ในช่วงเวลาใดก็ตาม การจัดการห่วงโซ่อุปทานเพื่อให้ห้องปฏิบัติการทางคลินิกสามารถเข้าถึงชุดตรวจ น้ำยา และวัสดุสิ้นเปลืองที่จำเป็นต่อการตอบสนองความต้องการด้านการวินิจฉัยโรคได้อย่างพร้อมเพรียงถือเป็นความท้าทาย และเป็นความท้าทายที่ระบบสาธารณสุข บริษัทผู้ผลิต ผู้จัดจำหน่าย และแม้แต่ห้องปฏิบัติการแต่ละแห่งต้องเผชิญร่วมกัน
แต่ในช่วงที่มีการระบาดใหญ่ ความท้าทายนั้นกลับกลายเป็นความหวาดกลัวที่ต้องลุ้นระทึกทุกนาที เมื่อโควิด-19 แพร่ระบาดไปทั่วโลกในช่วงต้นปี 2563 ผู้ผลิตอุปกรณ์วินิจฉัยที่พัฒนาและจัดจำหน่ายชุดตรวจ SARS-CoV-2 ตระหนักดีว่าความต้องการพุ่งสูงขึ้นอย่างรวดเร็ว แน่นอนว่าอุปทานไม่ได้เป็นเช่นนั้น
ในแคนาดา การเป็นพันธมิตรระหว่างผู้ผลิตอุปกรณ์วินิจฉัยชั้นนำและ IVADO Labs ซึ่งเป็นบริษัทที่ปรึกษาที่เชี่ยวชาญด้านปัญญาประดิษฐ์ (AI) ได้ปูทางไปสู่รูปแบบการคาดการณ์ที่สามารถจัดสรรชุดตรวจ น้ำยา และวัสดุสิ้นเปลืองได้อย่างยุติธรรมและมีเหตุผลมากขึ้น แม้ว่าวิธีการนี้จะได้รับการทดสอบภายใต้สภาวะที่เลวร้ายที่สุด แต่ก็สามารถนำมาใช้ในการบริหารจัดการห่วงโซ่อุปทานสำหรับความต้องการของห้องปฏิบัติการทางคลินิกที่หลากหลายในช่วงเวลาปกติได้เช่นกัน
ในขณะที่การระบาดใหญ่แพร่กระจายไปทั่วอเมริกาเหนือในช่วงต้นปี 2563 บริษัทในเครือในแคนาดาของผู้ผลิต IVD ได้รับการจัดสรรชุดตรวจ SARS-CoV-2 จำนวนจำกัดและคงที่ต่อสัปดาห์เพื่อให้บริการแก่ประเทศนั้น แต่บรรจุชุดตรวจเหล่านั้นไม่ใช่เรื่องง่าย ชุดตรวจแต่ละชุดต้องใช้วัสดุสิ้นเปลืองและน้ำยาเกือบโหลในการดำเนินการ และสิ่งเหล่านั้นจะต้องได้รับการจัดสรรในสัดส่วนที่เหมาะสมอย่างแม่นยำเพื่อให้มั่นใจว่าห้องปฏิบัติการทางคลินิกสามารถใช้ชุดตรวจเหล่านี้ได้ทั้งหมดในแต่ละสัปดาห์
การเพิ่มประสิทธิภาพส่วนผสมของชุดตรวจ วัสดุสิ้นเปลือง และน้ำยาไม่ใช่วัตถุประสงค์เดียว ทีมงานทราบดีว่าการจัดสรรชุดตรวจที่จำกัดจะไม่เพียงพอต่อความต้องการในท้องถิ่น แต่พวกเขาต้องการจัดสรรในลักษณะที่ไม่ทำให้ห้องปฏิบัติการหรือชุมชนบางแห่งถูกละเลย นั่นคือตอนที่พวกเขาหันไปหา IVADO Labs
โดยปกติแล้ว ผู้เชี่ยวชาญด้าน AI ที่ IVADO Labs จะช่วยองค์กรต่างๆ คาดการณ์ห่วงโซ่อุปทานได้อย่างแม่นยำยิ่งขึ้นเพื่อเพิ่มประสิทธิภาพของรายได้ แต่สำหรับโครงการนี้ไม่ได้เป็นเช่นนั้น Andrea Lodi ผู้ร่วมก่อตั้งและผู้อำนวยการด้านวิทยาศาสตร์ของ IVADO Labs กล่าวว่า “มันไม่เกี่ยวกับรายได้” “ส่วนสำคัญเพียงอย่างเดียวคือการสามารถส่งมอบให้แก่ผู้คนเพื่อให้มั่นใจว่าผลิตภัณฑ์จะไปถึงที่ที่ถูกต้องในเวลาที่เหมาะสม และท้ายที่สุดคือการให้บริการแก่ผู้ป่วยในที่ที่ต้องการการตรวจมากที่สุด” ความจำเป็นในการบรรลุเป้าหมายนี้ในแคนาดาเป็นเรื่องเร่งด่วนมาก จนทำให้ Lodi และเพื่อนร่วมงานกระตือรือร้นที่จะให้ความช่วยเหลือ
แต่แม้แต่สำหรับผู้ที่ชื่นชอบ AI ซึ่งเชี่ยวชาญในการจัดการห่วงโซ่อุปทาน โครงการนี้ก็ไม่ใช่เรื่องง่าย ทีมงาน IVADO Labs มักจะสร้างโมเดล AI จากข้อมูลการขายย้อนหลังเป็นเวลาสองปีเพื่อเก็บข้อมูลความเป็นไปตามฤดูกาลและปัจจัยอื่นๆ ที่ส่งผลกระทบต่ออุปสงค์และอุปทาน Jack Klejka ผู้อำนวยการฝ่ายบริหารผลิตภัณฑ์ของ IVADO Labs เล่าว่า สำหรับชุดตรวจ SARS-CoV-2 พวกเขามีข้อมูลเพียงสองสัปดาห์เท่านั้น พวกเขาได้รวมข้อมูลเพิ่มเติมเมื่อโครงการดำเนินไป และนำโปรโตคอลการตรวจมาพิจารณาเพื่อทำความเข้าใจว่าต้องใช้น้ำยาและวัสดุสิ้นเปลืองใดบ้าง
Klejka กล่าวว่า “มันไม่เกี่ยวกับการมีบางสิ่งที่สมบูรณ์แบบในทันที” “เรายังคงขยายความซับซ้อนขึ้นเรื่อยๆ ในขณะที่เราดำเนินการ”
ทีมงาน IVADO Labs ได้เลือกจุดอ้างอิงสองจุดเพื่อช่วยในการตัดสินใจ: (a) ความสามารถในการใช้งานของห้องปฏิบัติการแต่ละแห่ง และ (b) ความชุกของการติดเชื้อโดยพิจารณาจากจำนวนผู้ป่วยที่เป็นบวกต่อหัวในแต่ละจังหวัด โมเดล AI จะใช้หลักการนี้ร่วมกับข้อมูลอื่น ฃๆ จำนวนมาก ฃเพื่อคาดการณ์ความต้องการในการตรวจและจัดสรรอุปทานตามความเหมาะสม หากมีการระบาดในส่วนใดส่วนหนึ่งของประเทศ โมเดลจะปรับเปลี่ยนโดยเพิ่มชุดตรวจไปยังพื้นที่นั้นในขณะที่ลดอุปทานไปยังพื้นที่ที่มีความต้องการน้อยกว่า
ในช่วงวิกฤตของโควิด-19 นั้น IVADO Labs ได้ส่งมอบโมเดลได้ในเวลาที่รวดเร็วเป็นประวัติการณ์และแนวทางใหม่ของพวกเขาก็ประสบความสำเร็จ เพียงแปดสัปดาห์หลังจากการนำไปใช้งาน โมเดล AI ได้ปรับปรุงความแม่นยำได้มากกว่า 80% และปรับปรุงความสามารถในการตรวจโดยเฉลี่ยสูงถึง 10% ความแม่นยำของ AI นั้นน่าประทับใจ การคาดการณ์โดยทั่วไปจะแตกต่างจากการใช้งานจริงน้อยกว่า 20 ชุดต่อสัปดาห์ และลูกค้าในห้องปฏิบัติการมีความพึงพอใจมากขึ้นเนื่องจากการผันผวนของการจัดสรรในแต่ละสัปดาห์ลดลง 78% ซึ่งช่วยเพิ่มเสถียรภาพและทำให้พวกเขาวางแผนทรัพยากรได้ง่ายขึ้น
จากความสำเร็จของโครงการนี้ IVADO Labs กำลังหารือถึงวิธีการขยายโมเดลการคาดการณ์ห่วงโซ่อุปทานที่ขับเคลื่อนด้วย AI ไปยังชุดตรวจอื่น ๆ และประเทศอื่นๆ Klejka กล่าวว่า “เมื่อเราเริ่มต้นโครงการนี้ ก็เห็นได้ชัดว่ามีศักยภาพอีกมากมายที่นอกเหนือไปจากโควิด-19” “ทุกครั้งที่คุณเก็บข้อมูล ก็จะมีโอกาสในการเพิ่มประสิทธิภาพบางสิ่งบางอย่างเสมอ”
Lodi และ Klejka ขอขอบคุณสมาชิกคนอื่นๆ ในทีมที่ IVADO Labs ที่ทำให้โครงการนี้เป็นไปได้ ได้แก่ Helene Desmarais, Arnold Liwanag, Guy Desaulniers, Guillaume Rabusseau, Parnaz Tabrizian, Florian Soudan, Nabila Remli, Shima Nikfal และ Benoit Bourbeau
