Работен процес от край до край, управление на качеството и самоодит

Печалби:

• Възможност за безопасно провеждане на тестовото пътуване от край до край с цикъла „AI генерира → експерт проверява → експерт освобождава“
• Възможност за безопасно поставяне на изкуствения интелект в рамките на системата за управление на качеството, акредитация (ISO 15189) и непрекъснато подобрение
• Възможност за поемане на крайна отговорност чрез самопроверка на изхода им с пет ключови въпроса (проверка, източник, паника, анонимност, потвърждение)

По време на този модул ние обхванахме AI в отделни точки от лабораторния работен процес: интерпретация на резултатите, контрол на качеството, делта проверка, критична стойност, LIS интеграция, автоматизация, изображения, предварителни анализи, докладване, поверителност. Сега е време да съберем тези парчета в едно цяло. Тъй като в реална лаборатория тези стъпки не работят отделно, а като непрекъсната верига и проба от пациент зависи от безопасното функциониране на тази верига от началото до края. В тази последна част ще създадем рамка, която обединява целия модул: цикълът „AI генерира → експерт проверява → експерт освобождава“ от приемане на пробата до освобождаване на резултата; как този цикъл се вписва в система за управление на качеството и акредитация (ISO 15189); и самопроверка от пет въпроса, където ще преминете всеки резултат.

Основният принцип, още веднъж и за последен път: AI е помощник, предварителен скрининг и генератор на чернови; Валидирането на резултатите, клиничната интерпретация и диагностицирането принадлежат на компетентния специалист. Непровереният резултат е неподписан отчет за резултата.

Цикъл от край до край: от проба до отчет

Нека проследим пътуването на извадка от пациент с ролята на AI и човешка контролна точка на всяка стъпка:

1. Заявка и приемане (предварително аналитично). AI сканира съвместимостта на поръчката и епруветката и годността на пробата (HIL, обем) → експертът взема решение за отхвърляне/приемане.
2. Подготовка и анализ (аналитичен). Уредът измерва; AI сортира работния процес → QC се наблюдава под експертен надзор.
3. Контрол на качеството. AI маркира нарушения на Westgard и дрейф → експерт открива основната причина, запазва резултатите, ако е необходимо.
4. Делта и смущения. AI генерира делта нарушение и флаг за намеса → експертът разграничава истински/фалшив.
5. Критична стойност. AI сканира критичния праг и изготвя известие → експертът потвърждава и докладва затворен цикъл.
6. Освобождаване (пост-аналитично). Автоматичната проверка предава сигурни резултати; изключенията отиват при експерт → експертът одобрява валидирането.
7. Докладване. AI създава чернова на текст за клиницист и пациент → експертът потвърждава точността, езика и границата.

Същият модел се повтаря във всяка връзка в тази верига: AI ускорява и създава чернови, хората проверяват и поемат отговорност. Веригата е толкова безопасна, колкото и най-слабото й звено; така че проверката не се пропуска на нито една стъпка.

Фаза

Принос на AI

човешка контролна точка

Преданалитичен

Проверка за допустимост

Решение за отхвърляне/приемане

анализи

Сортиране на работния процес, мониторинг на QC

Основна причина, запазване на резултата

пост-аналитичен

Делта/критично сканиране, автоматична проверка

Валидиране, критично известие

Докладване

чернова на текст

Точност, език, потвърждение на границата

Система за управление на качеството и акредитация

Надеждността на една лаборатория не идва от отделни точни резултати, а от нейната система за управление на качеството: писмени процедури, непрекъснат вътрешен контрол на качеството, външна оценка на качеството (сравнение с други лаборатории), записване, одит и цикъл на непрекъснато подобрение. Международният стандарт ISO 15189 определя изискванията за качество и компетентност на медицинските лаборатории. Изкуственият интелект не е „магия“, добавена към тази система отвън; Поставя се в системата като устройство в валидиран и документиран вид.

Това има следните практически последици: преди да се въведе AI инструмент в клиничния поток, се записват какво прави, неговите ограничения и резултатите от валидирането; използването му е свързано с процедурата; изпълнението се следи редовно; и когато възникне проблем, се извършва анализ на първопричината и се предприемат коригиращи действия. AI трябва да бъде инструмент за укрепване на системата за качество, а не да я заобикаля.

Внимание: „Ние използваме изкуствен интелект, но как се валидира и не са написани границите му“ е пропуск в акредитацията и безопасността на пациентите. Инструмент, който не е документиран в системата за качество, е риск, който не може да бъде контролиран.

Самопроверка от пет въпроса

За да дестилирате целия модул в един рефлекс, преминете през пет въпроса, преди да пуснете всеки изход, задвижван от AI, който произвеждате:

1. Проверка: Проверил ли съм независимо този резултат/коментар? (Преизчисляване, референтен диапазон, QC/делта състояние)
2. Източник: Взех ли референтния диапазон, единици и прагове от валидираните записи на собствената ми лаборатория, а не от паметта на AI?
3. Паника: Има ли критична стойност; Ако е така, прецених ли дали е фалшив или истински и го докладвах като потвърдено?
4. Анонимност: Данните, които използвам, анонимни ли са? Няма останала следа за идентификация?
5. Одобрение: Взех ли окончателното решение и отговорност като експерт; Тази разпечатка носи ли моя подпис?

Тези пет въпроса са същността на десетте единици. Ако резултатът не отговори с „да“ на всичките пет въпроса, той все още не е готов за пускане.

Слаба подкана / Силна подкана

Слаба подкана:

Управлявайте целия процес на този пациент с изкуствен интелект, начертайте резултатите, докладвайте ги. Бъдете бързи.

Тази подкана делегира всички критични за безопасността решения (валидиране, критично известие, диагностика) на AI, няма проверка и анонимност. Елиминира отговорността от край до край; Опасно е.

Мощна подкана:

Вашата роля: асистент, който ИЗРАБОТВА процеса от край до край на лабораторния специалист. Посочете моята контролна точка на всяка стъпка; Не вземайте критични за безопасността решения (валидиране, критично известяване, диагностика). Анонимен случай: 68-годишна жена, рутинен биохимичен панел. Задача: избройте стъпките от приемане на пробата до докладване; На всяка стъпка какъв е (1) вашият принос, (2) моята контролна точка, (3) проверка, която не трябва да се пропуска. И накрая, приложете списъка с пет въпроса за самоконтрол към този случай. Генериране на данни за самоличност.

Силната подкана поддържа човешка контролна точка на всяка стъпка, изключва критични за безопасността решения, анонимна е и включва самоконтрол.

три мини калъфа

Случай 1 — Безопасна работа на веригата. Пристига рутинна проба от панел. AI сканира за съответствие (чисто), сортира работния процес; QC чисто, делта чисто. Автоматичната проверка минава нормални резултати, леко повишен CRP отива при специалист по изключение. Експертът одобрява, AI създава чернова на текст за клиницист и пациент, експертът одобрява езика и границите. Пет въпроса са преминати. Пробата се обработва безопасно от началото до края, като вниманието на експерта се фокусира върху единствената истинска точка за вземане на решение.

Случай 2 — Улавяне на едно звено във веригата. При друга проба автоматичната проверка е на път да премине калий, но нарушение на делта проверката (4.2 вчера, 6.3 днес) задейства правилото за изключение и резултатът отива при експерта. Специалистът проверява пробата, открива хемолиза, изисква нова проба; Пак става 4.4. Правилото за изключение и експертната проверка заедно предотвратиха фалшив критичен доклад. Поука: сигурността идва от оперативната съвместимост на контролните точки във веригата.

Случай 3 — Риск от превозно средство без документи. Лаборатория въвежда инструмент за интерпретация на AI, но не документира неговото валидиране и ограничения. При външен одит въпросът е как се проверява превозното средство; Няма отговор. Освен това по-късно се установява, че инструментът е допуснал системна грешка в конкретен аналит, но тя е била забавена, защото не е имало мониторинг. Урок: ИИ участва в системата за качество, като се документира и наблюдава; В противен случай това е неконтролируем риск.

Копируеми шаблони за подкана

ШАБЛОН НА КАРТА НА ПРОЦЕСА ОТ КРАЙ ДО КРАЙ изброява стъпките от приемането на пробата до докладването за анонимен случай. На всяка стъпка: (1) принос на AI, (2) човешка контролна точка, (3) проверка, която не трябва да се пропуска. Оставете критичните за безопасността решения (валидиране, критично известяване, диагностика) на хората. Случай: [анонимно описание].

ПЕТ ВЪПРОСА ШАБЛОН ЗА САМОКОНТРОЛ Проверете следния изход, който създадох с пет въпроса и напишете „да/не/липсва“ за всеки: (1) направено ли е валидиране, (2) от моята източник/референтна лаборатория ли е, (3) оценена ли е паник стойността, (4) анонимни ли са данните, (5) получено ли е експертно одобрение. Ако нещо липсва, кажете ми какво да правя. Изход: [текст].

ШАБЛОНИ ЗА ИНТЕГРАЦИЯ НА СИСТЕМА ЗА КАЧЕСТВО Искат да въведат AI инструмент в клиничния поток. Създайте контролен списък за документация в духа на ISO 15189: предназначение и граници на инструмента, резултати от валидиране, процедура за използване, план за мониторинг на ефективността, основна причина/коригиращи действия в случай на проблеми, отговорно лице. Превозно средство: [описание].

ШАБЛОН ЗА ОСНОВНА ПРИЧИНА И ОТСТРАНЕНИЕ Възникна грешка/несъответствие: [описание]. Генерирайте последователни въпроси за анализ на първопричината (какво се е случило, къде, коя стъпка е пропусната, защо контролната точка не работи). След това предложете предложения за коригиращи действия, които ще предотвратят повторение. Аз ще взема решението и ще го изпълня.

Често срещани грешки

• Мисля, че веригата е безопасна на части. Сигурността идва от валидирането на всички пръстени заедно; Една пропусната стъпка отслабва веригата.
• Делегиране на критични за сигурността решения на AI. Валидирането, критичното докладване и диагностиката винаги остават при експерта.
• Използване на AI инструмент без документиране. Инструментът, чието валидиране и ограничения не са записани, е акредитация и уязвимост.
• Без гледане на представлението. Превозното средство може да се отклони с времето; Непрекъснатият мониторинг и преоценка са от съществено значение.
• Заобикаляйки самоконтрола. Резултатът, който не надвишава пет въпроса, не е готов за пускане.

Съвет: Публикувайте самопроверката от пет въпроса на видимо място на бюрото си или я поставете в системата си като напомняне. С течение на времето тези въпроси се превръщат в рефлекси и всеки изход автоматично преминава през филтъра за проверка-източник-паника-анонимност-одобрение.

В обобщение

В реална лаборатория AI работи не в отделни точки, а във верига от край до край, която остава защитена с цикъла на „AI произвежда → експерт проверява → експерт освобождава“. Във всяка фаза AI ускорява и създава чернови; човек проверява и поема отговорност. Този цикъл е вграден в система за управление на качеството и рамка за акредитация (ISO 15189) чрез документиране, валидиране и мониторинг. И всеки изход преминава през самопроверка от пет въпроса, преди да бъде пуснат: проверка, източник, паника, анонимност, потвърждение. Тези пет въпроса са същността на целия модул; Изкуственият интелект е мощен помощник, но диагнозата, решението и подписът винаги принадлежат на компетентния специалист.

Задача за приложение

Изберете рутинен случай от собствената си лаборатория (или проба) и очертайте стъпките от приемането на пробата до докладването, приноса на AI на всяка стъпка и човешката контролна точка с шаблона „Карта на процеса от край до край“. Оценете резултата, който произвеждате с шаблона „Пет въпроса за самопроверка“. И накрая, прегледайте AI инструмент, който сте използвали по отношение на документацията с шаблона „Интегриране на система за качество“ и избройте недостатъците.

контролен списък

• [ ] Определих човешката контролна точка на всяка стъпка в процеса от край до край.
• [ ] Запазих критичните за безопасността решения (валидиране, критично известие, диагностика) с експерта.
• [ ] Подлагам всяка разпечатка на самопроверка от пет въпроса (проверка, източник, паника, анонимност, потвърждение).
• [ ] Документирах инструмента за изкуствен интелект, който използвах, с неговата цел, ограничения и валидиране.
• [ ] Създадох план за наблюдение и преоценка на работата на автомобила.
• [ ] Поддържах основната причина и подхода за коригиращи действия в готовност в случай на грешка.

Изпит по модул

1. Лабораторен специалист прехвърля интерпретацията на резултата, произведена от изкуствения интелект, към доклада на пациента, без да го проверява. Каква е основната грешка в този подход?

• A) Резултатът от изкуствения интелект не може да се използва без проверка; Проектокоментарите трябва да бъдат експертно прегледани и одобрени ✔
• Б) Изкуственият интелект винаги дава отрицателни резултати
• В) Трябва да се докладват само числени резултати вместо коментари.
• Г) Докладът трябваше да бъде предоставен на пациента на хартиен носител вместо по електронна поща.

Обяснение: Докато изкуственият интелект може да произведе правилно тълкуване, той може също така да приеме референтния диапазон или клиничния контекст неправилно и да произведе грешно тълкуване със същата увереност. Медицинската лаборатория е зона с критично значение за безопасността; Всеки изход трябва да бъде експертно проверен и произтичащото решение за пускане (валидиране) и окончателното одобрение трябва да бъдат взети от човека.

2. Какво е най-доброто поведение по отношение на поверителността (KVKK) при прехвърляне на лабораторни данни на пациенти към инструмент с изкуствен интелект?

• A) Пълното име на пациента и PDF докладът трябва да бъдат качени, както е за скорост
• B) Трябва да се споделя само необходимата клинична/аналитична информация чрез премахване на информация, позволяваща лично идентифициране, и анонимизиране на данни ✔
• C) Ако данните са криптирани, може да бъде изпратена и информация за името
• Г) Целият доклад може да бъде споделен, без да питате пациента, защото целта е добра

Обяснение: Данните за здравето на пациента са специални лични данни. Идентифициращата информация като име, TR ID, номер на протокол трябва да бъде премахната и данните анонимизирани; Трябва да се споделят минималните данни, необходими за задачата. Качването на необработения отчет по име е сериозно нарушение.

3. AI ​​казва, че „3,5-5,1 mmol/L е нормален диапазон“ за резултат за калий. Каква е първата проверка, която трябва да направи лабораторният специалист?

• A) Приемане на диапазона такъв, какъвто е, тъй като изкуственият интелект знае референтните стойности без грешка
• B) Изкуственият интелект произволно стеснява диапазона според възрастта на пациента
• C) Сравняване на диапазона, даден от изкуствения интелект, с валидирания референтен диапазон на вашата собствена лаборатория ✔
• Г) Пренебрегване на референтния диапазон напълно и гледане само на числото

Описание: Референтните диапазони варират според метода, устройството, населението и възрастта/пола; Общият диапазон, даден от AI може да не е същият като валидирания диапазон на вашата лаборатория. Първата стъпка е да сравните резултата със сертифицирания референтен диапазон на вашата собствена лаборатория.

4. При вътрешен контрол на качеството (QC), резултатът от контрола на даден аналит нарушава правилото 1-3s на диаграмата на Леви-Дженингс (повече от 3 стандартни отклонения от средната стойност). Какъв е правилният подход?

• A) Нарушаването на правилото се игнорира, защото една проверка е незначителна
• B) Трябва да се проучи възможността за аналитична грешка; Свързаните резултати от пациенти не трябва да се оповестяват, докато основната причина не бъде открита и коригирана ✔
• C) Контролната стойност се изтегля ръчно до нормалния диапазон и се отчита.
• Г) Достатъчно е изкуственият интелект да преизчисли контролния резултат.

Обяснение: 1-3s е правило за отхвърляне на Westgard и показва аналитична грешка. AI може да маркира това нарушение, но анализът на първопричината (калибриране, реагент, инструмент) и коригиращите действия принадлежат на експерта. Когато правилото е нарушено, ситуацията се преразглежда, преди да бъдат публикувани резултатите от пациентите.

5. Какво е делта проверка и как трябва да се използва изкуственият интелект в този процес?

• A) Сравнете текущия резултат на същия пациент с предишния резултат и маркирайте неочакваната промяна; ✔ Изкуственият интелект може да произведе предупреждението, коментарът принадлежи на експерта
• B) Сравняване на резултатите от двама различни пациенти и вземане на средната стойност
• В) Изчисляване на стандартното отклонение на контролната проба
• D) Промяна на референтния диапазон според възрастта на пациента

Обяснение: Делта проверката сравнява текущия резултат на същия пациент с предишния резултат и отбелязва неочаквана голяма промяна; често показва объркване на пробата или грешка преди анализа. Изкуственият интелект ускорява това сравнение и генерира предупреждения, но тълкуването на причината (действителна клинична промяна или грешка) зависи от експерта.

6. Серумният калий на пациент е 7,2 mmol/L (критично високо), но пробата има значителна хемолиза. AI предлага това да се докладва като критична стойност. Какъв е правилният подход?

• A) Резултатът веднага се отчита като критична стойност, тъй като числото е високо
• B) Хемолизата може да причини фалшиво повишаване; Пригодността на пробата трябва да бъде оценена и потвърдена с нова проба, ако е необходимо ✔
• C) Резултатът се коригира ръчно до 5,0 mmol/L и се докладва
• D) Тъй като хемолизата намалява калия, резултатът се счита за нормален.

Обяснение: Хемолизата (разграждането на червените кръвни клетки) освобождава калия вътре в клетките в серума, което дава фалшиво висок резултат. Това може да е преданалитичен артефакт, а не истинска критична стойност. Преди уведомяване за критична стойност трябва да се оцени годността на пробата и да се поиска нова проба, ако е необходимо.

7. Кой е най-критичният принцип за сигурност при установяване на поддържана от изкуствен интелект автоматична проверка в интеграцията на LIS (Лабораторна информационна система)?

• A) Всички резултати трябва да се пускат автоматично за бързина
• B) Автоматичната проверка трябва да бъде изключена само по време на нощна смяна
• C) Критичните стойности, нарушенията на делта проверката и QC, флаговете за смущения трябва да бъдат изключени от автоматизацията и насочени към експертен преглед ✔
• Г) Задаването на правило за изключение намалява ненужно скоростта на автоматизацията.

Описание: Автоматичната проверка е пускане на резултати в рамките на определени безопасни граници без човешка проверка, което намалява натоварването. Въпреки това критичните стойности, нарушенията на делта проверката, предупрежденията за QC и сигналите за смущения трябва да бъдат изключени от автоматизацията и насочени към експертен преглед; Правилата за изключения са в основата на сигурността.

8. Докато автоматизацията на работния процес увеличава скоростта в лабораторията, какви рискове носи със себе си?

• А) Автоматизацията напълно елиминира възможността за грешка
• Б) Автоматизацията е рискована просто защото е скъпа
• В) Единственият риск от автоматизацията е прекъсване на захранването
• D) Автоматизацията също мащабира грешка; Едно грешно правило може да повлияе на хиляди резултати, така че са необходими контролни точки ✔

Обяснение: Автоматизацията също мащабира грешка: неправилно правило или съвпадение на единица се повтаря не един по един, а хиляди резултати. Следователно към автоматизацията трябва да се добавят контролни точки, мониторинг и пътища за ръчни изключения и правилата трябва да бъдат валидирани.

9. Каква е най-подходящата употреба за предварителна класификация на периферна цитонамазка (кръвна цитонамазка) с AI?

• A) Класификацията на модела трябва да се докладва директно като окончателна диагноза
• Б) Експертният преглед трябва да бъде премахнат, защото намалява скоростта на модела
• C) Тъй като моделът разпознава само нормални клетки, анормалните цитонамазки също могат да бъдат автоматично потвърдени
• Г) Моделът е инструмент за предварителна проверка; Диагнозата и окончателното потвърждение на абнормни и критични клетки трябва да бъдат оставени на експертен преглед ✔

Описание: Моделите на изображения спестяват време чрез предварително сортиране на клетки и елиминиране на нормално изглеждащи петна, но диагнозата и окончателното потвърждение на анормални, редки или критични клетки (като бласти) зависи от специалиста. Моделът може да даде фалшиви негативи; Следователно класификацията е инструмент за скрининг, а не диагноза.

10. В коя фаза възниква най-голямата част от лабораторните грешки и как AI помага тук?

• А) В аналитичната фаза; AI калибрира устройството
• Б) В преданалитичната фаза; AI може да сканира пригодността на пробите и смущенията и да маркира рискови проби, зависи от експерта да реши ✔
• В) В постаналитичната фаза; Изкуственият интелект автоматично изтрива резултата
• Г) Грешките са равномерно разпределени; изкуственият интелект няма никаква роля

Обяснение: Повечето грешки са в преданалитичната фаза: грешен пациент, грешна епруветка, хемолиза, недостатъчна проба, неправилно етикетиране. Изкуственият интелект може да маркира рискови проби чрез сканиране на пригодността на пробите и HIL индексите, но решението за отхвърляне/приемане се взема експертно по лабораторни правила.

11. Какъв е правилният подход при хемолизирана, липемична или иктерична проба (HIL интерференция)?

• A) HIL интерференцията засяга само цвета на пробата, но не и резултатите
• B) Всички смущаващи резултати автоматично се удвояват
• C) Резултатът за засегнатите аналити трябва да бъде потвърден чрез подновяване или докладван с подходящия метод с бележка за интерференция ✔
• D) Интерференция се наблюдава само в проби от урина

Обяснение: Хемолиза, липемия (мътен/мазен серум) и иктер (висок билирубин) могат да променят измерването нагоре или надолу при определени тестове. За засегнатите аналити резултатът или се потвърждава чрез опресняване на пробата, или се докладва с бележка за интерференция и подходящ метод; Не се пуска на сляпо.

12. Изкуственият интелект създава текст за обяснение на пациент, който казва: „Вашите резултати определено показват сериозно заболяване“. Каква е отговорността на лабораторния специалист?

• А) Коригиране на езика на окончателната диагноза; Заявяване, че резултатът не е диагноза и насочване на пациента към лекар ✔
• Б) Публикуване на текста такъв, какъвто е, защото привлича вниманието
• В) Подсилете текста допълнително и добавете окончателна диагноза
• Г) Изобщо не се общува с пациента, защото разкриването е забранено

Обяснение: Лабораторните резултати сами по себе си не поставят диагноза; Диагнозата се поставя въз основа на клиничния контекст, историята и оценката на лекаря. Прецизният и тревожен език на изкуствения интелект трябва да бъде коригиран, границата между интерпретация и диагноза трябва да бъде поддържана, а пациентът трябва да бъде насочен към лекар.

13. Защо проверката на ефективността с вашите собствени лабораторни данни е от съществено значение при валидирането на модел с изкуствен интелект (напр. класификатор на изображения), който да бъде пуснат в клинична употреба?

• A) След като моделът бъде публикуван, той работи по същия начин във всяка лаборатория, валидирането е ненужно
• B) Проверката на ефективността е отговорност единствено на производителя, а не на лабораторията.
• C) Валидирането се извършва само чрез разглеждане на възрастта на устройството
• D) Моделът може да даде различна производителност в различна популация/устройство/протокол; Валидирано въз основа на вашите собствени данни и наблюдавана ефективност ✔

Описание: Модел може да е бил обучен с друга популация, устройство или протокол за оцветяване; Неговата ефективност (чувствителност/специфичност) може да се различава във вашите проби (изместване на разпределението и отклонение). Следователно, моделът трябва да бъде валидиран върху вашите собствени данни, неговата ефективност да се наблюдава и преоценява периодично.

14. Как ключовият принцип, подчертан в целия модул, описва ролята на ИИ в медицинската лаборатория?

• А) Изкуственият интелект е помощник и генератор на чернови; Валидирането на резултата, клиничната интерпретация и диагнозата принадлежат на специалиста/лекаря ✔
• Б) Изкуственият интелект може сам да отприщи резултати, замествайки опитни експерти
• В) Изкуственият интелект се използва само за поддръжка на устройството, а не за резултати
• Г) Резултатът от изкуствения интелект е безопасен дори без проверка, тъй като се основава на статистика

Описание: Изкуственият интелект ускорява повтарящите се задачи като асистент, предварителен скрининг и генератор на чернови, но тъй като работи в критична за безопасността област, валидирането на резултатите, клиничната интерпретация и диагнозата принадлежат на квалифициран експерт (лабораторен лекар и лекуващ лекар). Непровереният резултат е неподписан отчет за резултата.