Цифровые технологии меняют методы работы клинических лабораторий. Происходит автоматизация рутинных задач, оптимизация рабочих процессов и улучшение процесса управления данными. Эти изменения помогают эффективно справляться с большим объемом анализов, удовлетворять потребность в быстром выполнении и минимизировать операционные расходы организаций по всему миру [1]. Важный этап такой трансформации заключается во внедрении цифровых рабочих процессов. Команда Lab Insights встретилась с доктором Мохдом Джамсани бин Мат Саллехом (Mohd Jamsani bin Mat Salleh), специалистом клинико-химической лабораторной диагностики больницы Себеранг Джая в Пенанге, Малайзия, чтобы обсудить его опыт применения цифровых рабочих процессов в клинической лаборатории. Что такое цифровой рабочий процесс в контексте клинической лаборатории и с чего начать его внедрение? Цифровой рабочий процесс — это ряд выполняемых в электронном виде шагов для автоматизации задач и процессов. Для организаций стратегия цифрового рабочего процесса начинается с полного понимания процессов в своей лаборатории. Нужно проанализировать существующие процессы, чтобы выявить ограничения и слабые места, которые могут включать ввод данных вручную, бумажные записи, неэффективное отслеживание образцов и задержка в предоставлении результатов. В ходе работы над устранением выявленных слабых мест организации должны инвестировать в правильные технологии (например, лабораторные информационные системы (ЛИС), лабораторные информационные менеджмент-системы (LIMS) и другие соответствующие программные решения) и разрабатывать эффективные рабочие процессы. Цель заключается в оптимизации операций за счет снижения нагрузки, связанной с незначительными задачами, и приоритизации задач, которые могут принести наибольшую отдачу. Выбранные технологические решения необходимо внедрить и наладить в соответствии с разработанными рабочими процессами, при этом нужно провести всестороннее обучение персонала лаборатории, чтобы обеспечить эффективное применение новых систем. Можете привести конкретные примеры того, как цифровые рабочие процессы способствовали повышению эффективности в лабораториях? Один из ярких примеров — внедрение системы автоматической проверки. Проверка результатов измерения вручную в лабораториях — это длительный и не защищенный от ошибок процесс. Системы автоматической проверки на основе правил помогают автоматизировать проверку результатов измерений. Они состоят из промежуточного ПО и ЛИС и следуют набору алгоритмов. Алгоритмы, в свою очередь, разработаны на основе сообщений и сигналов прибора, статуса контроля качества, проверок соответствия результатов установленным предельным значениям, проверок изменений, критических показателей, проверок согласованности и клинической информации о пациенте. Положительное влияние программ автоматической проверки на эффективность работы лаборатории, частоту возникновения ошибок и безопасность пациента подтверждена опубликованными литературными данными [2, 3, 4, 5]. Например, в нашей лаборатории мы наблюдали значительное сокращение времени выполнения исследования на HbA1c после замены старой аналитической системы на новую, оснащенную двунаправленным интерфейсом ЛИС и встроенным ПО для формулировки рекомендаций. Новая система, в основе которой лежит алгоритм автоматической проверки с помощью 32 правил, позволяет автоматизировать проверку нормальных хроматограмм HbA1c. Ее внедрение помогло сократить время выполнения исследования с 1 часа до менее чем 5 минут и обработать более 70 % образцов за сутки в течение 4 часов. Еще один пример — внедрение безбумажного рабочего процесса для исследования методом электрофореза белков сыворотки (SPE). Как известно, исследование методом SPE предполагает получение физических гелей и денситограмм. Для хранения таких физических записей часто требуется много места, и их бывает трудно извлекать и эффективно использовать. Кроме того, при вводе и интерпретации данных вручную возможны человеческие ошибки. Нашей лаборатории удалось перейти от бумажного к полностью цифровому рабочему процессу с помощью специального программного обеспечения и информационных систем для получения и анализа цифровых изображений. Это позволило сократить время выполнения исследований, в частности постановки диагноза и иммуносубтракции в тот же день. Помимо сокращения получения результатов, цифровой рабочий процесс обладал и другими преимуществами. Во-первых, отказ от физических гелей и бумажных записей минимизировал воздействие на окружающую среду, что крайне важно в эпоху растущей обеспокоенности проблемой устойчивости. Во-вторых, использование цифровых изображений и отчетов способствует бесперебойному обмену информацией между медицинскими специалистами. В-третьих, цифровой рабочий процесс обеспечивает большую гибкость, поскольку позволяет обрабатывать образцы по отдельности, а не сериями, что приводит к задержкам. Интересно, как организации находят баланс между потребностью в цифровой трансформации и соответствующими рисками и затратами. По вашему мнению, с какими самыми большими сложностями сталкиваются организации при внедрении цифровых рабочих процессов в своих лабораториях и как их можно преодолеть? Финансовые сложности. Чтобы убедиться, что проекты цифровой трансформации, в том числе цифровые рабочие процессы, будут приносить оптимальную отдачу, крайне важно тщательно рассмотреть рентабельность инвестиций (ROI). Организации должны тщательно изучить все связанные с проектом затраты, от приобретения программного обеспечения до модернизации инфраструктуры. Следует также учесть потенциальную выгоду, то есть проанализировать, позволит ли повышение эффективности и точности данных и сокращение времени выполнения исследований значительно сократить затраты в долгосрочной перспективе. Технологические сложности. Среди них в первую очередь следует отметить безопасность данных. Из-за взаимосвязанного характера цифровых систем лаборатории становятся уязвимыми к кибератакам, которые могут иметь серьезные последствия, в том числе утечки данных, сбои в работе систем и подрыв репутации. Чтобы снизить этот риск, организации должны внедрить строгие меры кибербезопасности, включая шифрование данных, контроль доступа и регулярный аудит безопасности, для предотвращения доступа неуполномоченных лиц к персональным данным. Еще один аспект заключается в удобстве использования и функциональной совместимости. Значительный объем данных, которые лаборатории генерируют в ходе всего исследования, дает организациям возможность получать ценную информацию о деятельности лабораторий, выявлять области для улучшения и принимать обоснованные решения. Однако результаты исследования, проведенного компанией Forrester Research, указали, что почти 73 % данных, собираемых организациями, не используются в аналитических целях [6]. Отчасти эта проблема возникает из-за неспособности различных систем и устройств беспрепятственно передавать данные и обмениваться ими. Один из способов решения этой проблемы — стандартизация форматов данных и использование искусственного интеллекта для максимального повышения ценности данных [7, 8]. Могут также помочь модернизация существующих систем, переход к облачным решениям и разработка программных интерфейсов [9]. Нормативные требования. И последний, но не менее важный аспект касается регулирования цифровых технологий, а также сбора и использования данных. Чтобы обеспечить соответствие требованиям, организации могут [10]:
-
-
- следить за изменениями нормативных актов и отраслевых стандартов;
- активно сотрудничать с соответствующими регуляторными органами в целях прояснения требований и получения рекомендаций;
- внедрять надежные системы для обеспечения соответствия нормативным требованиям, в том числе политики конфиденциальности данных, меры безопасности и планы реагирования на инциденты.
-
Что бы вы посоветовали организациям, которые только начинают цифровую трансформацию? Как они могут обеспечить успешное внедрение? В клинических лабораториях цифровая трансформация крайне необходима: от оптимизации рабочих процессов, уменьшения количества ошибок и сокращения сроков выполнения исследований выигрывают как пациенты, так и поставщики медицинских услуг, а также сами организации. Однако переход от аналогового к цифровому процессу непрост и требует тщательного планирования и выполнения. Такую трансформацию лучше всего проводить поэтапно, руководствуясь четкой стратегией. В конечном итоге успех цифровой трансформации определяется не только процессами и технологиями, но и людьми. Важно преодолеть сопротивление переменам среди сотрудников организации. Для этого нужна эффективная коммуникация, участливое отношение и четкое видение будущего. Вовлекая сотрудников в этот процесс, обучая их и признавая их вклад, организации могут сформировать культуру инноваций и способности к адаптации.
Список литературы
[1] Plebani, M. Clinical laboratories: production industry or medical services? Clinical Chemistry and Laboratory Medicine (CCLM). 2015;53(7):995-1004. doi:10.1515/cclm-2014-1007
[2] Gungoren MS. Crossing the chasm: strategies for digital transformation in clinical laboratories. Clinical Chemistry and Laboratory Medicine (CCLM). 2023;61(4):570-575. doi:10.1515/cclm-2022-1229
[3] Gao R, Zhao F, Xia L, et al. Establishment and application of autoverification system for HbA1c testing. Biochem Med (Zagreb). 2024;34(3):030705. doi:10.11613/BM.2024.030705
[4] Wang Z, Peng C, Kang H, et al. Design and evaluation of a LIS-based autoverification system for coagulation assays in a core clinical laboratory. BMC Med Inform Decis Mak. 2019;19(1):123. doi:10.1186/s12911-019-0848-2
[5] Christy A L, et al. B-128 Delivering Predictable Operational efficiency gains at our core central reference laboratory with strategic deployment of navify® Lab Operation informatics automation solution. Clinical Chemistry. 2024;70(Supplement_1):hvae106.489. doi:10.1093/clinchem/hvae106.489
[6] Barrett, J., “Up to 73 Percent of Company Data Goes Unused for Analytics. Here’s How to Put It to Work”. https://www.inc.com/jeff-barrett/misusing-data-could-be-costing-your-business-heres-how.html
[7] Hulsen T, et al. From big data to better patient outcomes. Clinical Chemistry and Laboratory Medicine (CCLM). 2023;61(4):580-586. doi:10.1515/cclm-2022-1096
[8] Ebubekir B, et al. Automation in the clinical laboratory: integration of several analytical and intralaboratory pre- and post-analytical systems. Turkish Journal of Biochemistry. 2017;42(1):1-13. doi:10.1515/tjb-2016-0234
[9] Gao R, Zhao F, Xia L, et al. Establishment and application of autoverification system for HbA1c testing. Biochem Med (Zagreb). 2024;34(3):030705. doi:10.11613/BM.2024.030705
[10] Jovičić SŽ, Vitkus D. Digital transformation towards the clinical laboratory of the future. Perspectives for the next decade. Clin Chem Lab Med. 2023;61(4):567-569. Опубликовано 11 января 2023 г. doi:10.1515/cclm-2023-0001
