基于AI的患者数据实时质量控制法的新应用

作者：蔡海丽 李小燕 罗嘉俊 曾方银

单位：南方医科大学第五附属医院检验科  

国际临床化学和检验医学联合会（IFCC）下设的分析质量委员会于2020年发表的指导文件中指出：基于患者数据的实时质量控制（PBRTQC）是一种使用患者数据以实时、连续监测检测过程分析性能的质量控制方法，与传统的质量控制方法相比具有较多优势[1]，该方法包括正态均值法（AON）、BULL法、移动中位数法（movMed）、移动均值法（MA）和指数加权移动均值法（EWMA）等多种算法[2]。2020年IFCC建议将PBRTQC广泛应用于临床，但国内临床实验室对PBRTQC的认知与应用尚有很大差距，主要与以下原因有关：PBRTQC程序建立方法复杂，缺乏PBRTQC专业软件工具、不同项目个体间生物学变异大、纳入/剔除标准设定困难、缺乏PBRTQC程序建立及性能验证的经验等[3]。

国际上PBRTQC程序建立、性能验证及优化主要采用简单的统计模型及计算机模拟方法，Badrick等[4]建议PBRTQC的性能验证及应用应从传统的统计学方法向人工智能方法发展。此外，国际上PBRTQC研究报道主要为临床血液和临床化学检验领域，而化学发光检验领域应用非常少。

因此，本研究拟基于人工智能技术开发的PBRTQC实时在线智能监控平台在监控化学发光检验领域质量风险识别与管理的临床应用研究，覆盖肿瘤标志物、甲状腺功能、性激素和贫血等检验指标34项，旨在评价PBRTQC在化学发光检测系统稳定性监控及质量风险预警方面的应用价值。此外，评价基于人工智能 PBRTQC 多参数模型与传统的PBRTQC 模型在真实世界质量误差识别灵敏度及特异性等质控效能的比较。 

本检测项目及患者数据来源包括肿瘤标志物、甲状腺功能、性激素、贫血等化学发光检验项目34项。在本地服务器基于PBRTQC专业智能软件系统，收集来自南方医科大学第五附属医院2021年10月至2022年5月门诊及住院患者检测结果共90521例，进行PBRTQC程序的参数设置、模型建立、性能验证、效果评估及实时应用，对检验结果去除患者个人信息标识再进行大数据分析。

质量管理按照临床实验室规范管理要求执行校准、室内质控及仪器维护保养等；检测日室内质控在控后检测临床样本。检测系统与试剂为罗氏e801免疫流水线（罗氏诊断产品(上海)有限公司），均为配套试剂和校准品。PBRTQC专业智能软件系统为患者数据实时质量控制智能监控平台（AI-Moving average intelligent monitoring platform，AI-MA）（上海森栩医学科技有限公司）。

具体研究方法与研究结果

在参数设置过程显示，选择合适的参数程序，EWMA法的质控效能优于MA法。试剂开瓶时间长导致项目分析性能改变，EWMA法较传统IQC法和MA法更灵敏发现潜在质量风险，还可以评价试剂说明书申明的开瓶稳定期等性能。此外，本研究结果显示基于AI-MA智能监控平台的PBRTQC无基质效应、稳定性好，不仅能真实反映检测系统的分析性能，还可以监控质控品状态及自动质控的适用项目。

本研究结果显示，基于AI-MA的EWMA质控图可实时、连续监控化学发光检测系统的精密度和准确度的分析性能，灵敏识别和动态监测分析过程中因试剂开瓶时间，试剂瓶间差异、批号差异、周保养清洗液过期等改变存在潜在质量风险，并进行智能预警，辅助实验室人员及时采取预防和纠正措施。保养清洗液过期可使保养后仪器的检测分析性能改变，试剂开瓶时间长存在潜在质量风险，触发EWMA质控图预警，同时段传统质控品QC质控在控，这也证明了PBRTQC相比质控品QC可以更早、更灵敏地发现这些检测系统的微小变化和潜在质量风险，及时纠正。

利用ROC曲线判断基于人工智能的PBRTQC平台识别判断真实世界质量风险较传统质控方法更灵敏。随着加权系数的减小，其质控效能的ROC曲线下面积越大，质控效能越高，还要结合验证结果和实际质量事件选择最优参数程序。PBRTQC程序的性能验证及优化需要注意平衡Ped和假阳性率的比例，选择具有最佳 Ped和假阳性率的PBRTQC质控方法需要不断摸索实践以积累专业经验[6]。目前关于EWMA法在临床检验领域应用报道较少，多见于流行病学监控，如在流感疫情和新冠疫情检测都有良好效能[12-13]。

综上所述，通过真实患者大数据充分证实了AI-MA智能监控平台技术的灵敏性和特异性，同时也证实了PBRTQC方法在化学发光检验领域的重要临床应用价值和质控效能。未来希望基于人工智能的PBRTQC平台能够可以广泛应用于实验室各专业领域的室内质量控制，赋能实验室智能化建设及全面提升质量管理水平。

参考文献

Loh TP, Bietenbeck A, Cervinski MA,et al. Recommendation for performance verification of patient-based real-time quality control[J]. CCLM,2020,58(8):1205-1213. DOI:10.1515/cclm-2019-1024.

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

温冬梅,郝晓柯.基于患者数据的实时质量控制建立原则及研究进展[J].中华检验医学杂志,2022,45(1):82-86.

Badrick T, Bietenbeck A, Cervinski MA, et al., International Federation of Clinical Chemistry, and Laboratory Medicine Committee on Analytical Quality. Patient-based real-time quality control: review and recommendations[J]. Clin Chem,2019,65(8):962-971.

夏骏,孙汝林,周俞,等. 患者数据均值和百分位数在临床生化日常室内质量控制中的应用[J]. 中华检验医学杂志,2019,42(4):270-276.

温冬梅，王学锋，陆怡德.基于患者实时质量控制在不同规模临床实验室质量风险管理中的智慧应用价值[J].临床实验室,2019,13(12):39-48.

李欣，杨超，郑磊.基于人工智能的患者数据实时质量控制在质量风险智能监控与管理的应用研究[J].临床实验室,2021,15（8）:70-78.

李萍，李园园，黄亨建，等.患者数据质控在定义室内质控分析批长度中的应用[J].临床检验杂志，2009,27(3):228-232.

David NG, Polito  FA, Cervinski MA. Optimization of a Moving Averages Program Using a Simulated Annealing Algorithm: The Goal is to Monitor the Process Not the Patients[J]. Clinical Chemistry,2016,62(10):1361-1371.

Fleming JK, Katayev  A. Changing the paradigm of laboratory quality control through implementation of real-time test results monitoring: For patients by patients[J]. Clinical Biochemistry,2015,48(7/8):508-513.

杨帆,董丹凤,陆怡德. 患者数据指数加权移动平均法在血清离子项目室内质量控制中的应用[J]. 检验医学,2021,36(9):962-968.

Solgi M,  Karami M,  Poorolajal J. Timely detection of influenza outbreaks in Iran: Evaluating the performance of the exponentially weighted moving average[J]. J Infect Public Health, 2017,9(11):1-4.

Yupaporn A,  Rapin S. EWMA control chart based on its first hitting time and coronavirus alert levels for monitoring symmetric COVID-19 cases[J].Asian Pacific J Tropical Med 2021,14(8):364-374.

End-

题图 | veer.com

排版 | 张宁

审校 | 方研

原文以《基于AI的患者数据实时质量控制法在检测系统稳定性智能预警平台建立中的应用研究》为题发表在《临床实验室》杂志2022年8月刊专题“实验室自动化、数字化、智能化”-「质量控制研究」版块