医院检验前智慧管理平台的建立与应用*

欧阳能良，何永建，杨超，王伟佳，苏韶生，王文(.南方医科大学南方医院检验医学科，广州5055；2.中山市人民医院a.检验医学中心，b.信息科，广东中山528403)

检验前质量是保证检验结果及时、准确的前提，涉及医嘱开立、患者准备、样本采集、运送和前处理等环节，需要医生、护士、患者、后勤和检验人员密切配合[1]。2016年版《医疗质量管理办法》要求开展全员参与、覆盖全过程的质量管理工作。如何保证检验前质量，离不开信息系统的助力。国卫办医函〔2020〕405号通知也要求建立医疗、服务、管理“三位一体”的智慧医院系统。中山市人民医院通过智慧化改造建立检验前智慧管理平台，实现检验前过程的闭环管理，取得了明显成效，现介绍如下。

1 材料和方法

1.1检验前管理的智慧化改造方案 为确保检验前质量，提升服务和管理水平，依托医院建设广东省高水平医院智慧医院项目，针对检验前管理存在的问题，医院投入新设备、升级和开发新系统，基于现有软硬件平台和流程进行智慧化改造，将质量要求融入系统流程[2]，建立检验前智慧管理平台，主要方案见表1。

表1 检验前阶段主要问题及智慧化改造方案

1.2方法

1.2.1医院信息管理系统(hospital information system,HIS)增加医嘱提醒与校验功能 门诊与住院更换新HIS，在HIS检验字典增加医嘱规范和校验规则。开立检验医嘱时，鼠标经过设有医嘱规范的项目，系统会提醒；保存医嘱时，系统按规则进行医嘱校验，确保医嘱符合规范。

1.2.2推送微信消息指引患者检验 建立微信公众号程序和小程序[3]，小程序接口服务器和公众号程序部署在防火区。在HIS与实验室信息管理系统(laboratory information management system,LIS)服务器设置触发机制，检验医嘱保存后触发微信程序向患者推送检验指引，标本收取、标本签收、标本拒收或出报告后，向患者推送进度消息；若拒收标本，消息内容包含拒收原因和后续指引。

1.2.3LIS增加采样时间与容器校验功能 为采样容器编制一位容器码，印制容器预制码时在条码首位增加容器码。在LIS字典设置项目采样时段，修改LIS，增加采样时间和容器校验，门诊和病房采样前绑定容器时，对容器进行校验，校验通过才能绑定成功；门诊采样前校验采样时间，校验通过记录采样时间。

1.2.4引入移动护理系统辅助床旁采血 引入移动护理系统开发采血功能[4]，床旁采血前，利用移动终端扫码，核查患者身份、校验采血时间、记录采血人和时间，校验通过后采血并播放小动画指导采血操作。

1.2.5体检引入智能采血系统 体检智能导诊系统采血窗口叫号后，智能采血系统收到LIS条码信息，自动备管、打印和粘贴条码、记录采血时间[5]，采血管及其参数与LIS一致，条码粘贴位置可根据分析仪器需要调整设定。

1.2.6启用调度系统监控标本转运 联接LIS与调度系统，标本采集后，调度系统收到脱敏处理的条码信息，进入待取样列表，自动调度分派给运送员，运送员终端收到取样信息，标本收取后，进入转运中列表，检验前台签收标本后，退出监控进程。条码进入待转运及转运中列表时启动计时，超出黄色预警时限，运送员终端收到黄色预警提醒；超出相应红色报警时限，调度中心大屏闪动并响铃，启动人工干预。

1.2.7检验前台血液样本自动分拣和核收 在检验前台配置血液标本自动分拣机，编写接口程序，急查标志样本单独分区，其他样本按处理岗位或仪器分区，分区的同时自动核收，设定样本采集-签收时间上限，超限样本不签收并单独分区，由前台电话确认后手工签收或拒收。

1.2.8人工智能(artificial intelligence,AI)辅助评估血清样本质量 借助流水线样本拍照功能，收集样本图片建立数据集，训练AI深度学习模型[6]，基于AI模型编写程序，评估流水线上血清样本质量，结合条码信息执行样本拒收、追加检验项目、指定样本稀释倍数、追加备注等处理[7]。

2 结果

智慧化改造弥补了检验前存在的漏洞和不足，优化了检验前流程，实现了检验前过程的闭环管理。

汇总改造完成后一个季度的每月质量指标监控数据及系统导出数据，与改造前同期数据比较，不合格标本的产生减少、构成情况发生变化、不合格标本得到及时拦截和处理，各方满意度提高，相关数据见表2。

表2 改造完成前后相关数据比较

3 讨论

本次改造增加医嘱和采样的提醒和校验功能，紧跟前沿引入智能采血系统、移动护理系统，创新开发微信程序为患者提供精细指引，以小动画等可视化元素指导护士采样。须指出的是，医护工作站的提醒应注意方式和内容，常规提醒不应干扰操作，特殊提醒应防止“视觉疲劳”；患者的提醒应注意消息内容设计，必要的口头提醒仍不可少，真正做到规范操作确保质量，提升工作便利。

分析前及早识别并拦截不合格标本极为重要，但目前仍未有很好的解决方案。穆润清等[8]利用图像对标本血清质量进行评估，取得了一定效果。本院探索利用AI深度学习技术分析样本图片，对血清质量、容器、离心效果等可视因素进行评估和校验，并结合临床实际需求和后续复测、标本拒收工作进行全面考虑，通知相应人员及时响应并记录，实现实验室内标本全程智慧化管理[7]。改造后的不合格标本结构发生改变，溶血样本占比提高主要是样本智能评估的结果，而脂血标本减少主要是微信消息指引患者准备充足所致。应该注意，样本质量不仅涉及脂血、溶血等可视因素，药物等非可视化因素以及对项目的干扰效果仍需要深入研究和标准化[9]。

本研究所述智慧化改造是针对本院情况的一种有效探索，不能覆盖所有问题，仍需要相关人员密切配合并采取管理举措，智慧管理仍在不断探索和持续改进。