ความรู้เบื้องต้นเกี่ยวกับปัญญาประดิษฐ์ในห้องปฏิบัติการทางการแพทย์: บทบาท ขอบเขต การตรวจสอบความถูกต้อง และจริยธรรม

กำไร:

• ความสามารถในการแยกแยะว่าที่ใดที่ปัญญาประดิษฐ์ช่วยประหยัดเวลาแบบเรียลไทม์ในขั้นตอนการทำงานของห้องปฏิบัติการ (ก่อนการวิเคราะห์ การวิเคราะห์ หลังการวิเคราะห์) และตำแหน่งที่การตัดสินใจที่มีความสำคัญด้านความปลอดภัย (การตรวจสอบผลลัพธ์ การตีความทางคลินิก การวินิจฉัย) ตกเป็นของผู้เชี่ยวชาญ ตามระดับความเสี่ยงของงาน
• ความสามารถในการใช้ระเบียบวินัยที่ตรวจสอบความถูกต้องของเอาต์พุต AI แต่ละรายการผ่านขั้นตอนการเชื่อมโยงเอาต์พุตกับแหล่งที่มา การคำนวณใหม่ และการกรองทางคลินิก/การวิเคราะห์
• ปกปิดข้อมูลผู้ป่วยภายในขอบเขตของ KVKK/ความเป็นส่วนตัว และสร้างนิสัยในการเลือกยานพาหนะที่ปลอดภัย

การตัดสินใจนับพันครั้งเกิดขึ้นอย่างเงียบๆ ทุกวันในห้องปฏิบัติการทางการแพทย์ หลอดจะได้รับการยอมรับหรือปฏิเสธ ไม่ว่าผลลัพธ์ของโพแทสเซียมจะเป็นจริงหรือเกิดจากภาวะเม็ดเลือดแดงแตก ไม่ว่าเซลล์ที่เห็นในสเมียร์เลือดจะเป็นเซลล์เม็ดเลือดขาวปกติหรือระเบิด นี่อาจเป็นเหตุผลว่าทำไมครีเอตินีนของผู้ป่วยจึงเพิ่มขึ้นเป็นสองเท่าเมื่อเทียบกับค่าก่อนหน้า การตัดสินใจบางอย่างอาจเกิดขึ้นซ้ำๆ และใช้เวลานาน บางส่วนเป็นการตัดสินใจที่สามารถส่งผลโดยตรงต่อชีวิตของบุคคลและความผิดพลาดควรใกล้ศูนย์ ปัญญาประดิษฐ์ (AI หรือ AI เรียกสั้นๆ ว่าระบบคอมพิวเตอร์ที่สามารถสร้างข้อความ จดจำรูปแบบ จัดประเภทภาพ และคำนวณได้เหมือนมนุษย์) ลงตัวพอดีตรงกลางภาพนี้ เมื่อใช้อย่างถูกต้อง จะช่วยเร่งงานซ้ำๆ และช่วยให้คุณมีเวลาคิด เมื่อใช้ไม่ถูกต้อง ระบบจะส่งเอาต์พุตที่ดูเหมือนปลอดภัยแต่ไม่ถูกต้องไปยังรายงานผู้ป่วยได้

หน่วยแรกของโมดูลนี้ไม่ใช่การแนะนำซอฟต์แวร์ จุดประสงค์คือเพื่อชี้แจงว่าควรวาง AI ไว้ตรงไหนในอาชีพของคุณ และตรงไหนไม่ควรวางไว้เลย เนื่องจากวิทยาศาสตร์ในห้องปฏิบัติการทางการแพทย์เป็นสาขาที่ "มีความสำคัญต่อความปลอดภัย" ผลลัพธ์ทุกอย่างที่คุณผลิตอาจส่งผลต่อการตัดสินใจของแพทย์ ปริมาณยา และความล่าช้าในการผ่าตัด เรามาย้ำหลักการพื้นฐานที่นี่: ปัญญาประดิษฐ์เป็นผู้ช่วย ไม่ใช่ผู้เชี่ยวชาญในห้องปฏิบัติการ การตัดสินใจเปิดเผย (ตรวจสอบ) ผลลัพธ์ การตีความทางคลินิก และการวินิจฉัยจะขึ้นอยู่กับผู้เชี่ยวชาญที่มีความสามารถ ได้แก่ แพทย์ผู้เชี่ยวชาญในห้องปฏิบัติการ และแพทย์ที่เข้ารับการรักษา

ขั้นตอนการทดสอบทั้งหมดและสถานที่ของ AI

เพื่อให้เข้าใจงานในห้องปฏิบัติการจำเป็นต้องแบ่งกระบวนการออกเป็นสามขั้นตอน ขั้นตอนก่อนการวิเคราะห์คือระยะตั้งแต่สั่งตัวอย่างจนกระทั่งเข้าสู่อุปกรณ์: ลำดับการทดสอบ การเตรียมผู้ป่วย การเก็บเลือด การติดฉลาก การขนส่ง การหมุนเหวี่ยง ขั้นตอนการวิเคราะห์คือขั้นตอนที่ทำการวัดบนอุปกรณ์ ขั้นตอนหลังการวิเคราะห์คือการตรวจสอบ การตีความ การรายงาน และการส่งมอบผลลัพธ์ให้กับแพทย์ สิ่งที่น่าสนใจคือข้อผิดพลาดในห้องปฏิบัติการส่วนใหญ่เกิดขึ้นในระยะก่อนการวิเคราะห์ ไม่ใช่ในระยะการวิเคราะห์ (เครื่องมือ) AI สามารถสัมผัสทั้งสามระยะได้ แต่ไม่ใช่แต่ละระยะที่มีอำนาจเท่ากัน

คำว่า "สารวิเคราะห์" หมายถึงสารหรือพารามิเตอร์ที่จะวัด เช่น กลูโคส ครีเอตินีน โพแทสเซียม เฮโมโกลบิน ฯลฯ "ช่วงอ้างอิง" คือช่วงของค่าที่คาดหวังของสารวิเคราะห์ในประชากรที่มีสุขภาพดี และแตกต่างกันไปตามอายุ เพศ วิธีการ "การตรวจสอบความถูกต้อง" ใช้ในห้องปฏิบัติการในสองความหมาย: การยืนยันผลลัพธ์ก่อนที่จะเผยแพร่ และการพิสูจน์ความน่าเชื่อถือของวิธีการ/วิธีการ/แบบจำลอง AI สามารถสร้างการตีความผลลัพธ์เบื้องต้นได้อย่างชัดเจน แต่ผู้เชี่ยวชาญเท่านั้นที่จะประเมินว่าการตีความนั้นเหมาะสมกับสภาพทางคลินิก ยา และผลลัพธ์ก่อนหน้านี้ของผู้ป่วยหรือไม่

ตารางต่อไปนี้สรุปบทบาทและระดับความเสี่ยงของ AI ตามภารกิจ:

ภารกิจ

บทบาทของเอไอ

ระดับความเสี่ยง

ใครอนุมัติ.

การประมาณปริมาณงาน การเรียงลำดับตัวอย่าง

คันเร่ง, นักวางแผน

ต่ำ

ผู้จัดการห้องปฏิบัติการ

การเขียนร่างความคิดเห็นสรุป

เครื่องกำเนิดร่างแบบควบคุม

ปานกลาง

ผู้เชี่ยวชาญในห้องปฏิบัติการ

การตรวจสอบเดลต้า / การสร้างการแจ้งเตือน QC

สิ่งกระตุ้นทางสถิติ

ปานกลาง-สูง

ผู้เชี่ยวชาญ (ค้นหาสาเหตุที่แท้จริง)

การจำแนกประเภทภาพล่วงหน้า (สเมียร์, ปัสสาวะ)

เบื้องต้น ไม่ใช่คำสุดท้าย

สูง

ผู้เชี่ยวชาญ (ยืนยันการวินิจฉัย)

การแจ้งเตือนค่าความตื่นตระหนก

เบราว์เซอร์ เครื่องกำเนิดร่าง

สูงมาก

ผู้เชี่ยวชาญ (ยืนยัน รายงาน)

การวินิจฉัย/การตัดสินใจทางคลินิก

ไม่เป็นประโยชน์

สูงมาก

แพทย์+ผู้เชี่ยวชาญด้านห้องปฏิบัติการ

โปรดจำบรรทัดหนึ่งในแผนภูมินี้: เมื่อความเสี่ยงเพิ่มขึ้น บทบาทของ AI ลดลง การอนุมัติของมนุษย์ก็เพิ่มขึ้น

เหตุใด "การยืนยัน" จึงเป็นหัวใจสำคัญของธุรกิจนี้

โมเดลภาษาปัญญาประดิษฐ์ดูเหมือนจะมั่นใจในคำตอบ แต่อาจไม่แน่ใจ ในภาษาเทคนิค สิ่งนี้เรียกว่าภาพหลอน ซึ่งเป็นการสร้างแบบจำลองของข้อมูลที่ไม่มีอยู่จริงในประโยคที่คล่องแคล่ว ราวกับว่ามันเป็นเรื่องจริง สำหรับผู้เชี่ยวชาญในห้องปฏิบัติการ นี่เป็นกับดักร้ายแรง: แบบจำลองอาจบอกคุณว่า “โพแทสเซียมในเลือดปกติในผู้ใหญ่คือ 3.5-5.1 มิลลิโมล/ลิตร” (ซึ่งใกล้เคียงกับความแม่นยำ) แต่ก็อาจตอบได้เช่นกันว่า “ช่วงเฟอร์ริตินปกติคือ 30-400 ng/mL สำหรับทุกคน” โดยไม่สนใจความแตกต่างทางเพศ (ซึ่งถือว่าไม่สมบูรณ์และทำให้เข้าใจผิด) เนื่องจากเขาพูดทั้งสองอย่างได้คล่องเหมือนกัน สิ่งเดียวที่แยกถูกออกจากผิดคือความรู้และนิสัยในการตรวจสอบ

ระเบียบวินัยในการตรวจสอบประกอบด้วยสามขั้นตอน:

1. ลิงก์ไปยังแหล่งที่มา: สำหรับข้อมูล เช่น ช่วงอ้างอิง หน่วย วิธีการ ให้อาศัยบันทึกที่ผ่านการตรวจสอบแล้วของห้องปฏิบัติการของคุณเองและแหล่งที่มาที่ได้รับการยอมรับ (เอกสารกำกับบรรจุภัณฑ์ของผู้ผลิต วิธีที่ได้รับการรับรอง แนวทางระดับชาติ/นานาชาติ) ไม่ใช่ความทรงจำของ AI ใช้ AI เพื่อตีความข้อมูลนี้ ไม่ใช่เพื่อจดจำ
2. คำนวณใหม่/เปรียบเทียบ: ตรวจสอบผลลัพธ์ตัวเลข หน่วย และการเปลี่ยนแปลงเดลต้าแต่ละรายการที่ AI ส่งกลับมาอย่างอิสระ โดยเฉพาะอย่างยิ่งความสอดคล้องของหน่วยทดสอบ (mg/dL ↔ mmol/L) และข้อตกลงกับผลลัพธ์ก่อนหน้า
3. ตัวกรองทางคลินิกและการวิเคราะห์: ทดสอบกับผู้เชี่ยวชาญเพื่อดูว่าผลลัพธ์ที่ได้ขัดแย้งกับสภาวะทางการแพทย์ ยา คุณภาพตัวอย่าง และสถานะ QC ของผู้ป่วยหรือไม่

ข้อควรสนใจ: การคัดลอกการตีความผลลัพธ์ที่ AI ​​จัดทำขึ้นไปยังรายงานผู้ป่วยโดยไม่ตรวจสอบความถูกต้องก็เหมือนกับการให้รายงานผลลัพธ์ที่ไม่ได้ลงนามในแง่ของความรับผิดชอบทางวิชาชีพของคุณ ความเห็นไม่ถูกต้องเพียงเพราะออกมาได้คล่อง

ความเป็นส่วนตัว: ข้อมูลผู้ป่วยเป็นข้อมูลส่วนตัว

ข้อมูลห้องปฏิบัติการของผู้ป่วย (ผลการทดสอบ การวินิจฉัย หมายเลขโปรโตคอล ข้อมูลการระบุตัวตน) เป็นข้อมูลส่วนบุคคลที่ละเอียดอ่อนและได้รับการคุ้มครองภายใต้ KVKK (กฎหมายคุ้มครองข้อมูลส่วนบุคคล) ในตุรกีและ GDPR ในยุโรป การวางชื่อผู้ป่วย หมายเลข TR ID หมายเลขโปรโตคอล และการวินิจฉัย ลงในเครื่องมือ AI ที่เปิดเผยต่อสาธารณะถือเป็นการละเมิดอย่างร้ายแรง กฎง่ายๆ คือ: ไม่ระบุชื่อข้อมูล แทนที่จะเป็น "Ayşe Yılmaz อายุ 68 ปี ระเบียบการ 2024-114523 โรคไตเรื้อรัง" ให้เขียนว่า "ผู้ป่วยหญิงอายุ 68 ปี ทราบภาวะไตวาย"; ลบชื่อ ข้อมูลการติดต่อ สถาบัน และหมายเลขโปรโตคอล หากเป็นไปได้ ให้เลือกเครื่องมือขององค์กรที่มีข้อตกลงในการประมวลผลข้อมูล และอย่าใช้ข้อมูลของคุณในการฝึกโมเดล

มินิเคสสามอัน

กรณีที่ 1 — การใช้งานอย่างปลอดภัย ผู้เชี่ยวชาญด้านชีวเคมีต้องการให้โครงร่างข้อมูลที่ชัดเจนแก่ผู้ป่วยเกี่ยวกับพารามิเตอร์ที่ผิดปกติ 8 รายการในรายงานผู้ป่วย AI สร้างภาพร่างธรรมดาจากค่าที่ไม่เปิดเผยตัวตน (ไม่มีชื่อ) ผู้เชี่ยวชาญจะเปรียบเทียบช่วงอ้างอิงกับค่าของห้องปฏิบัติการของเขาเอง ลบประโยคที่หมายถึง "การวินิจฉัยขั้นสุดท้าย" และเพิ่มหมายเหตุ "ปรึกษาแพทย์เพื่อประเมินผล" ระยะเวลา: 4 นาที แทนที่จะเป็น 15 นาที AI ให้ร่าง ความรับผิดชอบยังคงอยู่กับผู้เชี่ยวชาญ

กรณีที่ 2 — กับดักความคิดเห็นที่ไม่ได้รับการยืนยัน ผู้เชี่ยวชาญอีกคนให้ YZ ตีความผลลัพธ์ของ TSH (ฮอร์โมนกระตุ้นต่อมไทรอยด์) AI บอกเราว่าผลลัพธ์เป็น "ปกติ" เมื่อเทียบกับช่วงอ้างอิงสำหรับผู้ใหญ่ แต่กลุ่มตัวอย่างมาจากทารกแรกเกิดและช่วงอ้างอิงทารกแรกเกิดแตกต่างอย่างสิ้นเชิง ความคิดเห็นไม่ถูกต้องเนื่องจากสร้างมาสำหรับกลุ่มอายุที่ไม่ถูกต้อง ละเว้นการตรวจสอบความถูกต้อง พลาดบริบททางคลินิก

กรณีที่ 3 — การละเมิดการรักษาความลับ ช่างเทคนิคในห้องปฏิบัติการโหลดชื่อนามสกุลของผู้ป่วยและรายงาน PDF ลงในเครื่องมือ AI สาธารณะแล้วพูดว่า "แสดงความคิดเห็น" ข้อมูลไปที่เซิร์ฟเวอร์ภายนอก สถาบันต้องเผชิญกับการทบทวนของ KVKK วิธีที่ถูกต้องคือการไม่ระบุชื่อข้อมูลและแบ่งปันเฉพาะค่าตัวเลขที่จำเป็นโดยไม่เปิดเผยตัวตน

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

ตีความผลการวิเคราะห์ของผู้ป่วยรายนี้: Ayşe Yılmaz, TC 123..., โปรโตคอล 2024-114523 Creatinine 2.1, ยูเรีย 90, โพแทสเซียม 5.8

คำขอนี้ผิดในสามด้าน: มีการแบ่งปันข้อมูลประจำตัว (การละเมิด KVKK) ไม่มีการระบุหน่วยและช่วงอ้างอิง และไม่มีบริบททางคลินิก (อายุ เพศ การวินิจฉัย) AI เติมเต็มช่องว่างด้วยการคาดเดา และมีความเสี่ยงที่จะตีความผิด

พรอมต์อันทรงพลัง:

บทบาทของคุณ: ผู้ช่วยเตรียม DRAFT ให้กับผู้เชี่ยวชาญในห้องปฏิบัติการ การวินิจฉัยการตัดสินใจทางคลินิก ร่างคำอธิบายง่ายๆ ให้กับผู้ป่วยสำหรับผลลัพธ์ที่ไม่ระบุชื่อด้านล่าง หมายถึงการวินิจฉัยขั้นสุดท้าย เพิ่มหมายเหตุ "ปรึกษาแพทย์ของคุณ" ทำเครื่องหมายจุดที่คุณไม่แน่ใจ [เพื่อการยืนยันจากผู้เชี่ยวชาญ] คนไข้ : หญิงอายุ 68 ปี ทราบโรคไตเรื้อรัง. ผลลัพธ์ (พร้อมหน่วยอ้างอิงและห้องปฏิบัติการของเรา): ครีเอตินีน 2.1 มก./ดล. (อ้างอิง 0.5-0.9), ยูเรีย 90 มก./ดล. (อ้างอิง 17-43), โพแทสเซียม 5.8 มิลลิโมล/ลิตร (อ้างอิง 3.5-5.1)

การแจ้งเตือนที่ชัดเจนไม่ระบุชื่อ กำหนดบทบาทและขอบเขต ให้หน่วยและการอ้างอิง ให้บริบททางคลินิก และขอสัญญาณของการตรวจสอบ

เทมเพลตพร้อมท์ที่คัดลอกได้

เทมเพลตคำอธิบายบทบาทและขอบเขต บทบาทของคุณ: ร่างการเตรียมผู้ช่วยผู้เชี่ยวชาญในห้องปฏิบัติการ คุณไม่ใช่ผู้เชี่ยวชาญ วินิจฉัย ตัดสินใจเปิดเผยผล ให้คำแนะนำทางคลินิก การอนุมัติขั้นสุดท้ายเป็นของผู้เชี่ยวชาญ หากคุณไม่แน่ใจ ให้ทำเครื่องหมายเป็น "[ให้ผู้เชี่ยวชาญตรวจสอบ]" ไม่ต้องสร้างขึ้นเอง งาน: [เขียนงาน]

เทมเพลตการควบคุมการไม่เปิดเผยชื่อแยกชื่อ, TR ID, โปรโตคอล/หมายเลขไฟล์, ข้อมูลติดต่อและสถาบันจากข้อความด้านล่าง แทนที่ด้วย "[ลบแล้ว]" เหลือเพียงข้อมูลที่จำเป็นทางคลินิก/การวิเคราะห์เท่านั้น อย่าทิ้งร่องรอยของตัวตนไว้ในเอาต์พุต ข้อความ: [วางข้อความ]

เทมเพลตการตรวจสอบความถูกต้อง สำหรับการตีความผลลัพธ์แต่ละครั้งที่คุณจัดทำ ให้ระบุ: (1) คุณสันนิษฐานว่าช่วงอ้างอิงใด (2) ว่าหน่วยมีความสอดคล้องหรือไม่ และ (3) ตำแหน่งที่การตีความขึ้นอยู่กับบริบททางคลินิก ใช้ภาษา "เป็นไปได้" แทนคำสัมบูรณ์

เทมเพลตการเรียงลำดับระดับความเสี่ยง วางงานในห้องปฏิบัติการที่ฉันจะให้คุณเป็นหนึ่งในสามหมวดหมู่และเขียนเหตุผล: (A) ความเสี่ยงต่ำ - โครงร่าง AI เพียงพอ (B) ความเสี่ยงปานกลาง - การตรวจสอบโดยผู้เชี่ยวชาญ (C) ความเสี่ยงสูง/สูงมาก - การวินิจฉัย/การตัดสินใจเป็นของผู้เชี่ยวชาญ AI เป็นเพียงส่วนเสริมเท่านั้น งาน: [เขียนงาน]

ข้อผิดพลาดทั่วไป

• เข้าใจผิดว่า AI เป็น "ผู้เชี่ยวชาญ" AI พูดคล่องแต่ไม่มีความรับผิดชอบ ลายเซ็นเป็นของคุณ ผลลัพธ์เป็นเพียงร่าง ไม่ใช่การตัดสินใจ
• วางหนังสือรับรองตามที่เป็นอยู่ ชื่อ หมายเลข TR ID และหมายเลขโปรโตคอลเป็นข้อมูลพิเศษ การแบ่งปันโดยไม่เปิดเผยตัวตนถือเป็นการละเมิด KVKK
• ไม่ตั้งคำถามถึงช่วงอ้างอิง AI ให้ช่วงทั่วไป ช่วงของอุปกรณ์และกลุ่มอายุ/เพศอาจแตกต่างกัน
• ไม่ให้บริบททางคลินิก การตีความโดยไม่มีอายุ เพศ การวินิจฉัย ยา และคุณภาพของตัวอย่างถือเป็นสิ่งที่ทำให้เข้าใจผิด
• ปล่อยมือเพราะ “มันดูใช่” ความคล่องไม่ใช่ความแม่นยำ แต่ละเอาต์พุตต้องมีการควบคุมที่เป็นอิสระ

เคล็ดลับ: ก่อนที่คุณจะเริ่มทำงานกับ AI ให้ถามตัวเองหนึ่งคำถาม: “จะเกิดอะไรขึ้นกับผู้ป่วยหากผลลัพธ์นี้ผิดพลาด” หากคำตอบนั้นจริงจัง ให้ใช้ AI สำหรับการร่าง/การรับรองเท่านั้น และอย่าข้ามการตรวจสอบ

โดยสรุป

ปัญญาประดิษฐ์เป็นผู้ช่วยที่ทรงพลังในห้องปฏิบัติการทางการแพทย์ โดยจะช่วยเร่งงานที่ซ้ำๆ สร้างพิมพ์เขียว และสแกนรูปแบบ แต่เนื่องจากคุณทำงานในพื้นที่ที่มีความสำคัญต่อความปลอดภัย การตัดสินใจเปิดเผยผล การตีความทางคลินิก และการวินิจฉัยจะขึ้นอยู่กับผู้เชี่ยวชาญที่มีคุณสมบัติเหมาะสม บทบาทของ AI ในแต่ละขั้นตอนของกระบวนการทดสอบทั้งหมด (ก่อนการวิเคราะห์ การวิเคราะห์ หลังการวิเคราะห์) จะแตกต่างกันไปขึ้นอยู่กับระดับความเสี่ยง เมื่อความเสี่ยงเพิ่มขึ้น การยอมรับจากมนุษย์ก็เพิ่มมากขึ้น วินัยหลักสามประการคอยปกป้องแต่ละขั้นตอน: แหล่งที่มา คำนวณใหม่/เปรียบเทียบ ตัวกรองการวิเคราะห์ทางคลินิก และการรักษาความลับอยู่ภายใต้ทุกสิ่ง: ข้อมูลผู้ป่วยจะไม่เข้าสู่เครื่องมือใด ๆ โดยไม่ได้รับการเปิดเผยตัวตน

งานสมัคร

เลือกงานที่แตกต่างกันสามงานจากห้องปฏิบัติการของคุณเอง (หรือจากสถานการณ์ตัวอย่าง): งานหนึ่งที่มีความเสี่ยงต่ำ (เช่น สรุปภาระงาน) งานหนึ่งงานมีความเสี่ยงปานกลาง (เช่น ร่างการตีความผลลัพธ์) งานหนึ่งงานมีความเสี่ยงสูง (เช่น ข้อความเกี่ยวกับคุณค่าที่สำคัญ) สำหรับแต่ละข้อ (1) อธิบายบทบาทของ AI ในหนึ่งประโยค (2) เขียนขั้นตอนการตรวจสอบที่คุณจะดำเนินการ (3) ระบุว่าคุณจะปกปิดข้อมูลอย่างไร จากนั้นปรับเทมเพลต "คำจำกัดความของบทบาทและขอบเขต" ด้านบนให้เหมาะกับงานที่มีความเสี่ยงปานกลาง และเขียนข้อความแจ้ง

รายการตรวจสอบ

• [ ] ฉันกำหนดระดับความเสี่ยง (ต่ำ/กลาง/สูง) ของงานแล้ว
• [ ] ฉันจำกัดบทบาทของ AI ไว้ที่ "ผู้ช่วย/ร่าง/ผู้คัดเลือก"; การวินิจฉัย/การตัดสินใจขึ้นอยู่กับผู้เชี่ยวชาญ
• [ ] ฉันไม่เปิดเผยข้อมูล; ชื่อ, TR ID, หมายเลขโปรโตคอลจะถูกส่งออก
• [ ] ฉันตรวจสอบช่วงอ้างอิงและหน่วยด้วยค่าของห้องปฏิบัติการของฉันเอง
• [ ] ฉันได้เพิ่มบริบททางคลินิก (อายุ เพศ การวินิจฉัย คุณภาพตัวอย่าง) ลงในข้อความแจ้ง
• [ ] ฉันกำหนดให้เอาต์พุตได้รับการตรวจสอบโดยหน่วยงานอิสระก่อนที่จะปล่อยออก