Печалби:
- Разбиране как работи Лабораторната информационна система (LIS), междинният софтуер и потокът от данни HL7/ASTM и къде е добавен изкуствен интелект към тази верига.
- Възможност за проектиране на правила за автоматична проверка с поддръжка на изкуствен интелект и задаване на безопасни ограничения и правила за изключения
- Способност за разбиране на риска за безопасността на пациента от грешки при интегриране (несъответствие на единица, LOINC код, объркване на канал) и точки за проверка на позицията
Лабораторният резултат прави невидимо пътуване, докато напусне устройството и стигне до екрана на лекаря: устройството генерира данните, междинният софтуер ги събира, Лабораторната информационна система (LIS) ги записва и проверява, болничната информационна система (HIS) го свързва с пациента и резултатът се докладва. Във всяка връзка в тази верига данните се превеждат от един формат в друг и всеки превод е възможност за грешка: единица не съответства, тестовият код е объркан, каналът е разменен с друг аналит. AI може да създаде голяма стойност, като го добави към тази верига – особено като направи правилата за автоматично потвърждение по-интелигентни – но неправилно поставеният AI може да ускори и мащабира грешката.
В този модул ще научите как работят LIS, междинен софтуер и стандарти за обмен на данни (HL7, ASTM, LOINC); логиката и сигурните граници на автоматичната проверка; Ние ще покрием риска за безопасността на пациента от грешки при интегриране. Основен принцип: AI ускорява правилото и потока; Решението кой резултат ще бъде публикуван автоматично и кой ще отиде при човека се определя от експерта с правила за сигурност.
Пръстени на потока от данни
LIS (лабораторна информационна система) е мозъкът на лабораторията: получава поръчки за тестове, проследява проби, записва, проверява и отчита резултатите. Мидълуерът е междинният софтуер, който се намира между устройствата и LIS; Той събира данни от множество устройства, прилага правила (делта проверка, автоматична проверка) и управлява заявки за повторение/разреждане. HIMS/HIS управлява идентичността на пациентите и заявките в цялата болница.
Тези системи говорят на стандартни "езици" помежду си:
- HL7 (здравно ниво 7): Стандарт за съобщения между здравните системи. Тестовата заявка и нейният резултат се предават като HL7 съобщения.
- ASTM: Стандарт за съобщения, използван предимно в комуникация между устройство и междинен софтуер.
- LOINC: Речник, който универсално кодира лабораторни тестове. Тестът "глюкоза, серум" има код LOINC; Благодарение на този код различните системи разбират, че говорят за един и същ тест.
Без тези стандарти всяко устройство и система биха се разбирали погрешно. AI може да помогне за съпоставяне на тези съобщения, сканиране за грешки и генериране на правила; но точността на съвпадението трябва да се тества от човек.
слой
Мисия
Типичен риск от грешка
Устройство (анализатор)
прави измервания
Калибриране, пресичане на канала
междинен софтуер
Събира данни, прилага правила
Грешно правило, съвпадение на единици
LIS
Записва, проверява, докладва
Объркване на LOINC/тест код
НЕГОВО/НЕГОВО
ID на пациента, заявка
Неправилно съответствие на пациента
Какво е автоматична проверка?
Автоматизираната проверка е автоматично пускане на резултати, които отговарят на определени сигурни условия без наблюдение от хора. Например: резултат, който е в референтния диапазон, има валиден QC, има чиста делта проверка, няма флагове за смущения и не е критичен, може да бъде автоматично одобрен. Това отнема масата от рутинни нормални резултати от човека и насочва вниманието на експерта към резултатите, които действително изискват изследване. Една добре проектирана автоматизирана проверка може безопасно да ускори значителна част от резултатите в лаборатория.
Но сърцето на автоматизираната проверка е това, което НЕ автоматизирате. Следното трябва да бъде изключено от автоматизацията и насочено към хората:
- Критични/паник стойности
- Нарушения на делта проверката
- Аналити с нарушение на QC
- Сигнали за смущения (хемолиза, липемия, иктер)
- Резултати, при които устройството поставя знак "отметка".
- Определени резултати, които са извън референтния диапазон и изискват клинична интерпретация
Внимание: „Автоматично освобождаване на всичко“ е най-опасното решение за автоматизация. Добрата автоматизация се определя от правила за изключения; По-важно е да се изясни кой резултат определено ще отиде при хората, отколкото кой ще премине.
Как да добавите AI към интеграцията
AI е много полезен като помощник при проектирането на правила за автоматично валидиране: той може да прегледа съществуващите правила, да посочи вратички, да симулира какви резултати ще премине набор от правила, да провери списъка с изключения. Може също така да сканира за съвпадащи грешки (несъответствие на единица, неочакван диапазон от стойности, объркване на кода) в HL7/ASTM съобщения. Но нито едно правило, предложено от AI, не се пуска в производство, без да бъде валидирано с реални данни за пациенти и ретроспективно тестване. Преди да бъде активирано, правило за автоматизация се тества върху исторически резултати и се пита „колко критични стойности ще пропусне?“ Трябва да се тества с въпроса.
Слаба подкана / Силна подкана
Слаба подкана:
Напишете правила за автоматично валидиране и бързо получете резултати.
Тази подкана не включва граници на безопасност, изключения и лабораторен контекст. AI може да предложи широко, опасно правило за „пропускане на всички“ и съществува риск от автоматично освобождаване на критични стойности.
Мощна подкана:
Вашата роля: асистент на лабораторен експерт, който ИЗРАБОТВА автоматизирани правила за валидиране. Целта е сигурност; скоростта е второстепенна. Предложете проект на правила за следните аналити: [списък на аналитите]. Напишете случаите на УСЛОВИЯ за автоматично освобождаване и ИЗКЛЮЧЕНИЯ (преминете към хора) отделно за всяко правило. Изключенията трябва да включват поне следното: критична стойност, нарушение на делта проверката, нарушение на QC, флаг за смущение, флаг за проверка на устройството. Добавете бележка до всяко правило, гласяща „това правило може да избегне този риск“. Ще тествам правилата ретроспективно, преди да ги пусна в производство; Също така напишете какви исторически данни трябва да проверя за тестване.
Силната подкана дава приоритет на сигурността, налага изключения, поставя под въпрос рисковете и включва стъпка за валидиране.
три мини калъфа
Случай 1 — Добре проектирана автоматизация. Лаборатория настройва автоматично валидиране за рутинни резултати от пълна кръвна картина: в референтен диапазон, QC чист, делта чист, без флаг на устройството. Критичните стойности, флагът за взрив, нарушението на делтата отиват на човек. Той симулира набора от правила за AI и показва, че нито една критична стойност не е избягала в последните 10 000 резултата. Експертът валидира и прилага правилото; Приблизително 70% от резултатите се ускоряват безопасно, фокусирайки вниманието върху критичните.
Случай 2 — Грешка при съпоставяне на обема. След актуализация на интеграцията устройството изпраща mmol/L, докато междинният софтуер очаква магнезий mg/dL. Стойностите систематично се мащабират неправилно. AI отбелязва внезапно и напълно неочаквано изместване на резултатите в диапазона („всички резултати за магнезий ~2,4 пъти нормални“). Специалист открива и поправя грешка при съвпадение на единици. Ако автоматизацията не беше уловила тази грешка, хиляди резултати щяха да бъдат неправилни - ярък пример за риска автоматизацията да мащабира грешката.
Случай 3 — Автоматично излизане от критична стойност. Той отваря широко автоматично валидиране, без да задава друго лабораторно правило за изключение. Ниво на калий от 6,4 mmol/L, макар и критично, се освобождава автоматично и известието се пропуска. Пациентът е увреден. Урок: сигурността на автоматичното валидиране зависи от пълнотата на правилата за изключение; критичната стойност никога не се оставя на автоматизацията.
Копируеми шаблони за подкана
ШАБЛОН НА ПРОЕКТ НА ПРАВИЛО ЗА АВТОМАТИЧНО ВАЛИДИЗИРАНЕ Аналит: [име]. Избройте условията за автоматично освобождаване (референтен диапазон, QC състояние, делта, смущения, флаг на устройството). След това избройте отделно изключенията „ТРЯБВА ДА ИДВА ПРИ ХОРАТА“. Посочете риска, който всяко правило може да пропусне. Правилото е чернова; Няма да го използвам без ретроспективен тест.
ШАБЛОН ЗА СИМУЛАЦИЯ НА ПРАВИЛО Приложете следното правило за автоматично валидиране към списъка с анонимни исторически резултати, който ще предоставя. Покажете кои резултати ще преминат автоматично и кои ще отидат при хората. По-конкретно: дали някакви критични стойности са преминали автоматично? Делта пробив избяга? Правило: [правило]. Резултати: [списък].
ШАБЛОН ЗА СКАНИРАНЕ НА ГРЕШКА ПРИ ИНТЕГРИРАНЕ Следните резултати от анализа показват грешка при интегриране/съпоставяне: внезапно и последователно отклонение на всички резултати (възможна грешка на единица), неочакван диапазон, несъответствие от едно устройство/канал. Маркирайте подозрителния модел и възможната причина; Аз ще взема решението. Данни: [списък].
LOINC/ШАБЛОН ЗА ПРОВЕРКА НА КОДА ЗА ТЕСТ Проверете следното име на теста и представения код за съвпадение: името на теста и тестът, описан от кода, отнасят ли се за един и същ аналит? Съвместим ли е томът? Ако има несъвместимост, проверете „[съвпадението трябва да бъде потвърдено]“. Съвпадения: [списък].
Често срещани грешки
- Включете автоматичната проверка без изключение. Автоматизацията без критична стойност, делта, QC и изключения за смущения е опасна.
- Пускане на правилото в производство без валидирането му. Новото правило няма да влезе в сила без ретроспективно тестване на исторически данни.
- Не се проверява съответствието на единиците. Грешка като mg/dL ↔ mmol/L тихо променя всички резултати.
- Пренебрегване на тестовия код/LOINC объркване. Несъответстващият код може да направи един тестов отчет като друг тест.
- Погрешно приемане на предложението за правило на AI като доказателство. Предложението е проект; Само симулацията и валидирането показват сигурност.
Съвет: Когато проектирате правило за автоматично валидиране, първо попитайте "какво НИКОГА не бих предал автоматично?" Започнете с въпроса. След като сте съставили напълно списъка с изключения, автоматизацията може безопасно да бъде разширена. Безопасността се измерва не с резултатите, които преминават, а с това, което не оставяте да премине.
В обобщение
Лабораторните данни протичат по верига с множество звена от устройството към лекаря; Стандартите LIS, междинен софтуер и HL7/ASTM/LOINC осигуряват този поток и всяко позвъняване е възможност за грешка. Автоматичната проверка ускорява резултатите при безопасни условия, но нейната сигурност зависи от правилата за изключения (критична стойност, делта, QC, смущението трябва да се отнася до хората). Изкуственият интелект е мощен помощник при проектирането на правила, симулирането им и сканирането за интеграционни грешки; Никое правило обаче не се въвежда в производство без ретроспективно тестване и експертно валидиране. Автоматизацията също мащабира грешката; Ето защо контролно-пропускателните пунктове са незаменими.
Задача за приложение
Поискайте набор от правила от AI с шаблона „Чернова на правило за автоматизирано валидиране“ за аналит; По-специално проверете дали списъкът с изключения е пълен. След това приложете това правило към примерен списък с исторически резултати с шаблона „Симулация на правило“ и проверете дали не са избегнати нарушения на критична стойност/делта. Накрая създайте сценарий за съпоставяне на тома и опитайте шаблона „Сканиране при грешка при интегриране“.
контролен списък
- [ ] Напълно дефинирах списъка с изключения (критично, делта, QC, смущения) за автоматична проверка.
- [ ] Тествах правилото ретроспективно с исторически данни, преди да го пусна в производство.
- [ ] Проверих, че няма критични стойности/делта нарушения, които се пропускат автоматично.
- [ ] Проверих съвпадения на единицата и LOINC/тестовия код.
- [ ] Сканирах за признаци на неуспешна интеграция (внезапно последователно отклонение).
- [ ] Потвърдих предложението за правило на AI чрез симулация и валидиране.