An independent third-party autoverification platform iXLAB Verify and its application in a core clinical biochemistry laboratory

In het bruisende hart van een modern ziekenhuis fungeert een klinisch laboratorium als een cruciale motor, die dagelijks duizenden bloedmonsters verwerkt om de verborgen verhalen van de gezondheid van een patiënt te onthullen. Deze tests, variërend van eenvoudige controles van suiker- en zoutgehaltes tot complexe metingen van de lever- en nierfunctie, genereren een enorme stroom aan gegevens die gecontroleerd moeten worden voordat ze een arts bereiken. Traditioneel gezien heeft deze controle geleund op menselijke experts, die resultaten handmatig beoordelen om te controleren of ze logisch zijn, waarbij zij zoeken naar fouten of gevaarlijke afwijkingen. Hoewel deze menselijke tussenkomst essentieel is voor de veiligheid, heeft de enorme hoeveelheid tests handmatige beoordeling tot een knelpunt gemaakt, waardoor de tijd die nodig is om resultaten bij patiënten te krijgen, wordt vertraagd. Om dit op te lossen, hebben laboratoria de overstap gemaakt naar autoverificatie, een digitale strategie waarbij computeregels automatisch resultaten goedkeuren die binnen de verwachte, veilige grenzen vallen, waardoor alleen de ongebruikelijke of verdachte gevallen worden vastgehouden voor menselijke ogen. Jarenlang waren deze geautomatiseerde systemen strikt gebonden aan de specifieke software of machines waarop ze draaiden, wat betekende dat als een ziekenhuis zijn apparatuur of zijn registratiesysteem veranderde, de volledige set regels vanaf nul moest worden opgebouwd, een kostbaar en complex proces dat velen ontmoedigde om de technologie te adopteren.

Onderzoekers van het Shenzhen Pingshan Hospital, werkend samen met ingenieurs van een biomedisch bedrijf, zetten zich in om deze afhankelijkheid te doorbreken door een nieuw, onafhankelijk platform genaamd iXLAB Verify te creëren. In tegen tegenstelling tot eerdere systemen die vastzaten aan een specifieke machine of software, fungeert dit nieuwe hulpmiddel als een externe waarnemer die tussen de instrumenten van het laboratorium en het registratiesysteem in staat, zonder aan een van beide verbonden te zijn. Het team wilde zien of dit flexibele, zelfstandige systeem veilig en efficiënt de zware taken van het verifiëren van bloedtestresultaten kon afhandelen in een druk kernlaboratorium. Ze begonnen door het systeem rigoureus te testen tegen een enorme achterstand van 53.120 eerdere monsters, waarbij de beslissingen van de computer vergeleken werden met de oordelen van ervaren menselijke beoordelaars. Het doel was om ervoor te zorgen dat het systeem nooit een gevaarlijke fout zou missen, een concept dat in het vakgebied bekendstaat als het hebben van nul fout-negatieven, terwijl het ook correct identificeert welke resultaten veilig automatisch vrijgegeven kunnen worden.

De resultaten van deze initiële validatie waren opmerkelijk. Het systeem vertoonde een perfecte sensitiviteit, waarbij elk monster dat menselijke aandacht vereiste werd opgemerkt, en het bereikte een specificiteit van 97,28%, wat betekent dat het het overgrote deel van de normale resultaten correct als veilig identificeerde. Cruciaal was dat het geen enkel gevaarlijk geval miste, wat bevestigde dat de geautomatiseerde regels even veilig waren als menselijk toezicht. Na deze succesvolle test heeft het ziekenhuis het systeem zeven maanden lang ingezet in de praktijk, waarbij meer dan 135.000 monsters van poliklinische patiënten, inpatiënten en mensen die een gezondheidscontrole ondergingen, werden verwerkt. Tijdens deze periode heeft het systeem 86,19% van alle monsters succesvol geautoverifieerd, waardoor deze direct zonder menselijke tussenkomst werden vrijgegeven. Deze hoge mate van automatisering had een diepgaand effect op de snelheid. Voordat het systeem werd geïnstalleerd, duurde het 223 minuten voordat 90% van de poliklinische monsters van de laboratoriumbank naar het verslag van de arts ging; na implementatie daalde die tijd naar slechts 120 minuten. Voor inpatiënten daalde de wachttijd van 215 minuten naar 168 minuten, en voor gezondheidscontroles daalde deze van 204 minuten naar 124 minuten.

De studie keek ook nauwgezet naar de redenen waarom sommige monsters faalden voor de automatische controle en werden doorgestuurd voor handmatige beoordeling, wat een duidelijk overzicht gaf van waar het systeem de grens trok. De meest voorkomende reden voor een blokkade was simpelweg dat een resultaat te hoog of te laag was, buiten de vooraf ingestelde veiligheidsmarge viel, wat bijna twee derde van alle onderschepte tests verklaarde. Dit werd gevolgd door "delta checks", een veiligheidsfunctie die het huidige resultaat van een patiënt vergelijkt met het meest recente eerdere resultaat om plotselinge, onverwachte veranderingen op te sporen. Hoewel deze regels potentiële fouten opvingen, merkten de onderzoekers op dat het systeem bewust conservatief was, waarbij veiligheid boven snelheid werd geprioriteerd door meer resultaten voor beoordeling te markeren dan strikt noodzakelijk was. Zo was het systeem bijvoorbeeld bijzonder streng bij bepaalde hartgerelateerde markers en leverenzymen, om er zeker van te zijn dat elke potentiële afwijking door een mens werd dubbelgecontroleerd. Ondanks deze voorzichtigheid bewees het systeem zijn waarde door de wachttijd voor patiënten aanzienlijk te verkorten zonder de veiligheid in gevaar te brengen.

Een belangrijke bevinding van het onderzoek was het vermogen van het systeem om onafhankelijk te opereren van de onderliggende technologie. Omdat iXLAB Verify niet afhankelijk is van de specifieke software van het registratiesysteem van het ziekenhuis of het merk van de machines die het bloed analyseren, kan het naar verschillende laboratoria worden verplaatst of worden gebruikt zelfs als het ziekenhuis zijn apparatuur upgradet, zonder dat de regels opnieuw geschreven hoeven te worden. Deze flexibiliteit lost een grote hindernis op die veel laboratoria in het verleden heeft verhinderd om autoverificatie te adopteren. De onderzoekers concludeerden dat deze platformonafhankelijke aanpak een veelbelovend pad vooruit biedt, waardoor laboratoria de verificatie van testrapporten kunnen automatiseren en de efficiëntie in verschillende omgevingen kunnen verbeteren. Door de intelligentie van het verificatieproces los te koppelen van de hardware en software waarop het draait, laat de studie zien dat laboratoria snellere doorlooptijden en een verminderde werklast kunnen bereiken, terwijl ze de hoogste standaarden van patiëntveiligheid handhaven.