Metodikk

Last reviewed: 25. april 2026

LongevityMate omformer blodprøvedata, valgfri bærbar kontekst, mål og livsstilsbesvarelser til pedagogiske innsikter. Denne siden skisserer den overordnede prosessen vi bruker slik at brukerne kan forstå hva som driver hver rapport, dashbord og Mate-respons.

1. Datainntak og normalisering

Vi tar inn biomarkørverdier, enheter og datoer fra opplastede eller manuelt inntastede resultater. Der brukere velger å koble Apple Health eller Health Connect, kan vi også bruke autoriserte bærbare oppsummeringer for ekstra kontekst. Vi normaliserer enheter der det er mulig, slik at verdiene kan sammenlignes konsekvent over tid.

2. Biomarker gruppering og poengsetting

Kjernebiomarkører er gruppert i åtte vurderte helse-kategorier. Hver kategori bruker Must-biomarkører for å låse opp scoren, og inkluderer deretter Support-biomarkører når de er tilgjengelige for å forbedre resultatet. Det essensielle biomarkørpanelet inkluderer også hver markør som trengs for estimat av biologisk alder.

Full markørdekning er oppført på Testveiledning.

3. AI-assistert anbefalingsutkast

AI-komponenter bruker din strukturerte biomarkørkontekst, mål, onboarding-svar, tilgjengelige bærbare signaler og fremdriftshistorikk for å utarbeide utdanningsforslag og handlingsprioriteringer. Utdataene er ment å støtte informerte diskusjoner med klinikere, ikke erstatte dem.

Se grenser og kjente begrensninger på AI-begrensninger page.

4. Brukerkontroller og personvern

Users can update entries, control connected data sources, export information, and request deletion. Data handling details are documented in our Personvernerklæring og bruksgrenser er i Vilkår for tjeneste.