32,5 g/dl ↓. Jednocześnie pozostałe główne parametry czerwonokrwinkowe w źródłowym dokumencie nie były oznaczone jako odchylenia.

ZDROT AI wskazał MCHC jako niskie i umieścił parametr w sekcji wymagającej konsultacji.

Labplus również zidentyfikował MCHC 32,5 g/dl jako wartość poniżej zastosowanego zakresu, ale interpretował ją łącznie z pozostałymi parametrami morfologii. W szczegółowej interpretacji nie zalecił dodatkowych działań z powodu tego pojedynczego, niewielkiego odchylenia.

Różnica nie dotyczyła więc wykrycia MCHC, lecz priorytetyzacji jego znaczenia po uwzględnieniu pozostałych parametrów morfologii.

To istotne rozróżnienie, ponieważ system może prawidłowo rozpoznać wartość znajdującą się poza zakresem, a jednocześnie nadać jej inną wagę w końcowym raporcie.

Witamina D: dodatkowy kontekst ponownie zmienia rekomendację

Wynik 25-OH D3 wynosił 22,9 ng/ml i został opisany przez Synevo jako poziom suboptymalny.

ZDROT AI oznaczył witaminę D jako nieprawidłową, a w warstwie produktowej przedstawiał m.in. preparaty witaminy D3 2000 IU.

Labplus dysponował natomiast dodatkową informacją, że użytkownik przyjmuje już „Witamina D3 2000”. W rezultacie rekomendacja została skierowana na konsultację dotyczącą prowadzonej suplementacji oraz jej ewentualnego dostosowania.

Tak jak wcześniej w przypadku insuliny, dodatkowa informacja nie zmieniła wykrycia wyniku wymagającego uwagi – zmieniła charakter dalszej rekomendacji.

Ferrytyna i żelazo: kolejny przykład wpływu kontekstu

Ferrytyna wynosiła 103 ng/ml, żelazo 116,0 µg/dl, a CRP 0,60 mg/l.

Labplus uznał sam wynik ferrytyny za prawidłowy, ale ze względu na dodatkową informację kontekstową zalecił ponowną kontrolę po ustąpieniu wskazanego problemu. W części dotyczącej żelaza rekomendował oznaczenie wysycenia transferyny.

Benchmark celowo nie rozstrzyga, czy taka ścieżka jest klinicznie lepsza. Nie przeprowadzono niezależnej adjudykacji lekarskiej. 

Dieta, styl życia i dalsza diagnostyka – tutaj podejścia różnią się najmocniej

Dotychczas porównywaliśmy przede wszystkim identyfikację i interpretację wyników. 

W drugim przypadku ZDROT AI rozwinął rekomendacje dotyczące ograniczenia nasyconych kwasów tłuszczowych do 7–10% kalorii, eliminacji tłuszczów trans, podaży błonnika >30 g dziennie, zwiększenia udziału produktów roślinnych, ograniczenia cukrów prostych i alkoholu oraz aktywności fizycznej na poziomie ≥150 min tygodniowo lub ≥75 min przy większej intensywności.

Labplus również zawierał rekomendacje dotyczące stylu życia, ale w analizowanych przypadkach szerzej rozwijał dalszą diagnostykę i kontrolę wyników.

W pierwszym benchmarku obejmowało to m.in. powtórzenie morfologii, wykonanie rozmazu, ponowne oznaczenie insuliny w odpowiednich warunkach oraz wskazanie kolejnych konsultacji.ZDROT rozwijał natomiast bardziej szczegółową warstwę dietetyczną i stylu życia oraz przechodził również do rekomendacji konkretnych produktów suplementacyjnych.

W drugim przypadku obserwowaliśmy podobny podział: ZDROT szerzej rozwijał warstwę dietetyczną i produktową, podczas gdy Labplus wykorzystywał dodatkowy kontekst do definiowania kolejnych działań kontrolnych.

Nie jest to rozstrzygnięcie, które podejście jest lepsze klinicznie. Pokazuje natomiast różnicę w sposobie prowadzenia użytkownika po wykryciu problemu.

Po zestawieniu obu benchmarków można wskazać kilka obserwacji, które wynikają bezpośrednio z analizowanych raportów.

1. W obu przypadkach wystąpiła zbieżność w identyfikacji części głównych obszarów wymagających uwagi.W pierwszym były to parametry czerwonokrwinkowe, nieprawidłowości lipidowe oraz podwyższona insulina.W drugim oba rozwiązania zwróciły uwagę na zasadniczy problem lipidowy oraz wynik witaminy D 22,9 ng/ml.

2. Zbieżność w wykryciu wyniku nie oznaczała identycznej oceny jego znaczenia.Najlepszym przykładem jest MCHC 32,5 g/dl. Oba rozwiązania wykryły odchylenie, ale ZDROT nadał mu wyższy priorytet, podczas gdy Labplus po zestawieniu z pozostałą morfologią nie rekomendował dodatkowego działania.

3. Dodatkowy kontekst potrafił zmienić dalsze postępowanie bez zmiany samej identyfikacji problemu.W pierwszym przypadku widać to przy insulinie, w drugim przy witaminie D i ferrytynie.

4. W obu przypadkach Labplus odrębnie wykorzystywał non-HDL, podczas gdy ZDROT nie eksponował tego parametru jako osobnego głównego alertu.

5. ZDROT AI szerzej rozwijał warstwę dietetyczną, stylu życia i rekomendacji produktowych, a Labplus w analizowanych przypadkach szerzej rozwijał dalszą diagnostykę i wykorzystywał dodatkowy kontekst użytkownika.

Dwa przypadki nie pozwalają stwierdzić, że ZDROT AI i Labplus są klinicznie równoważne.Nie pozwalają również stwierdzić, które rozwiązanie jest dokładniejsze lub którego rekomendacje są klinicznie lepsze.Próba jest zbyt mała, Labplus w analizowanych raportach dysponował dodatkowym kontekstem, którego ZDROT nie otrzymał, a rekomendacje nie zostały poddane niezależnej adjudykacji klinicznej.

Możemy natomiast sformułować znacznie węższy, ale oparty bezpośrednio na danych wniosek:W dwóch przeanalizowanych przypadkach ZDROT AI i Labplus wykazały zbieżność w identyfikacji części głównych obszarów wymagających uwagi. Różnice pojawiały się przede wszystkim na etapie priorytetyzacji wyników, dalszej interpretacji, wykorzystania dodatkowego kontekstu oraz rekomendowanego dalszego postępowania.To dokładnie wzorzec odnotowany również w podsumowaniu drugiego benchmarku.

To pierwsza publikacja z planowanej serii porównań.W kolejnych materiałach zastosowaliśmy analogiczną metodologię do wyników badań pochodzących z innych sieci laboratoriów diagnostycznych w Polsce.Porównanie zostało przeprowadzone niezależnie przez zespół ZDROT AI, bez udziału, współpracy ani autoryzacji ze strony Labplus i Synevo.

Najbardziej interesujący wynik tego porównania nie polega na tym, że ZDROT AI i Labplus generują identyczne raporty. Nie generują.Istotne jest to, że w dwóch niezależnych przypadkach, pomimo odmiennego modelu pracy i różnego zakresu dostępnego kontekstu, oba rozwiązania wskazały część tych samych głównych obszarów wymagających uwagi.Różnice pojawiały się przede wszystkim później: przy priorytetyzacji poszczególnych parametrów, wykorzystaniu dodatkowych informacji o użytkowniku oraz wyborze dalszego postępowania.

Z perspektywy dalszego rozwoju ZDROT AI jest to dla nas szczególnie istotne. Pokazuje bowiem nie tylko obszary zbieżności, ale również konkretne miejsca, w których rozszerzenie zakresu danych wejściowych lub sposobu ich wykorzystania może zmienić jakość i charakter końcowego raportu.

Dwa przypadki nie wystarczają, aby formułować wnioski o równoważności klinicznej. Są jednak wystarczającym powodem, aby postawić kolejne pytanie: czy obserwowany poziom zbieżności utrzyma się na znacznie większej próbie?

I na to pytanie znamy już odpowiedź !