Zadaj nam te trudne.

Dziś: ocenione we własnym zakresie na podstawie otwartej metodologii DSS, opublikowanej w całości w WP-001 i DSS-001, wraz z derywacją drzewa błędów, założeniami oraz publicznymi danymi uzupełniającymi, co pozwala każdemu odtworzyć obliczenia matematyczne. A oto element, który zaprojektowaliśmy celowo: nasz własny standard wymaga audytu przeprowadzonego przez stronę trzecią na poziomach Gold i Platinum. Ustanowiliśmy poprzeczkę, którą musimy publicznie pokonać, a niezależny audyt jest oficjalnie zaproszony. Dostawca oceniający się na podstawie tajnej rubryki to marketing; dostawca publikujący rubrykę i zapraszający egzaminatora to standard.

Nie, a to rozróżnienie jest wydrukowane na certyfikacie. Jest to celowo dwuwymiarowe: architektura · prawdopodobieństwo. DeepSensi implementuje kompletną architekturę Platinum, wszystkie pięć filarów na najwyższym poziomie. Z punktu widzenia prawdopodobieństwa, konserwatywnie wyznaczona granica najgorszego scenariusza wynosząca 3.23×10⁻⁶ spełnia docelowy wymóg IEC 61508 SIL-4 dla trybu na żądanie (<10⁻⁴) z około 31-krotnym marginesem; wartość nominalna, po uwzględnieniu wspólnych przyczyn błędów, wynosi 1.6875×10⁻⁷. Poziomy prawdopodobieństwa DSS są celowo bardziej restrykcyjne niż IEC, co oznacza, że oceniamy siebie surowiej, niż robi to branża. Mogliśmy opublikować tabelę, w której nasz najgorszy scenariusz wygodnie by się mieścił na szczycie. Opublikowaliśmy taką, w której tego nie robi, na razie.

Deklarujemy wyłącznie numeryczny cel dla trybu na żądanie i mówimy to wprost w naszych artykułach: to analogia pomiaru, a nie rzekoma certyfikacja IEC. Podstawowa metodologia, analiza drzewa błędów zgodnie z normą IEC 61025 dla 23 niezależnych barier z uzasadnionym współczynnikiem wspólnej przyczyny, to matematyka niezależna od dziedziny. Nasze stanowisko jest proste: jeśli lotnictwo i inżynieria jądrowa zdobyły ilościowe cele niezawodnościowe pięćdziesiąt lat temu, dziedzina, która decyduje, czy ból w klatce piersiowej to naciągnięty mięsień czy rozwarstwienie aorty, zasługuje na tę samą gramatykę.

Jest w toku, jest publiczna i falsyfikowalna na każdym kroku. Wszystkie dziewięć publikacji jest dostępnych publicznie; suplement do benchmarku (S1) publikuje wejścia, wyjścia i rozstrzygnięcia na poziomie poszczególnych przypadków; zgłoszenie do NEJM AI jest w toku obok preprintów na medRxiv; zaprojektowano prospektywne badanie potwierdzające na zamrożonej konfiguracji; a audyt strony trzeciej jest oficjalnie zaproszony. Każda publikowana przez nas liczba zawiera etykietę kohorty rozwojowej w tym samym zdaniu, a nie w przypisie. Jeszcze jedno: system nadal jest kalibrowany, więc obecne liczby traktujemy jako wartości minimalne, a nie maksymalne.

I byłby taki dla systemu, który zawsze odpowiada. Opublikowana krzywa to 4,6% → 1,3% → 0,0% na przestrzeni 301 przypadków, a jej mechanizmem nie jest wszechwiedza, lecz dyscyplina: kalibracja ukierunkowana w pierwszej kolejności na bezpieczeństwo oraz LIMBO – ustrukturyzowana odmowa zgadywania. W 4,0% przypadków (12 z 301) system odmówił wydania werdyktu diagnostycznego i zamiast tego wskazał, co mogłoby rozstrzygnąć dany przypadek. Ceną za osiągnięcie poziomu zerowego było dodatkowe 2,3 sekundy mediany czasu wnioskowania. Wynik kohorty rozwojowej, przedziały ufności opublikowane, badanie potwierdzające wyznaczone.

Biorąc pod uwagę wyłącznie metrykę top-1, przy tych rozmiarach próby, nie polemizowalibyśmy, a nasze przedziały ufności publikujemy właśnie po to, by każdy mógł to sprawdzić. Ale nasze twierdzenie nigdy nie dotyczyło pół punktu. Twierdzenie to opiera się na kombinacji: dokładność w czołówce branży oraz certyfikowany limit bezpieczeństwa dla najgorszego scenariusza oraz wskaźnik pominięć krytycznych wynoszący 0,0% oraz ścieżka audytu do ostatniej asercji oraz otwarty standard, względem którego każdy może przeprowadzić weryfikację. Usuń którykolwiek z tych elementów u konkurenta, a porównanie upadnie. Nikt inny nie oferuje ich wszystkich naraz.

Publiczne dane benchmarkowe wyceniają już rozwiązania alternatywne. We własnym badaniu SDBench firmy Microsoft (Nori i in. 2025, ta sama rodzina przypadków NEJM CPC), postawienie diagnozy pociągało za sobą tysiące dolarów zleconych badań na przypadek: o3 średnio 7 850 $, najlepsza konfiguracja MAI-DxO Microsoftu osiągnęła 85,5% przy koszcie 7 184 $, a lekarze uśrednili wynik do 2 963 $. Protokół się różni, SDBench zleca testy sekwencyjnie, więc nie twierdzimy, że to porównanie przy użyciu identycznego protokołu. Jednak sedno sprawy leży w ekonomii: DeepSensi osiąga 86,0% w top-1 wyłącznie na podstawie dokumentacji przypadku, w czasie od 12 sekund do kilku minut, a gdy dowodów naprawdę brakuje, nie zleca nieprzemyślanej baterii badań; zamiast tego LIMBO wskazuje jeden test, który rozstrzygnie sprawę. Samo wnioskowanie jest uruchamiane na standardowej infrastrukturze przy koszcie obliczeniowym, który jest błędem zaokrąglenia w porównaniu z jednym profilem laboratoryjnym. Ceny wdrożenia są ustalane indywidualnie na każdy projekt pilotażowy.

To pierwsze pytanie, jakie sobie zadaliśmy, a odpowiedź ma charakter architektoniczny, a nie chronologiczny. Bramka antykontaminacyjna usuwa identyfikatory, autorów, daty i cytaty z każdego przypadku, zanim rozpocznie się proces wnioskowania, wymuszając wnioskowanie na podstawie patofizjologii, a nie zapamiętywania. Sama różnica mówi za siebie: nagie modele pojedyncze na tych samych przypadkach uzyskują około 39–49% w top-1; zorkiestrowane konsylium osiąga 93,7% w top-3. Gdyby to zapamiętywanie tłumaczyło wynik, modele podstawowe nie pozostawałyby czterdzieści punktów w tyle. Narzędzie watchdog dodatkowo weryfikuje, czy wnioski wynikają z przedstawionego przypadku, a pełny audyt dla każdego przypadku jest publikowany w suplemencie S1.

Wersja 90 działa produkcyjnie na infrastrukturze obejmującej cztery kontynenty, a dostęp do niej jest celowo ograniczony: na pierwszym miejscu są programy pilotażowe i partnerstwa, wraz z listami intencyjnymi w aktywnej dyskusji z systemami ochrony zdrowia, płatnikami i organami zdrowia publicznego. Zdecydowaliśmy się opublikować dowód, standard oraz audyt przed pokazaniem logotypów klientów, a nie zamiast nich, ponieważ w medycynie to jedyna uczciwa kolejność. Ogłoszenia następują po podpisaniu umów, a nie odwrotnie.

Ten zarzut odwraca historię do góry nogami. Przełomy w medycynie wielokrotnie pochodziły od jednej osoby, która przeciwstawiła się instytucjonalnemu konsensusowi: Semmelweis walczący z gorączką połogową, Fleming zauważający zanieczyszczoną szalkę, Marshall pijący Helicobacter, by udowodnić establishmentowi błąd, a sam internet był protokołem jednego architekta, zanim stał się przemysłem nas wszystkich. Komitety dostarczają konsensus. Architekci dostarczają innowacje. Będąc jednym umysłem, nie stanowimy przeszkody dla tego projektu; to jest powód, dla którego on istnieje. Ścieżka audytu wygląda następująco: jeden architekt napisał system operacyjny, opracował dwanaście wniosków patentowych (kolejne dwadzieścia cztery w przygotowaniu), stworzył dziewięć artykułów i otwarty standard certyfikacji, a co najważniejsze – dostarczył to jako rozwiązanie działające, a nie w formie prezentacji. Istnieje także przewaga strukturalna, której nie da się kupić w korporacji: jeden umysł, który zarządza całym procesem, może optymalizować system bez komitetów, przestarzałego oprogramowania i wewnątrzfirmowej polityki. Ekonomika publicznych benchmarków pokazuje koszty działania niezoptymalizowanych systemów: u Microsoftu były to tysiące dolarów na diagnozę (o3: 7 850 $; MAI-DxO: 7 184 $; Nori i in. 2025). Architektura DeepSensi działa za to przy koszcie, który w porównaniu z jednym badaniem laboratoryjnym jest ułamkiem błędu statystycznego, i robi to bez obniżania ani jednego progu bezpieczeństwa. Trwająca ekspansja jest również częścią tego projektu – w tym dyrektorzy ds. partnerstw klinicznych na pięciu kontynentach oraz platforma zmieniająca tysiące lekarzy w opłacanych współautorów. To nie jest jednoosobowa firma, która stara się załatać swoje słabości. To jest architekt, który celowo skaluje swoją architekturę.

Nie. NeuroTokens to transparentna jednostka rozliczeniowa dla pracy poznawczej wewnątrz platformy: mierzą koszty obliczeniowe i rozliczają wynagrodzenia lekarzy co do tysięcznej części centa. Nie ma tu publicznej monety, spekulacji, ani handlu. Najważniejsza zasada brzmi: ekonomia nigdy nie wpływa na osąd kliniczny. Wynagrodzenie jest oparte na wynikach (outcome-gated), potwierdzone audytem i zaprojektowane w ramach limitów antykorupcyjnych. Angażowanie w hipotezy odbywa się w warstwie badawczej, a nie w bezpośredniej opiece nad pacjentem.

Lekarz składa podpis, ponosząc odpowiedzialność za każdy przypadek. Odmawiamy jednak romantyzowania tego procesu: podpis to autorytet, nie nieomylność, a w najtrudniejszych przypadkach lekarze bez wsparcia osiągają zaledwie 19,9%. Dlatego DeepSensi bazuje na uczciwszej relacji: oba umysły są oceniane i podlegają audytowi. Konsylium może udokumentowanie zakwestionować opinię lekarza; lekarz z kolei może zignorować konsylium na własną odpowiedzialność; wyniki człowieka i maszyny są punktowane i rozliczane obiektywnie; a odpowiedzialność podzielona jest za każdą decyzję i kryptograficznie pieczętowana. Ostatecznie, pacjent zyskuje na różnicy opinii. Taki system, gdzie kompetencje są mierzalnym i wycenionym aktywem, a nie tylko założeniem, celowo odróżnia nas od wszystkiego, co istnieje obecnie w medycynie. Status regulacyjny: pełna zgodność z HIPAA i RODO, architektoniczna zgodność z EU AI Act oraz rozpoczęta faza Q-Sub przed FDA; wdrożenie następuje zgodnie z przepisami dotyczącymi oprogramowania klinicznego w poszczególnych jurysdykcjach.

Ponieważ standard bezpieczeństwa ukryty za paywallem to nie standard – to produkt. Haczyk, jeśli go szukasz, ma wymiar strategiczny i mówimy o nim otwarcie: adopcja stanowi naszą przewagę obronną (moat). Każdy szpital, który wpisuje poziom DSS do przetargów; każdy ubezpieczyciel wyceniający usługi z uwzględnieniem certyfikowanej granicy błędu; i każdy regulator odwołujący się do Gomola Framework sprawia, że ta jednostka miary staje się jeszcze bardziej realna – a DeepSensi jest jej referencyjną implementacją. Rywale są zaproszeni do ubiegania się o tę samą certyfikację. Stworzyliśmy wytyczne i chętnie konkurujemy w ramach nich.