全球領先的創新實驗室質量控制數字化解決方案
來源: 小桔燈網 2022年06月21日 10:49

臨床醫學檢驗的目的是發出準確的檢測報告,質量控制(Quality Control,QC,簡稱:質控)歷來是臨床檢驗管理中最重要的環節之一,加強實驗室質控管理,將有助增強實驗室技術能力和管理水平,有效降低風險,并提供更加可靠的檢測數據1。

近期,復旦大學附屬中山醫院檢驗科郭瑋、潘柏申、王蓓麗、段昕岑團隊結合過往研究成果,在基于大數據技術應用實時質控算法進行實驗室檢測質控管理方面,取得了算法研究的新突破,能大幅提高原有模型的運行性能,給未來實時質控算法研究提供了一條全新的思路2。

提升檢驗質控管理

PBRTQC成重要發展方向

有效的室內質量控制(IQC)是確保實驗室檢測結果準確、可靠的關鍵因素,但由于IQC存在無法連續監測質量、易產生基質效應、質控品成本較高等情況,導致IQC可能無法及時準確的反映儀器檢測性能3,4。

不同于傳統IQC,患者樣本實時質控(Patient-based real-time quality control,PBRTQC)使用患者臨床標本結果,以實時、連續監測檢測過程的方式來分析性能,可在不額外增加人力和物力成本的情況下實時監測檢測系統的穩定性和判斷有無“失控”情況。其核心包括算法和各種參數,如計算樣本數、分組、截斷值等超參數和模型參數控制線等。

隨著臨床實驗室信息技術以及基于患者風險質控方法的發展,包括差值檢查法(Delta Check)、正態均值法(AoN)、移動中位數法(movMed)、指數加權移動均值法(EWMA)等多種運算方法,PBRTQC逐漸成為傳統IQC的重要補充5,6。

國際臨床化學和醫學檢驗聯合會(IFCC)分析質量委員會于2020年發文指出,相較于傳統IQC,PBRTQC憑借日益凸顯的成本低、無基質效應、能敏感識別分析前誤差等優點,可作為實驗室提升質量控制管理的重要工具,并建議廣泛應用于臨床5,6。

優化PBRTQC性能

中山檢驗不斷探索

盡管PBRTQC具有諸多優勢,但其指標檢測性能易受到干擾、實施過程較為復雜且需要依靠強大數字系統,另外國內對PBRTQC存在認知程度較低、專業軟件工具缺乏、臨床實踐經驗少等客觀現狀,制約了PBRTQC系統在我國實驗室質控管理中的廣泛應用2,6,7,8。

為優化PBRTQC性能,復旦大學附屬中山醫院檢驗科團隊自2018年起進行了多年的探索研究。團隊發表在2020年《Clinica Chimica Acta》雜志的初期研究成果顯示:影響PBRTQC檢測發揮最佳性能,進而限制其臨床廣泛應用主要有三個因素:


? 包括年齡、性別、疾病等因素可能引起檢測指標數據分散,導致PBRTQC誤差檢出率下降;


? 檢驗數據的波動可能導致PBRTQC的假陽性報警率大幅上升,增加質控人員的工作量;


? PBRTQC在呈偏態、分布較寬的項目中應用效果不甚理想,盡管截斷值和正態化轉換有一定幫助,但對PBRTQC模型實際性能的提升并不明顯2。

為解決上述三大要素,改善當前PBRTQC的性能,中山檢驗團隊在PBRTQC常規數據處理基礎上增加回歸調整步驟,研發出回歸調整實時質控(Regression-Adjusted Real-Time Quality Control, RARTQC)算法。9

RARTQC和PBRTQC的結構對比

大數據+AI雙管齊下

以數字化賦能精準高效檢測

有了算法和方法論,如何才能驗證算法是否成立呢?答案是借助先進的數字化工具。為保證RARTQC創新研究的順利開展,中山檢驗團隊與全球體外診斷領域領先企業——羅氏診斷就該項目開展了緊密合作。在羅氏診斷提供的數字產品開發、自動化IT等跨領域的專家資源以及專業技術服務支持下,雙方攜手研發的新一代RARTQC系統,并致力將其打造為全球領先的創新實驗室質量控制數字化解決方案。

新一代RARTQC系統以前沿的大數據和人工智能AI技術為基礎,搭載羅氏診斷 cobas? infinity系統,實現中央/臨床實驗室的實時質量控制管理;通過優化真實的患者數據,打造標準化、個性化、高效性質量控制方案,提升實驗室智能化系統臨床應用效能。

RARTQC 系統完全遵從現代軟件開發的標準, 以微服務的形式將系統功能進行模塊化的切分,可向終端用戶提供高效能、可擴展、易維護的服務, 在系統組件的選擇上也通過使用如消息隊列、緩存數據庫等組件以保障系統的高性能。

整體系統通過容器化的解決方案可以適配各種操作系統以及硬件服務器, 并可支持集群伸縮。

在系統對接上通過適配器組件可以很好的支持與羅氏cobas? infinity中間件的通信與協作, 并為將來可能的其他系統的對接建立了規范化的標準。

該系統包括分析和實時兩大模塊,其中分析模塊會根據歷史檢測數據特定算法模型;實時模塊與cobas? infinity協作,對檢測結果進行實時預測,發出質控警告與提示9。分析模塊還會根據運行時系統的結果不斷持續改進,實現算法優化和迭代。

中山檢驗團隊于2021年發表在國際檢驗醫學頂級期刊《Clinical Chemistry》的研究結果顯示:采用RARTQC系統,可在常規截斷和正態轉換后,利用通過大數據建模得到的回歸模型調整檢測結果,并將調整后的數據代入浮動均值模型進行質控判斷,無需進一步細化分組建模,便能實現對性別、年齡、疾病等影響因素的分析,回歸模型的引入,進一步提高數據的正態性8。

與此同時,團隊針對谷丙轉氨酶(ALT)、血氯、血鈉等臨床常見的檢測指標構建指數加權浮動均值模型(EWMA)進行誤差分析。結果證實:相較于PBRTQC系統,采用RARTQC系統平均檢測出ALT檢測誤差時,所需的患者樣本量(ANPed)更低,說明后者的性能更佳;而血氯指標的測定過程中,RARTQC系統亦能進一步提高模型性能??傮w而言,RARTQC系統在允許總誤差(TEa)水平下,較PBRTQC性能平均提升了接近50%9。

全球AI實時質控領域權威專家、IFCC-PBRTQC(基于患者樣本實時質量控制)工作組成員Mark Cervinski教授高度肯定了復旦中山檢驗團隊的研究成果。他表示,RARTQC可通過回歸分析納入患者年齡、性別、診斷信息等影響檢測結果的不同因素,計算回歸殘差以調整這些因素對檢測結果的影響,使得輸入常規浮動均值的數據分布更加集中和對稱,大幅提高浮動均值算法檢出誤差的性能,且在諸多血清指標的誤差檢測中,相比PBRTQC,RARTQC系統更具性能優勢10。

隨著算法實用性和信息技術水平的不斷迭代和提升,RARTQC系統能有效消除檢測結果中的自相關性,改善傳統PBRTQC系統在諸多檢測項目誤差檢測性能方面的不足,提高實驗室檢測質量與質量管控水平,為檢驗科更好地服務臨床與患者奠定堅實的基礎。


參考資料:

1.章軼哲,張意,吳文紅,溫亞男,繆慶.2003-2012年我國醫藥衛生領域實驗室質量控制研究論文的文獻計量分析[J].現代預防醫學,2014,41(10):1794-1796+1808.  

2.Duan X, Wang B, Zhu J, et al. Assessment of patient-based real-time quality control algorithm performance on different types of analytical error. Clin Chim Acta. 2020;511:329-335. doi:10.1016/j.cca.2020.10.006

3.Duan X, Wang B, Zhu J, et al. Assessment of patient-based real-time quality control algorithm performance on different types of analytical error. Clin Chim Acta. 2020;511:329-335. doi:10.1016/j.cca.2020.10.006

4.楊帆,董丹鳳,陸怡德.患者數據指數加權移動平均法在血清離子項目室內質量控制中的應用[J].檢驗醫學,2021,36(09):962-968.

5.Loh TP, Cervinski MA, Katayev A, et al. Recommendations for laboratory informatics specifications needed for the application of patient-based real time quality control. Clin Chim Acta. 2019;495:625-629. doi:10.1016/j.cca.2019.06.009

6.溫冬梅, 郝曉柯. 基于患者數據的實時質量控制建立原則及研究進展 [J] . 中華檢驗醫學雜志, 2022, 45(1) : 82-86. DOI: 10.3760/cma.j.cn114452-20210623-00391.

7.van Rossum HH, Bietenbeck A, Cervinski MA, Katayev A, Loh TP, Badrick TC. Benefits, limitations, and controversies on patient-based real-time quality control (PBRTQC) and the evidence behind the practice [published online ahead of print, 2021 Mar 10]. Clin Chem Lab Med. 2021;10.1515/cclm-2021-0072. doi:10.1515/cclm-2021-0072

8.Bietenbeck A, Cervinski MA, Katayev A, Loh TP, van Rossum HH, Badrick T. Understanding Patient-Based Real-Time Quality Control Using Simulation Modeling. Clin Chem. 2020;66(8):1072-1083. doi:10.1093/clinchem/hvaa094

9.Duan X, Wang B, Zhu J, et al. Regression-Adjusted Real-Time Quality Control. Clin Chem. 2021;67(10):1342-1350. doi:10.1093/clinchem/hvab115

10.Cervinski MA. Pushing Patient-Based Quality Control Forward through Regression. Clin Chem. 2021;67(10):1299-1300. doi:10.1093/clinchem/hvab155


本文著作權屬原創者所有,不代表本站立場。我們轉載此文出于傳播更多資訊之目的,如涉著作權事宜請聯系刪除。