Alexandra Ciornei
„Ideea a pornit dintr-o frustrare foarte simplă: primești un buletin de analize, vezi două pagini de cifre, abrevieri și săgeți roșii, dar nimeni nu-ți explică imaginea de ansamblu. De multe ori, următorul pas este Google la 11 noaptea, iar Google la 11 noaptea nu este cel mai bun medic pentru liniștea ta. Nu am ținut ideea mult timp în sertar. După aproximativ 10 zile de due dilligence am început să construiesc primul prototip. Prima versiune de cod datează din aprilie 2026”, a spus Vlad Ionesi, fondatorul KlarLab, într-un interviu pentru start-up.ro.
Prima versiune publică a platformei a fost dezvoltată în aproximativ trei luni, din aprilie până la sfârșitul lunii iulie. O mare parte din munca ulterioară s-a concentrat asupra documentelor greu de citit, verificării valorilor, interpretării limbajului medical și cazurilor în care informațiile sunt insuficiente sau contradictorii.
„Evident, asta nu înseamnă că produsul a fost gata. De atunci, cea mai mare parte a muncii a fost în zonele care nu se văd într-un screenshot: citirea documentelor dificile, verificarea valorilor, limbajul medical, cazurile contradictorii și situațiile în care produsul trebuie să spună „nu pot concluziona”.”
Cum funcționează KlarLab
Utilizatorul încarcă în platformă un PDF sau fotografii ale documentului medical. KlarLab verifică mai întâi calitatea paginilor, identifică tipul documentului și extrage valorile, unitățile de măsură, intervalele laboratorului și constatările medicale scrise. Înainte de plată, utilizatorul poate vedea gratuit informațiile extrase și poate corecta eventualele erori.
„Raportul nu explică doar fiecare valoare separat. Le pune cap la cap, arată ce rezultate se susțin reciproc, ce nu se potrivește și ce merită urmărit. Dacă utilizatorul adaugă analize mai vechi, KlarLab urmărește evoluția în timp și evidențiază trendurile dintre recoltări”, a explicat Vlad.
Vlad Ionesi, fondator KlarLab
Atunci când există suficiente rezultate comparabile, platforma poate arăta și unde se poziționează o valoare în raport cu un grup agregat de utilizatori similari, fără a expune datele altor persoane.
În varianta Premium, raportul folosește și informațiile introduse de utilizator despre afecțiuni, medicamente sau suplimente. Pe baza lor, platforma generează un plan de acțiune pentru una, trei și șase luni, un plan orientativ de retestare și un kit pentru consultație, care reunește prioritățile, rezultatele importante și întrebările care pot fi adresate medicului.
„Planurile organizează monitorizarea și consultația; nu reprezintă diagnostic sau tratament. Iar dacă documentul nu poate fi citit în siguranță, KlarLab se oprește și cere o copie mai bună. Mai bine încă o fotografie decât o concluzie greșită.”
Raportul rămâne disponibil online și poate fi descărcat în format PDF. Platforma poate procesa buletine de analize de laborator, rapoarte RMN și CT, ecografii, EKG-uri, rezultate histopatologice, scrisori medicale, bilete de externare, consultații și documente mixte care conțin o concluzie scrisă.
Sunt acceptate formatele PDF, JPG, PNG, WebP, AVIF, HEIC și HEIF. KlarLab nu interpretează însă imaginile medicale brute, filmele, CD-urile sau fișierele DICOM.
„Pentru o investigație RMN, de exemplu, citim raportul redactat de radiolog, nu imaginea în sine. Interfața și explicațiile sunt în română. Sistemul poate citi și documente în engleză, însă nu îl prezentăm încă drept produs multilingv. Faptul că un model înțelege o limbă nu înseamnă automat că întregul produs a fost validat pentru acea piață.”
De la valori izolate la imaginea de ansamblu
Unul dintre obiectivele KlarLab este să identifice relațiile dintre informațiile cuprinse în același document. Vlad oferă exemplul unei feritine scăzute, al unui MCV scăzut și al unui RDW crescut: privite separat, valorile pot spune mai puțin decât atunci când sunt analizate împreună.
„Una vorbește despre rezervele de fier, alta despre dimensiunea globulelor roșii, iar a treia despre diferențele dintre ele. KlarLab încearcă să explice această imagine comună: ce rezultate merg în aceeași direcție, ce rezultate nu se potrivesc între ele și ce informație ar mai fi necesară.”
Platforma păstrează denumirea exactă a analizei, valoarea, unitatea și intervalul laboratorului, după care explică termenii într-un limbaj obișnuit. Astfel, termenii medicali nu sunt eliminați, ci traduși într-o formă mai ușor de urmărit.
„De exemplu, nu înlocuim pur și simplu „microcitoză”, ci spunem că înseamnă globule roșii mai mici decât de obicei. Încercăm să scriem astfel încât explicația să poată fi urmărită și de un adolescent inteligent, fără să tratăm cititorul ca pe un copil. Regula este: simplificăm formularea, nu realitatea medicală.”
KlarLab nu pune diagnostice și nu recomandă tratamente
Granița dintre informarea educațională și actul medical a fost integrată în modul în care funcționează produsul. KlarLab poate explica informațiile existente într-un document, relațiile posibile dintre rezultate și întrebările care ar putea fi discutate cu medicul, dar nu poate diagnostica o boală.
De asemenea, platforma nu prescrie medicamente sau suplimente, nu indică doze și nu recomandă oprirea ori modificarea unui tratament.
„Rolul produsului este să te ajute să înțelegi documentul și să porți o discuție mai bună cu medicul, nu să mute cabinetul medical într-un browser.”
Dacă documentul include o valoare critică sau o constatare ce necesită evaluare rapidă, avertismentul este afișat înaintea explicațiilor secundare. În cazul simptomelor severe, utilizatorul este îndrumat către 112 sau serviciul medical adecvat.
„KlarLab nu este un serviciu de urgență și nu trebuie folosit pentru a decide dacă mai poți aștepta. Dacă paginile sunt ilizibile, lipsesc informații importante sau două rezultate se contrazic, sistemul cere o verificare, reia etapa relevantă ori oprește procesarea. Prefer un raport lipsă, decât un raport foarte sigur pe el și greșit.”
Tehnologia din spatele KlarLab
Platforma a fost dezvoltată cu Node.js 24, TypeScript, React 19 și Next.js 16 și rulează pe Vercel, în regiunea Frankfurt. Conturile, autentificarea, istoricul și datele structurate sunt gestionate prin Supabase și PostgreSQL, în Irlanda, iar fișierele medicale temporare sunt păstrate într-un spațiu privat Cloudflare R2 configurat pentru jurisdicția europeană.
„Pentru documente folosim PDF.js, MuPDF și PDF-lib, iar fotografiile sunt pregătite cu Sharp și conversie pentru formatele HEIC. Plățile sunt procesate prin Stripe, e-mailurile tranzacționale prin Resend, iar Cloudflare Turnstile ne ajută să limităm uploadurile automate și abuzul. Pentru măsurarea produsului folosim GA4, Google Tag Manager și BigQuery, separate de datele medicale și activate conform opțiunilor de consimțământ.”
Datele despre utilizarea produsului sunt măsurate prin Google Analytics 4, Google Tag Manager și BigQuery, separat de informațiile medicale și în funcție de opțiunile de consimțământ.
Componenta de interpretare folosește OpenAI Responses API și mai multe modele din familia GPT-5.6. Luna este utilizat pentru verificări rapide, evaluarea calității imaginilor și previzualizare, Terra pentru extracții și clasificări mai dificile, iar Sol pentru sinteza medicală și cazurile care necesită mai multă atenție. Anumite funcții auxiliare și rute de rezervă folosesc modele din familia GPT-5.4.
„Nu există un singur apel în care aruncăm PDF-ul și sperăm la ce e mai bun. Documentul trece prin mai multe etape, fiecare cu rolul și verificările ei. Am testat și Anthropic Claude în etape anterioare de dezvoltare, însă fluxul principal actual este pe OpenAI.”
KlarLab nu are un model propriu antrenat pe documentele utilizatorilor și nu folosește un motor pentru diagnosticarea imaginilor DICOM.
Cum este verificată acuratețea
Prima verificare este realizată de utilizator, care vede înainte de plată valorile și constatările extrase. Acesta poate corecta informațiile citite greșit, un pas important în condițiile în care inclusiv plasarea incorectă a unei virgule poate schimba sensul unei valori.
Ulterior, KlarLab aplică verificări automate pentru unități, intervale, valori omise, contradicții, concluzii prea categorice, urgențe formulate incorect și recomandări care depășesc scopul educațional al platformei.
„Am construit și sute de teste automate, inclusiv documente sintetice și adversariale: poze întunecate, reflexii, pagini tăiate, unități neobișnuite, rezultate contradictorii și instrucțiuni ascunse în documente.”
Fondatorul a discutat exemplele de rezultate generate de platformă și limitele produsului cu trei medici. În cazurile analizate nu au fost identificate probleme medicale majore, însă feedbackul primit a dus la ajustarea tonului și a gradului de certitudine al explicațiilor.
„Feedbackul cel mai important a fost că unele formulări sunau prea sigure sau puteau fi interpretate în mai multe feluri. Am redus gradul de certitudine, am explicat mai clar limitele și am eliminat ambiguitățile. Pe scurt, i-am mai tăiat sistemului din siguranța de sine.”
Vlad precizează însă că rapoartele generate pentru utilizatori nu sunt verificate individual de un medic.
Riscul unui răspuns greșit, dar convingător
În opinia fondatorului, una dintre cele mai mari provocări ale utilizării inteligenței artificiale în domeniul medical nu este un răspuns evident absurd, ci unul incorect care pare logic și este formulat cu încredere.
Printre riscuri se numără citirea greșită a valorilor, confundarea unităților, inventarea unor legături medicale, formularea unor concluzii prea ferme sau crearea unui fals sentiment de siguranță.
„De aceea nu lăsăm modelul să lucreze singur: există controlul calității imaginii, preview-ul corectabil, reguli de structură, verificări după generare, reluări țintite și oprirea completă a fluxului când rezultatul nu este suficient de sigur.”
Cum sunt gestionate datele medicale
Documentul original este stocat privat doar pe durata necesară verificării și procesării, după care este șters automat din infrastructura KlarLab. Pentru utilizatorii care au un cont, raportul și valorile structurate rămân în istoric până când sunt șterse de aceștia. În modul anonim, copia online expiră după două ore.
Înainte ca informația în format text să fie trimisă către model, platforma elimină, acolo unde este posibil din punct de vedere tehnic, identificatorii direcți precum numele, CNP-ul, numărul de telefon, adresa sau e-mailul.
„Sunt atent însă la formulare: dacă numele apare direct în fotografia documentului, imaginea trebuie mai întâi citită. Nu spunem că fotografia devine magic anonimă înainte de această etapă.”
Cererile către OpenAI sunt trimise cu stocarea aplicației dezactivată. Vlad menționează că datele transmise prin API nu sunt utilizate implicit pentru antrenarea modelelor, însă în regimul standard pot exista jurnale temporare de siguranță păstrate până la 30 de zile.
„Nu pretindem că avem „zero retention” fără un acord care să confirme acest lucru. KlarLab nu vinde documentele și nu le folosește pentru a-și antrena propriile modele.”
Pentru cine a fost construit produsul
KlarLab se adresează persoanelor care au primit un document medical și vor să înțeleagă informațiile din acesta. Utilizatorul poate fi pacientul, un părinte, o persoană care îngrijește o rudă sau cineva care își monitorizează periodic analizele.
Platforma nu încearcă să transforme utilizatorii în specialiști, ci să îi ajute să ajungă mai bine pregătiți la consultație și să formuleze întrebări mai clare.
„Vrem doar să nu ajungă la consultație complet nepregătit sau cu 23 de taburi deschise în browser și cu anxietatea la maximum. Pentru medic, beneficiul este un pacient care poate pune întrebări mai clare și poate descrie mai bine ce nu a înțeles.”
Întrebările sugerate nu provin dintr-o listă generică, ci sunt generate pornind de la valorile, relațiile și informațiile care lipsesc din documentul încărcat.
„Într-o consultație scurtă, mai ales când ești îngrijorat, este ușor să uiți ce voiai să întrebi. „Pot avea legătură aceste două rezultate?” este un început mult mai bun decât „Deci... e rău?”.”
Peste 100 de buletine interpretate până la jumătatea lunii august
KlarLab a devenit publică la sfârșitul lunii iulie 2026 și se află încă într-o etapă timpurie. Până la actualizarea indicatorului public din 14 august, platforma interpretase peste 100 de buletine, care însumau mai mult de 1.487 de analize și parametri individuali, a menționat Vlad.
O parte dintre documente au provenit din utilizarea reală, iar altele au fost documente sintetice și adversariale create pentru testare. Acestea au inclus cazuri extreme, rezultate contradictorii și pagini intenționat greu de citit.
„Nu comunicăm încă separat un număr de utilizatori. Suntem prea devreme pentru ca acea cifră să spună ceva relevant și nu vreau să amestec conturi, vizite și teste doar pentru a obține un număr mai fotogenic.”
Primele observații arată că utilizatorii nu caută doar definiții individuale pentru fiecare parametru, ci vor să înțeleagă ce rezultate contează, cum se leagă între ele și ce ar trebui discutat mai repede cu medicul.
În utilizarea reală apar în special hemoleucograme, analize pentru fier și feritină, colesterol, ficat, tiroidă, glicemie, vitamine și sumar de urină, dar și rapoarte scrise pentru diferite investigații. Eșantionul este însă prea mic pentru a formula concluzii generale despre comportamentul pacienților din România, a mai spus fondatorul KlarLab.
Cât costă un raport KlarLab
Previzualizarea este gratuită și nu necesită cont, card sau plată. În această etapă, documentul este verificat, iar utilizatorul vede informațiile extrase și poate corecta eventualele greșeli.
La momentul interviului, un raport Standard costa 19 lei, varianta Premium avea un preț de 39 de lei, iar interpretarea unui document medical scris costa 29 de lei. KlarLab oferă și pachetele Personal și Family, la 99, respectiv 149 de lei, pentru monitorizare în timp și gestionarea mai multor profiluri. Platforma nu presupune un abonament lunar obligatoriu.
„Plata este autorizată după preview și este capturată numai dacă raportul este generat cu succes. Mi s-a părut firesc ca omul să vadă mai întâi dacă i-am citit corect documentul și abia apoi să scoată cardul.”
KlarLab a fost dezvoltat exclusiv din resurse proprii și nu a atras finanțare externă. Compania nu comunică în prezent valoarea investiției.
„O simplă sumă ar spune doar jumătate din poveste. Investiția înseamnă infrastructură, modele, testare, design, conținut și foarte multe ore de dezvoltare. Iar serile și weekendurile sunt greu de trecut în Excel fără ca tabelul să devină puțin deprimant.”
O echipă mică și trei medici implicați în etapa de feedback
Echipa de bază este formată din Vlad, care coordonează produsul, dezvoltarea tehnică, arhitectura fluxurilor și direcția editorială, și Andreea, care se ocupă de documentare și de transformarea informațiilor tehnice și medicale într-un limbaj accesibil.
În etapa de verificare, trei medici au contribuit cu feedback, însă nu fac parte dintr-un proces prin care fiecare raport este verificat individual.
„Echipa de bază este mică și prefer să spun asta direct, fără să inventăm un etaj întreg de corporație. Nu susținem că fiecare raport este verificat de un medic și nici că avem intern toate specializările posibile.”
Produsul a fost construit în jurul principiului minimizării datelor și folosește stocare privată, regiuni europene, acces controlat, linkuri temporare, ștergerea fișierelor-sursă, separarea cheilor de server, protecție împotriva abuzului și instrumente de analiză care nu includ informații medicale.
„Securitatea este o combinație de arhitectură și disciplină, nu un titlu adăugat pe un slide.”
Colaborări cu laboratoare și clinici
Compania are infrastructura necesară pentru a începe colaborări cu laboratoare, clinici, medici și asigurători. Pentru un laborator, KlarLab ar putea deveni instrumentul de interpretare disponibil imediat după validarea și comunicarea rezultatelor.
Integrarea ar putea fi realizată prin API, direct în portalul laboratorului, printr-un buton „Explică-mi rezultatele”, un link securizat sau un cod QR.
„Laboratorul își face treaba lui - măsoară și emite buletinul oficial - iar noi îl ajutăm pe pacient să înțeleagă ce a primit”, a explicat Vlad.
Pentru clinici și medici, platforma ar putea organiza istoricul și întrebările pacientului înainte de consultație. În cazul asigurătorilor, produsul ar putea sprijini programe de prevenție și monitorizare, cu acordul utilizatorului și fără ca datele medicale să fie utilizate automat pentru selecție sau evaluare.
Un produs construit pentru documentele medicale din România
Fondatorul a mai spus că diferența dintre KlarLab și soluțiile internaționale nu este dată de existența unui model AI secret, ci de produsul dezvoltat în jurul modelelor disponibile.
Platforma este adaptată limbii române, formatelor buletinelor emise de laboratoarele locale, abrevierilor, unităților și intervalelor de referință diferite. În același timp, utilizatorul verifică informațiile extrase înainte de plată, primește explicații pentru întregul document și poate urmări evoluția valorilor în timp.
„Am ținut cont și de realitatea locală: documente primite ca PDF, poze făcute cu telefonul, rezultate distribuite prin diverse portaluri și consultații în care timpul este limitat. O traducere a butoanelor în română nu ar fi fost suficientă.”
Unele dintre cele mai dificile decizii de produs au vizat funcționalitățile pe care echipa a ales să nu le dezvolte. KlarLab nu interpretează imagini RMN sau CT brute, nu pune diagnostice, nu recomandă tratamente și doze și nu oferă un chatbot medical care să răspundă liber la orice întrebare.
„Aceste limite reduc uneori efectul de „wow” într-o demonstrație, dar cresc siguranța produsului. În medical-tech, un „nu pot concluziona din acest document” poate fi o funcționalitate foarte bună.”
Ce urmează pentru KlarLab
În următoarele 12 luni, echipa vrea să extindă validarea pe un număr mai mare și mai divers de documente, să măsoare mai bine erorile și să continue discuțiile cu medici din mai multe specialități.
Pe partea de produs, prioritățile sunt îmbunătățirea comparațiilor dintre recoltări, monitorizarea evoluției în timp și pregătirea utilizatorului pentru consultație. Următorul pas comercial este testarea unor colaborări controlate cu laboratoare și clinici.
„Vrem să îmbunătățim comparațiile între recoltări, monitorizarea în timp și felul în care utilizatorul își pregătește consultația. Următorul pas comercial este testarea unor colaborări controlate cu laboratoare și clinici, fără să grăbim integrările sensibile doar pentru a putea anunța un parteneriat.”
KlarLab poate fi accesată online și de românii care locuiesc în afara țării, dar este construită în prezent pentru utilizatorii vorbitori de română și pentru documentele medicale întâlnite pe piața locală. Diaspora și Republica Moldova sunt primele direcții luate în calcul pentru extindere, urmate, posibil, de una sau două piețe europene.
Fiecare intrare pe o piață nouă va presupune însă adaptarea la documentele, terminologia, particularitățile laboratoarelor și regulile de protecție a datelor din țara respectivă, precum și validare medicală în limba locală.
„Nu vrem să traducem trei butoane și să ne declarăm multinaționali. Pe termen lung, vreau ca între documentul medical și consultație să existe un instrument de încredere care ajută omul să înțeleagă ce a primit și să știe ce să întrebe. Nu încercăm să construim un medic virtual”, a spus Vlad în cadrul interviului.
