Zyski:
- Możliwość zmapowania całego procesu testowania (przedanalityczny, analityczny, poanalityczny) i wybrania, które etapy można bezpiecznie zautomatyzować za pomocą sztucznej inteligencji
- Możliwość ograniczenia wąskich gardeł poprzez wykorzystanie sztucznej inteligencji w zadaniach takich jak przyjmowanie próbek, sortowanie i szacowanie nakładu pracy
- Możliwość utrzymywania punktów kontrolnych i ręcznych ścieżek wyjątków dzięki zrozumieniu, że automatyzacja zwiększa prędkość, ale także skaluje błąd.
Dzień w laboratorium jest jak nieprzerwana rzeka próbek: rano dostarczane są setki probówek, w południe napływają pilne zamówienia, a wieczorem gromadzą się próbki od pacjentów ambulatoryjnych. Zarządzanie tym przepływem — która próbka ma zostać zbadana jako pierwsza, do jakiego urządzenia trafi, jakie wąskie gardło wystąpi, jak rozmieścić personel — jest samo w sobie zadaniem inżynieryjnym. Automatyzacja przepływu pracy eliminuje powtarzalne etapy zarządzania i przetwarzania z rąk ludzkich i systematyzuje je. Sztuczna inteligencja może być tutaj potężnym planistą i akceleratorem: przewidywaniem obciążenia pracą, optymalizacją sekwencjonowania, opracowywaniem decyzji iteracyjnych. Jednak złota zasada automatyzacji pozostaje niezmienna: automatyzacja skaluje błąd w miarę skalowania szybkości; dlatego należy zachować punkty kontrolne i ręczne ścieżki wyjątków.
W tej części krok po kroku zmapujesz cały proces testowania; które etapy można bezpiecznie zautomatyzować, a które wymagają ludzkiego osądu; i jak bezpiecznie dodać AI do tego procesu.
Mapowanie całego procesu testowania
Konieczne jest zobaczenie procesu przed jego automatyzacją. Cały proces testowania składa się z grubsza z następujących kroków:
- Zlecenie i przygotowanie pacjenta (przedanalityczne) — badanie zlecone, pacjent przygotowany.
- Pobieranie i etykietowanie próbek (przedanalityczne) — pobierana i identyfikowana jest krew/próbka.
- Transport i odbiór (przedanalityczny) – próbka dociera do laboratorium, zostaje przyjęta, następuje sprawdzenie przydatności.
- Przygotowanie (przedanalityczne) — wirowanie, rozdzielanie, sortowanie.
- Analiza (analityczna) — pomiar na urządzeniu.
- Walidacja (postanalityczna) — QC, delta, wydanie automatyczne/ręczne.
- Raportowanie i komunikacja (poanalityczna) – wynik dociera do lekarza/pacjenta.
Każdy etap różni się pod względem przydatności do automatyzacji. Poniższa tabela podsumowuje potencjał automatyzacji i punkty kontrolne krok po kroku:
krok
Potencjał automatyzacji
Wkład sztucznej inteligencji
krytyczny punkt kontrolny
Akceptacja/zgodność próbki
wysoki
Wstępna weryfikacja kwalifikacyjna
Decyzja o odmowie należy do eksperta
Sortuj/nadawaj priorytety
wysoki
Oszacowanie obciążenia pracą/pilności
Nie należy lekceważyć pilnej prośby
Plan obciążenia pracą/personelu
Średnio-wysoki
Prognoza popytu
Plan zostaje zatwierdzony przez administratora
Żądanie powtórzenia/rozcieńczenia
średni
projekt przepisu
Wynik krytyczny trafia do człowieka
Opublikowanie wyniku
warunkowy
Reguła automatycznej walidacji
Wyjątki dla ludzi (Część 5)
Język raportowania
średni
projekt tekstu
Dokładność kliniczna do dyspozycji eksperta
Co automatyzować, a czego nigdy?
Sztuka bezpiecznej automatyzacji polega na właściwym rozróżnieniu. Rutynowe, powtarzalne i mało wymagające kroki najlepiej nadają się do automatyzacji: sortowanie próbek, szacowanie obciążenia pracą, warunkowe udostępnianie normalnych wyników, standardowy format raportu. Kroki wymagające oceny, kontekstu klinicznego lub decyzji krytycznej dla bezpieczeństwa pozostają w gestii człowieka: odrzucenie próbki, powiadomienie o wartości krytycznej, nieprawidłowa interpretacja obrazu, diagnoza.
Najbardziej podstępnym ryzykiem automatyzacji jest to, że raz ustalona zła reguła będzie po cichu powtarzana w tysiącach próbek. Osoba może zauważyć błąd podczas pracy jedna po drugiej; automatyzacja powiela ten sam błąd pod względem szybkości i skali. Dlatego do każdego etapu automatyzacji dodano trzy rzeczy: punkt kontrolny (przekazywanie określonych wyników ludzkimi oczami), monitorowanie (ciągłe śledzenie tego, co robi automatyzacja) i ręczną ścieżkę wyjątków (możliwość ominięcia automatyzacji i ręcznej interwencji w razie potrzeby).
Uwaga: „System się tym zajmuje” to najniebezpieczniejszy komfort w laboratorium. Nawet jeśli wydaje się, że automatyzacja działa, regularnie próbuj i audytuj jej decyzje; Cichy błąd reguły może pozostać niezauważony przez miesiące.
Jak dodać AI do przepływu pracy
Najbezpieczniejsze obszary, w których AI może wnieść swój wkład, to te, które wymagają planowania, a nie podejmowania decyzji. Dobrym przykładem jest prognozowanie obciążenia pracą: na podstawie danych historycznych można przewidzieć, ile próbek dotrze w danym dniu/o której godzinie, a także rzucić światło na planowanie personelu i sprzętu. Może wstępnie sprawdzić próbkę pod kątem przydatności po przyjęciu (czy brakuje etykiety, czy tuba jest nieprawidłowa, czy ilość jest wystarczająca). Potrafi opracowywać powtarzające się teksty komunikatów (powiadomienie działu o opóźnieniu, ostrzeżenie dotyczące zapasów dla działu). Potrafi analizować wąskie gardła procesu i oferować sugestie ulepszeń. We wszystkich tych wkładach sztuczna inteligencja tworzy propozycję/projekt; zatwierdzenie i wdrożenie pozostaje w gestii danej osoby.
Słaba zachęta/silna zachęta
Słaba zachęta:
Zautomatyzuj przepływ pracy w moim laboratorium, przyspiesz wszystko.
Ten monit nie zawiera informacji, który krok należy zautomatyzować, granic zabezpieczeń ani punktów kontrolnych. AI generuje zalecenia ogólne, niepraktyczne i ryzykowne; Może także automatyzować kroki krytyczne dla bezpieczeństwa.
Potężny monit:
Twoja rola: asystent kierownika laboratorium przygotowujący projekt usprawnienia przepływu pracy. Celem jest bezpieczne przyspieszenie. Podaj sugestię automatyzacji dla następującego kroku:[krok, np. akceptacja/zgodność próbki]. Dla każdej sugestii: (1) która część może zostać zautomatyzowana, (2) która część MUSI pozostać ludzka (bezpieczeństwo/sądownictwo), (3) który punkt kontrolny i ręczną ścieżkę wyjątku należy dodać, (4) ryzyko, że ta automatyzacja może przeoczyć. Powiadomienie o wartości krytycznej, decyzja o odrzuceniu próbki i diagnoza nie zostaną zautomatyzowane. Decyzja o wdrożeniu należy do mnie.
Silna wola wyznacza krok, oddziela część, która zostanie zautomatyzowana, od tej, która pozostanie w człowieku, kwestionuje punkt kontroli i ryzyko.
trzy mini etui
Przypadek 1 — Oszacowanie nakładu pracy. Laboratorium podaje AI dzienną liczbę próbek z ostatnich 12 miesięcy (anonimowo, bez informacji o pacjencie) i żąda tygodniowej prognozy zapotrzebowania. YZ pokazuje, że w poniedziałki rano i na początku miesiąca jest szczyt, a w weekendy maleje. Na podstawie tych szacunków menedżer dodaje dwie kolejne osoby do poniedziałkowej porannej zmiany. Rezultat: średni czas uzyskania wyniku w godzinach szczytu zostaje skrócony z 90 minut do 55 minut. AI przewidziała, menedżer zatwierdził plan.
Przypadek 2 – Wstępna kontrola akceptacji próbki. Na recepcji sterownik oparty na sztucznej inteligencji skanuje przychodzące zamówienia: zgodność etykiety z pacjentem, typ probówki, minimalna objętość. Pewnego dnia na 18 próbkach pojawia się flaga „typ probówki jest niezgodny z żądaniem”. Personel je sprawdza; 15 to prawdziwe niezgodności i są one żądane ponownie, 3 to fałszywe alarmy. Wstępna selekcja pozwoliła zaoszczędzić czas, ale decyzja o odrzuceniu pozostawała w gestii danej osoby; Fałszywe alarmy pokazują również, że ostateczna decyzja nie może zapaść automatycznie.
Przypadek 3 – Błąd cichej reguły. Laboratorium ustanawia automatyczną regułę dotyczącą powtórzeń rozcieńczeń, ale wprowadza nieprawidłowy próg; W rezultacie niektóre wysokie wartości są niepotrzebnie rozwodnione i zgłaszane nieprawidłowo. Ponieważ nikt nie patrzy na to indywidualnie, błąd pozostaje niezauważony przez trzy tygodnie. Podczas rutynowego audytu automatyzacji sztuczna inteligencja sygnalizuje wzór „nieoczekiwanego, powtarzającego się rozcieńczenia określonego analitu” i zostaje wykryty błąd. Lekcja: jeśli nie zastosuje się automatyzacji, błąd będzie cicho narastał.
Kopiowalne szablony podpowiedzi
SZABLON MAPOWANIA PROCESÓW Zamapuj krok po kroku następujący proces laboratoryjny. Dla każdego etapu: wejście, wyjście, odpowiedzialny, szacowany czas, możliwy punkt awarii i potencjał automatyzacji (niski/średni/wysoki). Zaznacz także kroki krytyczne dla bezpieczeństwa. Proces: [definicja].
SZABLON SZACOWANIA PRACY Poniżej znajdują się anonimowe (bez informacji o pacjencie) dzienne/godzinowe zliczenia próbek. Wyodrębnij tygodniowy i godzinny wzór zapotrzebowania; Określ okresy szczytowe i dolne. Podaj sugestie dotyczące planu dotyczącego personelu/urządzeń, ale decyzję zostaw mnie. Dane: [lista].
SZABLON ANALIZY BEZPIECZEŃSTWA AUTOMATYKI Oceń następujący pomysł na automatyzację: [pomysł]. (1) Którą część można bezpiecznie zautomatyzować, (2) którą część należy pozostawić człowiekowi, (3) jaki punkt kontrolny i wyjątek ręczny należy dodać, (4) jeśli ta reguła popełni błąd, na ile wyników będzie to miało wpływ i jak to zauważę? Chcę zobaczyć ryzyko przed złożeniem wniosku.
SZABLON AUDYTU AUTOMATYCZNEGO Poniżej znajdują się anonimowe podsumowania decyzji utworzone ostatnio przez automatyczną regułę (ile wyników przeszło, ile zażądano powtórzeń/rozcieńczeń, ile wyjątków). Zaznacz wszelkie nieoczekiwane wzory lub wzory. Zapisz, na co musisz zwrócić uwagę, aby znaleźć pierwotną przyczynę; Podejmuję decyzję. Dane: [lista].
Typowe błędy
- Automatyzacja kroku krytycznego dla bezpieczeństwa. Odrzucenie próbki, krytyczne powiadomienie i diagnoza nie są zautomatyzowane; potrzebny jest ludzki osąd.
- Nie umieszczanie punktów kontrolnych i ścieżek wyjątków. Niemonitorowana automatyzacja po cichu skaluje błąd.
- Skonfiguruj automatyzację i zapomnij o niej. Jeśli zasady nie będą regularnie kontrolowane, nieprawidłowy próg spowoduje wielomiesięczne szkody.
- Ignorowanie fałszywego alarmu. Skanowanie wstępne powoduje również fałszywe alarmy; Ostateczna decyzja zawsze należy do człowieka.
- Umieszczenie danych identyfikacyjnych w monicie planowania. Do oszacowania nakładu pracy wystarczą dane liczbowe, anonimowe; Nie jest wymagana identyfikacja pacjenta.
Wskazówka: Przed wdrożeniem każdego pomysłu na automatyzację odpowiedz na jedno pytanie: „Na ile wyników wpłynie ta reguła, jeśli działa niepoprawnie i jak to zauważyć?” Jeśli odpowiedź nie jest jasna, najpierw skonfiguruj monitorowanie i punkty kontrolne, a następnie zautomatyzuj je.
Podsumowując
Automatyzacja przepływu pracy przyspiesza laboratorium poprzez usystematyzowanie powtarzalnych kroków, które wymagają niewielkiej oceny. Kluczem do zapewnienia automatyzacji jest oddzielenie etapów zautomatyzowanych (sortowanie, szacowanie obciążenia pracą, zwolnienie warunkowe) od etapów krytycznych dla bezpieczeństwa (odrzucenie, powiadomienie krytyczne, diagnoza). oraz dodanie punktów kontrolnych, monitorowania i ręcznego wyznaczania ścieżek wyjątków do każdej automatyzacji. Sztuczna inteligencja jest potężnym pomocnikiem w planowaniu, prognozowaniu i generowaniu wersji roboczych, ale utrzymuje decyzję i akceptację w rękach człowieka. Największym ryzykiem jest błąd reguły cichego skalowania; Dlatego automatyka nie kończy się na zainstalowaniu, jest ona stale monitorowana.
Zadanie aplikacji
Wybierz proces ze swojego laboratorium (np. przyjęcie próbki) i zaplanuj jego etapy, punkty błędów i potencjał automatyzacji za pomocą szablonu „Mapowanie procesu”. W przypadku etapu o wysokim potencjale zastosuj szablon „Analiza bezpieczeństwa automatyzacji” i wyjaśnij, która część pozostanie przy człowieku, a który punkt kontrolny dodasz. Wypróbuj „Prognozę obciążenia pracą” z anonimową liczbą próbek historycznych.
lista kontrolna
- [ ] Opisałem proces krok po kroku; Zaznaczyłem kroki krytyczne dla bezpieczeństwa.
- [ ] Wydzieliłem części, które zostaną zautomatyzowane i pozostaną przy człowieku.
- [ ] Dodałem punkt kontrolny, śledzenie i ręczną ścieżkę wyjątku do każdej automatyzacji.
- [ ] „Na ile wyników wpłynie to, jeśli zadziała nieprawidłowo?” Odpowiedziałem na pytanie.
- [ ] Do oszacowania nakładu pracy wykorzystałem wyłącznie anonimowe dane liczbowe.
- [ ] Ustaliłem plan regularnych przeglądów automatyki.