Keuntungan:
- Kemampuan untuk memetakan keseluruhan proses pengujian (pra-analitis, analitis, pasca-analitik) dan memilih langkah mana yang dapat diotomatisasi dengan aman menggunakan kecerdasan buatan
- Kemampuan untuk mengurangi kemacetan dengan menggunakan kecerdasan buatan dalam tugas-tugas seperti penerimaan sampel, penyortiran, dan estimasi beban kerja
- Kemampuan untuk mempertahankan pos pemeriksaan dan jalur pengecualian manual dengan memahami bahwa otomatisasi meningkatkan kecepatan tetapi juga meningkatkan skala kesalahan.
Sehari-hari di laboratorium bagaikan sungai sampel yang tidak terputus: ratusan tabung tiba sekaligus di pagi hari, permintaan mendesak datang di siang hari, dan sampel rawat jalan menumpuk di malam hari. Mengelola aliran ini — sampel mana yang harus dijalankan terlebih dahulu, perangkat mana yang digunakan, kemacetan mana yang akan terjadi, cara mendistribusikan personel — merupakan tugas teknis tersendiri. Otomatisasi alur kerja mengambil langkah-langkah manajemen dan pemrosesan berulang ini dari tangan manusia dan mensistematisasikannya. AI dapat menjadi perencana dan akselerator yang hebat dalam hal ini: memprediksi beban kerja, mengoptimalkan pengurutan, menyusun keputusan berulang. Namun aturan utama otomatisasi tetap konstan: otomatisasi menskalakan kesalahan seiring dengan menskalakan kecepatan; jadi pos pemeriksaan dan jalur pengecualian manual harus dipertahankan.
Dalam unit ini, Anda akan memetakan keseluruhan proses pengujian langkah demi langkah; langkah mana yang dapat diotomatisasi dengan aman dan mana yang memerlukan penilaian manusia; dan cara menambahkan AI dengan aman ke proses ini.
Memetakan seluruh proses pengujian
Penting untuk melihat prosesnya sebelum mengotomatiskannya. Proses pengujian keseluruhan secara kasar terdiri dari langkah-langkah berikut:
- Pemesanan dan persiapan pasien (pra-analitis) — tes diperintahkan, pasien disiapkan.
- Pengumpulan dan pelabelan sampel (pra-analitis) — darah/sampel dikumpulkan dan diidentifikasi.
- Transportasi dan penerimaan (pra-analitis) — sampel tiba di laboratorium, diterima, kesesuaiannya diperiksa.
- Persiapan (pra-analitis) — sentrifugasi, pemisahan, penyortiran.
- Analisis (analitis) — pengukuran pada perangkat.
- Validasi (pasca-analitis) — QC, delta, rilis otomatis/manual.
- Pelaporan dan komunikasi (pasca analitis) — hasilnya sampai ke dokter/pasien.
Setiap langkah berbeda dalam kesesuaiannya untuk otomatisasi. Tabel berikut merangkum potensi otomatisasi dan pos pemeriksaan demi langkah:
langkah
Potensi otomatisasi
Kontribusi AI
titik kendali kritis
Contoh penerimaan/kepatuhan
tinggi
Pra-penyaringan kelayakan
Keputusan penolakan ada pada ahlinya
Urutkan/prioritaskan
tinggi
Estimasi beban kerja/urgensi
Permintaan mendesak tidak boleh diabaikan
Rencana beban kerja/pegawai
Sedang-Tinggi
Perkiraan permintaan
Rencana tersebut disetujui oleh administrator
Permintaan pengulangan/pengenceran
sedang
rancangan peraturan
Hasil kritis jatuh ke tangan manusia
Rilis hasil
bersyarat
Aturan validasi otomatis
Pengecualian untuk manusia (Unit 5)
Bahasa pelaporan
sedang
rancangan teks
Akurasi klinis siap membantu ahlinya
Apa yang harus diotomatisasi dan apa yang tidak boleh diotomatisasi?
Seni otomatisasi yang aman memberikan perbedaan yang tepat. Langkah-langkah rutin, berulang, dan tidak terlalu menghakimi paling cocok untuk otomatisasi: penyortiran sampel, estimasi beban kerja, rilis hasil normal bersyarat, format laporan standar. Langkah-langkah yang memerlukan penilaian, konteks klinis, atau keputusan kritis keselamatan tetap berada di tangan manusia: penolakan sampel, pemberitahuan nilai kritis, interpretasi gambar abnormal, diagnosis.
Risiko otomatisasi yang paling berbahaya adalah aturan yang salah, setelah ditetapkan, akan terulang secara diam-diam di ribuan sampel. Seseorang mungkin menyadari adanya kesalahan saat bekerja satu per satu; otomatisasi mereplikasi kesalahan yang sama dengan kecepatan dan skala. Itu sebabnya tiga hal ditambahkan ke setiap langkah otomatisasi: pos pemeriksaan (menyampaikan hasil tertentu melalui mata manusia), pemantauan (pelacakan berkelanjutan atas apa yang dilakukan otomatisasi), dan jalur pengecualian manual (kemampuan untuk melewati otomatisasi dan melakukan intervensi secara manual bila diperlukan).
Perhatian: "Sistem akan menanganinya" adalah kenyamanan paling berbahaya di laboratorium. Meskipun otomatisasi tampaknya berfungsi, ambil sampel dan audit keputusannya secara teratur; Kesalahan aturan diam-diam mungkin tidak diketahui selama berbulan-bulan.
Bagaimana cara menambahkan AI ke alur kerja
Area teraman bagi AI untuk berkontribusi adalah area yang memerlukan perencanaan, bukan keputusan. Perkiraan beban kerja adalah contoh yang baik: dari data historis, hal ini dapat memprediksi berapa banyak sampel yang akan tiba pada hari/waktu tertentu dan menjelaskan perencanaan staf dan peralatan. Ini dapat menyaring sampel terlebih dahulu untuk kesesuaiannya pada saat diterima (apakah labelnya hilang, apakah tabungnya salah, apakah jumlahnya mencukupi). Dapat menyusun teks komunikasi yang berulang (pemberitahuan penundaan ke departemen, peringatan stok ke departemen). Dapat menganalisis hambatan suatu proses dan menawarkan saran perbaikan. Dalam semua kontribusi ini, AI menghasilkan proposal/draf; persetujuan dan pelaksanaan tetap pada orang tersebut.
Perintah lemah / Perintah kuat
Perintah yang lemah:
Otomatiskan alur kerja lab saya, percepat semuanya.
Permintaan ini tidak mencakup langkah mana yang harus diotomatisasi, batasan keamanan, dan pos pemeriksaan. AI menghasilkan rekomendasi yang umum, tidak praktis dan berisiko; Ini juga dapat mengotomatiskan langkah-langkah penting bagi keamanan.
Perintah yang kuat:
Peran Anda: asisten manajer laboratorium menyiapkan DRAFT perbaikan alur kerja. Tujuannya adalah akselerasi yang aman. Berikan saran otomatisasi untuk langkah berikut:[langkah, mis. penerimaan/kepatuhan sampel]. Untuk setiap saran: (1) bagian mana yang dapat diotomatisasi, (2) bagian mana yang HARUS tetap manusiawi (keamanan/peradilan), (3) pos pemeriksaan dan jalur pengecualian manual mana yang harus ditambahkan, (4) risiko yang mungkin terlewatkan oleh otomatisasi ini. Pemberitahuan nilai kritis, keputusan penolakan sampel, dan diagnosis tidak akan diotomatisasi. Keputusan implementasi ada di tangan saya.
Kehendak yang kuat menentukan langkah, memisahkan bagian yang akan diotomatisasi dan bagian yang tetap berada di manusia, serta mempertanyakan titik kendali dan risiko.
tiga kasus mini
Kasus 1 — Estimasi beban kerja. Sebuah laboratorium memberi AI jumlah sampel harian selama 12 bulan terakhir (secara anonim, tanpa informasi pasien) dan meminta perkiraan permintaan mingguan. YZ menunjukkan bahwa Senin pagi dan awal bulan adalah puncaknya, dan akhir pekannya menurun. Berdasarkan perkiraan ini, manajer menambah dua orang lagi pada shift Senin pagi. Hasilnya: waktu hasil rata-rata pada jam sibuk berkurang dari 90 menit menjadi 55 menit. Prediksi AI, manajer menyetujui rencana tersebut.
Kasus 2 - Pra-penyaringan penerimaan sampel. Di unit penerima tamu, kontrol bertenaga AI memindai pesanan yang masuk: kompatibilitas label-pasien, jenis tabung, volume minimum. Suatu hari, tanda "jenis tabung tidak sesuai dengan permintaan" muncul di 18 sampel. Staf memeriksa ini; 15 adalah ketidakcocokan yang sebenarnya dan diminta lagi, 3 adalah alarm palsu. Pra-penyaringan menghemat waktu, namun keputusan untuk menolak tetap ada pada orang tersebut; Peringatan palsu juga menunjukkan bahwa keputusan akhir tidak dapat diambil secara otomatis.
Kasus 3 — Kesalahan aturan senyap. Laboratorium menetapkan aturan otomatis untuk pengulangan pengenceran tetapi memasukkan ambang batas yang salah; Akibatnya, beberapa nilai tinggi terdilusi secara tidak perlu dan dilaporkan secara tidak benar. Karena tidak ada yang memeriksanya satu per satu, kesalahan tersebut tidak diketahui selama tiga minggu. Dalam audit otomatisasi rutin, AI menandai pola “pengenceran berulang yang tidak terduga dari analit tertentu” dan kesalahan ditemukan. Pelajaran: jika otomatisasi tidak diikuti, kesalahan akan bertambah secara diam-diam.
Templat cepat yang dapat disalin
TEMPLATE PEMETAAN PROSESPetakan proses laboratorium berikut langkah demi langkah. Untuk setiap langkah: masukan, keluaran, tanggung jawab, perkiraan waktu, kemungkinan titik kegagalan, dan potensi otomatisasi (rendah/sedang/tinggi). Tandai juga langkah-langkah penting bagi keamanan. Proses: [definisi].
TEMPLATE ESTIMASI BEBAN KERJA Di bawah ini adalah jumlah sampel harian/per jam anonim (tanpa informasi pasien). Ekstrak pola permintaan mingguan dan per jam; Tentukan periode puncak dan terendah. Berikan saran untuk rencana personel/perangkat, tetapi serahkan keputusan kepada saya. Data: [daftar].
TEMPLATE ANALISIS KEAMANAN OTOMASI Evaluasi ide otomatisasi berikut: [ide]. (1) Bagian mana yang dapat diotomatisasi dengan aman, (2) bagian mana yang harus diserahkan kepada manusia, (3) pos pemeriksaan dan pengecualian manual mana yang harus ditambahkan, (4) jika aturan ini membuat kesalahan, berapa banyak dampaknya dan bagaimana cara saya menyadarinya? Saya ingin melihat risikonya sebelum melamar.
TEMPLATE AUDIT OTOMASI Di bawah ini adalah ringkasan keputusan anonim yang baru-baru ini dihasilkan oleh aturan otomatis (berapa banyak hasil yang lolos, berapa banyak replikasi/pengenceran yang diminta, berapa banyak pengecualian). Tandai pola atau pola apa pun yang tidak terduga. Tuliskan apa yang perlu Anda cari untuk memeriksa akar permasalahan; Saya membuat keputusan. Data: [daftar].
Kesalahan umum
- Mengotomatiskan langkah penting keamanan. Penolakan sampel, pemberitahuan kritis, dan diagnosis tidak dilakukan secara otomatis; penilaian manusia diperlukan.
- Tidak menempatkan pos pemeriksaan dan jalur pengecualian. Otomatisasi yang tidak terpantau secara diam-diam menskalakan kesalahan.
- Siapkan otomatisasi dan lupakan saja. Jika peraturan tidak diaudit secara berkala, ambang batas yang salah akan menyebabkan kerugian selama berbulan-bulan.
- Mengabaikan alarm palsu. Pra-pemindaian juga menghasilkan alarm palsu; Keputusan akhir selalu ada di tangan orang tersebut.
- Menempatkan data identitas dalam prompt perencanaan. Data numerik dan anonim cukup untuk memperkirakan beban kerja; Tidak diperlukan identifikasi pasien.
Tips: Sebelum menerapkan setiap ide otomatisasi, jawablah satu pertanyaan: “Berapa banyak hasil yang akan dipengaruhi oleh aturan ini jika aturan ini tidak berfungsi dengan benar, dan bagaimana cara saya menyadarinya?” Jika jawabannya tidak jelas, siapkan pemantauan dan pos pemeriksaan terlebih dahulu, lalu otomatiskan.
Singkatnya
Otomatisasi alur kerja mempercepat lab dengan mensistematisasikan langkah-langkah yang berulang dan tidak terlalu menghakimi. Kunci untuk mengamankan otomatisasi adalah dengan memisahkan langkah-langkah yang dapat diotomatisasi (penyortiran, estimasi beban kerja, pelepasan bersyarat) dari langkah-langkah yang penting bagi keselamatan (penolakan, pemberitahuan kritis, diagnosis); dan menambahkan pos pemeriksaan, pemantauan, dan jalur pengecualian manual ke setiap otomatisasi. Kecerdasan buatan adalah asisten yang ampuh dalam perencanaan, peramalan, dan pembuatan rancangan, namun keputusan dan persetujuan tetap berada di tangan manusia. Risiko terbesar adalah menskalakan bug aturan secara diam-diam; Oleh karena itu, otomatisasi tidak berhenti pada pemasangan saja, melainkan terus dipantau.
Tugas aplikasi
Pilih proses dari laboratorium Anda (misalnya penerimaan sampel) dan petakan langkah-langkahnya, titik kesalahan, dan potensi otomatisasi dengan templat “Pemetaan Proses”. Untuk langkah berpotensi tinggi, terapkan templat "Analisis Keamanan Otomatisasi" dan perjelas bagian mana yang akan tetap berada pada manusia dan titik kontrol mana yang akan Anda tambahkan. Coba "Perkiraan Beban Kerja" dengan jumlah sampel historis anonim.
daftar periksa
- [ ] Saya memetakan prosesnya langkah demi langkah; Saya menandai langkah-langkah penting bagi keamanan.
- [ ] Saya memisahkan bagian-bagian yang akan diotomatisasi dan tetap menjadi milik manusia.
- [] Saya menambahkan pos pemeriksaan, pelacakan, dan jalur pengecualian manual ke setiap otomatisasi.
- [ ] “Berapa banyak dampak yang akan terjadi jika cara kerjanya salah?” Saya menjawab pertanyaan itu.
- [ ] Saya hanya menggunakan data numerik anonim untuk estimasi beban kerja.
- [ ] Saya membuat rencana inspeksi otomatisasi rutin.