基于歷史結果的實驗室智能稀釋系統開發

鄧瑯輝 張式鴻 劉 敏

(中山大學附屬第一醫院檢驗醫學部 廣州 510080)

?

基于歷史結果的實驗室智能稀釋系統開發

鄧瑯輝 張式鴻 劉 敏

(中山大學附屬第一醫院檢驗醫學部 廣州 510080)

以中山大學附屬第一醫院自身數據為基礎，就開發基于患者歷史結果的實驗室智能稀釋系統提出解決方案，介紹系統實現及布署架構，對其應用效果進行分析，指出該系統的使用能夠降低人工干預程度，提高臨床實驗室效率。

實驗室信息系統；人工智能；稀釋；解決方案

1 引言

實驗室信息系統(Laboratory Information System, LIS)是臨床實驗室運作的重要部分。隨著標本量的上升及大規模分析技術的出現，臨床實驗室提供信息的復雜性與日俱增。這種趨勢使得實驗室對LIS的需求不斷增加，對LIS的依賴程度不斷增強。因此開發人工智能或專家系統，將是LIS今后發展的趨勢[1-2]。臨床實驗室日常分析中經常會遇到由于樣品檢測值過高而超出檢測項線性范圍的情況，因樣品的檢測值不可預知，臨床實驗室要等待樣品上機分析后才能獲知樣品是否超出檢測項線性范圍，繼而進行人工稀釋或儀器自動稀釋(要看儀器是否支持該功能)后重新檢測，既增加了樣品的檢測時間，影響診療過程，又增加了實驗室工作量，導致成本上升。樣品的檢測值雖然無法預知，但通過分析該項目的歷史結果，可以推測其結果的大致范圍。LIS通過對結果的智能推測，對可能出現超出檢測項線性范圍的樣品預先進行干預，理論上可減少樣品稀釋重做的情況，從而提高臨床實驗室的效率。本文以中山大學附屬第一醫院自身數據為基礎，針對開發基于患者結果的智能稀釋系統提出解決方案。

2 需求及可行性分析

2.1 需求

回顧中山大學附屬第一醫院LIS 2014年度的儀器傳輸數據，前10種需要稀釋，但由于各種原因造成漏稀釋的測試數共5 462項，其中可根據患者歷史結果智能稀釋的測試數為2 271項,占比41.6%。特別是雌二醇(可智能稀釋/需稀釋為838/1 147,73.1%)及孕酮(233/323,72.8%)。若由儀器直接分析，不但浪費試劑，而且影響結果發布時間;若先經人工檢索歷史結果，再人工干預稀釋上機，既費時又費力。故有必要開發智能稀釋系統。

2.2 可行性

開發智能稀釋系統必須同時滿足以下基本條件：(1)對數據源的要求：有可供查詢的歷史結果數據源。(2)對儀器的要求：儀器工作站的接口模式可賦予程序讀寫權限，且允許寫入稀釋參數。中山大學附屬第一醫院現有LIS已使用多年，能滿足上述對數據源的要求；LIS與儀器工作站的接口模式為雙向傳輸，接口程序可與儀器操作軟件交互和調用[3]，且儀器允許寫入稀釋參數，滿足上述對儀器的要求。故開發智能稀釋系統可行。

3 實現及部署架構

3.1 智能稀釋系統嵌入LIS

智能稀釋系統嵌入LIS，見圖1。具體步驟如下：(1)當樣品送達并經實驗室人員確認后，LIS會載入當前樣品的所有任務，判斷是否含有需稀釋的任務。(2)如存在此類任務, LIS將當前樣品相關信息提交給智能稀釋系統。(3)根據LIS提交的信息，智能稀釋系統返回任務相應的稀釋參數。(4)LIS找到任務所對應的儀器，經由接口程序將任務及其稀釋參數下達到對應儀器的工作站。(5)工作站將任務及參數經過轉換，傳達給儀器。(6)儀器按任務要求進行分析，將測試結果傳送給工作站。(7)儀器工作站將測試結果由接口程序發回LIS。

3.2 智能稀釋系統內部構成

如前所述，LIS枚舉當前樣品的所有任務，當存在需稀釋的任務時，則交由智能稀釋系統處理，其內部構成，見圖2。

圖1 智能稀釋系統嵌入LIS

圖2 智能稀釋系統內部構成

以項目雌二醇(Estradiol，E2)為例：(1)當樣品存在任務E2時，LIS將當前樣品的“患者唯一碼”(如患者編號、身份證號、診療卡號等)及“任務代碼”(E2)提交給智能稀釋系統。(2)根據LIS提交的信息，檢索數據源。(3)若檢索到該樣品存在E2的歷史結果，則將該歷史結果的發布時間與當前時間比較，小于4天(基于對本院2014年度儀器傳輸數據的分析，有效率為89.2%)視為校驗通過。(4)綜合考慮E2檢測的線性范圍及本院數據，進一步比對該歷史結果的數值，大于500 pg/mL視為校驗通過。(5)判斷結束，返回(或不返回)稀釋參數。據當前樣品枚舉的任務數，重復上述邏輯，其中步驟(3)及步驟(4)的校驗數值因任務而異。

3.3 部署架構

綜合考慮醫院LIS及其他系統交互的復雜性，參考相關文獻或資料[4-9]，決定采用客戶端/服務器模式(Client/Server，C/S)與瀏覽器/服務器模式(Browser/Server，B/S)相互嵌套的3層架構模式(3-Tier)。由瀏覽器(Browser)及其載體承擔C/S結構中客戶端(Client)的部分任務,見圖3。

數據服務器主要為客戶端應用提供服務，包括查詢、更新、事務管理、索引、高速緩存、查詢優化、安全及多用戶存取控制等。Web服務器主要為客戶端應用提供高級邏輯服務，如大量的數據交換、文件讀寫及可能會存在帶寬瓶頸等。客戶端應用及儀器工作站應用根據業務需求連接數據服務器或Web服務器。本文將“智能稀釋”模塊放置于Web服務器層，主要從效率最優化及開發便利性方面考慮。相互嵌套的3層架構模式，其最大的目的是實現高內聚、低耦合，使系統具有更好的維護性和擴展性，可以更高效地完成系統的維護開發，持續地支持業務的發展。

圖3 部署架構

4 應用效果分析

4.1 概述

應用智能稀釋系統前，因需人工檢索樣品的歷史結果，再按需進行人工干預、稀釋上樣，效率極低；加之臨床實驗室日常工作任務繁重，不檢索直接上機分析的情況普遍存在，對試劑造成巨大浪費。智能稀釋系統嵌入LIS后，每份目標樣品都經系統分析、判斷及智能稀釋，在保證效率的基礎上，最大程度地減少了非必要的試劑浪費。

4.2 數據對比

以中山大學附屬第一醫院2015年1月份數據為例，項目雌二醇(E2)本月調用智能稀釋系統3 638項次，通過預設的不同稀釋閾值，返回稀釋參數，具體見表1。

表1 雌二醇(E2)不同稀釋閾值比較

判斷成功的定義為：小于4天的前次結果值大于稀釋閾值，且當次結果檢測值大于項目的檢測上限，代表真陽性。判斷失敗的定義為：小于4天的前次結果值大于稀釋閾值，但當次結果檢測值在項目的檢測線性范圍內，代表假陽性。漏稀釋的定義為：小于4天的前次結果值小于稀釋閾值，但當次結果檢測值大于項目的檢測上限，代表假陰性。靈敏度=真陽性/(真陽性+假陰性)，特異性=真陰性/(真陰性+假陽性)。復查數=判斷失敗+漏稀釋，代表需人工干預稀釋的項目數。綜合考慮，稀釋閾值大于500 pg/mL的應用效果最理想，其復查數最少，人工干預的程度最低，能最大程度提高臨床實驗室的效率。

5 結語

本文以中山大學附屬第一醫院自身數據為基礎，順應LIS發展的要求[10-11]，經分析、比對、設計及完善，提出了智能稀釋系統的解決方案，該方案是對LIS實現人工智能、專家系統等先進信息技術的一次探索，望籍此完善LIS的功能，優化效率。由該院2015年1月雌二醇(E2)數據可見，引入智能稀釋系統后，本需人工干預稀釋的項次由理論上的830次驟減到157次。開發基于患者歷史結果的智能稀釋系統，能從本質上提高臨床實驗室的運行效率，減少非必要的試劑浪費，縮短患者報告整體的發布時間。

智能稀釋系統基于LIS，本質上是LIS的一個模塊。隨著LIS模塊化程度的增強，各類子模塊的嵌入越發靈活,但其是否需要開發、能否開發、該如何開發受相應數據源、LIS及儀器功能的制約。通過回顧分析2014年中山大學附屬第一醫院的儀器傳輸數據，發現部分項目檢測頻率高、稀釋概率大、檢測值趨勢穩定，由此構思了智能稀釋系統的開發思路，有一定的偶然性。另外，本文引入智能稀釋系統所涉及的參數及帶來效率的提升，不同LIS在開發應用時效果可能并不一致，因此，不同實驗室、不同LIS數據源應結合自身情況綜合分析。

1 費陽,王薇,王治國.臨床實驗室信息系統的基本要求[J].中國醫院管理,2014,34(12):36-38.

2 方媛.智慧醫療應用探索[J].醫學信息學雜志,2014,35(12):2-7.

3 唐國圣,金麗瓊.LIMS儀器接口在實驗室自動化管理中的應用[J].現代科學儀器,2007,(2):125-127.

4 Richter J.框架設計[M].北京:清華大學出版社,2006.

5 羅超理.管理信息系統原理與應用[M].北京:清華大學出版社,2002.

6 欒瑞,王春鶴,任慧,等.基于B/S構架醫療新技術管理系統的研發[J].中國醫院管理，2013,33(2): 72-73.

7 陳志剛,劉安豐,熊策,等. 一種有效負載均衡的網格 Web服務體系結構模型[J]. 計算機學報,2005,28(4):458-466.

8 李偉,徐志偉,卜冠英,等.網格環境下一種有效的資源查找方法[J].計算機學報,2003,26(11):1546-1549.

9 宋磊.醫院信息化建設中的網絡架構規劃與設計[J].醫學信息學雜志,2014,35(11):17-21.

10 楊海鷹,沈彤,陸婉珍. 從LIMS到Lims Solution [J].現代科學儀器, 2002,(2):4-6.

11 馬麗果,牟德海,申茜,等.綜合實驗室成功實施LIMS的關鍵——量身定制[J]. 現代科學儀器,2011,(6):154-156.

2016年《醫學信息學雜志》編輯出版重點選題計劃

2016年本刊將繼續以“學術性、前瞻性、實踐性”為特色，及時追蹤并深入報道國內外醫學信息學領域前沿熱點，反映學科研究動態，展示學科應用成果，引領學科發展方向。現對2016年度編輯出版重點選題策劃如下：

一、醫藥衛生體制改革與醫藥衛生信息化

1“十三五”衛生信息化建設的創新與發展；2 醫藥衛生信息規劃與發展戰略；3 區域衛生、公共衛生、基層衛生信息化建設；4 各級醫療健康信息平臺建設；5 醫療衛生信息相關標準研發、應用和落地；6 醫療衛生信息化相關安全隱私保護和法律法規；7 國外醫藥衛生信息化建設最新技術、成功經驗。

二、醫學信息技術

1 基于健康大數據的科學決策與監管；2 醫學大數據與精準醫療；3 “互聯網+”醫療；4 移動醫療、遠程醫療服務與健康管理；5 物聯網、智慧醫療技術與實現；5 各類醫學信息系統信息互通與操作銜接；6 醫學機構知識庫構建技術與方法。

三、醫學信息研究

1 醫學信息學理論及方法研究；2 醫學科技創新體系和發展戰略；3 醫學科技監測與輿情監測；4 醫藥衛生信息分析評價；5 生物醫學數據挖掘與利用、知識發現技術與實現。

四、醫學信息組織與利用

1 醫學數字圖書館發展趨勢與標準建設；2 泛在化醫學知識服務與決策咨詢服務；3 醫學知識組織的關鍵技術與發展方向；4 醫學信息交互及存取；5 醫學圖書館區域合作及資源共享模式研究。

五、醫學信息教育

1 醫學信息專科、本科、研究生教育及繼續教育體制改革與模式創新；2 醫學信息素養及職業崗位的培養與教育；3 醫學信息課程改革與實踐；4 國外醫學信息學教育的先進經驗借鑒。

(《醫學信息學雜志》編輯部)

Development of a Laboratory Intelligent Dilution System Based on Historical Results

DENG Lang-hui, ZHANG Shi-hong, LIU Min,

Department of Laboratory Medicine, The First Affiliated Hospital of SUN Yat-sen University, Guangzhou 510080, China

Based on data of the First Affiliated Hospital, Sun Yat-sen University, the paper proposes a solution on the development of a laboratory intelligent dilution system based on patients' historical results, introduces the system realization and deployment architecture, analyzes its application effects and points out that the use of this system can reduce the degree of manual intervention and improve the efficiency of clinical laboratories.

Laboratory Information System(LIS)；Artificial intelligence；Dilution；Solution

2015-10-23

鄧瑯輝，初級職稱，發表論文2篇。

R-056

A 〔DOI〕10.3969/j.issn.1673-6036.2015.12.008