Metodologija
Posljednji pregled: 25. travnja 2026.
LongevityMate turns blood test data, optional wearable context, goals, and lifestyle answers into educational insights. This page outlines the high-level process we use so users can understand what powers each report, dashboard, and Mate response.
1. Unos podataka i normalizacija
Uzimamo vrijednosti biomarkera, jedinice i datume iz učitanih ili ručno unesenih rezultata. Gdje korisnici odaberu povezivanje s Apple Health ili Health Connect, također možemo koristiti ovlaštene sažetke nosivih uređaja za dodatni kontekst. Normaliziramo jedinice gdje je to moguće kako bi se vrijednosti mogle dosljedno uspoređivati tijekom vremena.
2. Grupiranje biomarkera i ocjenjivanje
Osnovni biomarkeri grupirani su u osam ocijenjenih zdravstvenih kategorija. Svaka kategorija koristi Must biomarkere za otključavanje rezultata, a zatim uključuje Support biomarkere kada su dostupni za usavršavanje rezultata. Osnovni panel biomarkera također uključuje svaki marker potreban za procjenu biološke dobi.
Potpuna pokrivenost markera je navedena na Vodič za test.
3. Izrada preporuka uz pomoć AI
AI komponente koriste vaš strukturirani kontekst biomarkera, ciljeve, odgovore prilikom uključivanja, dostupne signale nosivih uređaja i povijest napretka za izradu obrazovnih prijedloga i prioriteta akcije. Izlazi su namijenjeni podršci informiranim raspravama s kliničarima, a ne njihovom zamjenjivanju.
Pogledajte granice i poznate ograničenja na Ograničenja AI-a stranica.
4. Kontrole korisnika i privatnost
Korisnici mogu ažurirati unose, kontrolirati povezane izvore podataka, izvesti informacije i zatražiti brisanje. Detalji o rukovanju podacima dokumentirani su u našem Politika privatnosti i granice korištenja su u Uvjeti korištenja.