目的:通过检验前智慧化流程再造，以提高工作效率并减少差错。方法:收集北京大学深圳医院2021年12月至2023年2月门诊的肿瘤和感染标志物检验样本，通过集成样本传输、样本分拣与二次转运及实验室自动化系统，并实现全流程信息化监控。比较检验前智慧化流程自动识别的再造前后的样本人工介入节点、样本采集-检测、采集-报告的周转时间（TAT）、智能预稀释比例、自动识别出检验前差错数量，评估流程再造的效果。采用卡方检验、Fisher精确概率法、Mann-Whitney U检验进行统计学分析。 结果:在实施智能化流程再造后，人工介入节点从原先的13个减少至2个；门诊患者肿瘤标志物一阶段改造后，采集-报告TAT中位数从185（141，242）min降至137（102，183）min（ Z=-54.932， P<0.001），二阶段改造后，采集-报告TAT中位数从137（102，183）min降至100（64，150）min（ Z=-61.346， P<0.001）；感染标志物一阶段改造后，采集-报告TAT中位数从392（282，1386）min降至229（176，323）min（ Z=-68.636， P<0.001），二阶段改造后，采集-报告TAT中位数从229（176，323）min降至160（110，236）min（ Z=-62.15， P<0.001）。 结论:检验前智慧化流程再造能够优化工作流程、提升效率、减少差错。

针对突发公共卫生事件中生物检测样本调配优先等级不同、采样量与样本积压量信息不对称、运输路线难以动态规划等实际问题,通过样本采样模块、数据处理模块、检测处理模块、资源调配模块联动配合,构建生物检测样本的快速调配系统,在低成本下做到了快速、精准、高效率的检测资源分配.该系统可实现大规模生物样本筛查的区域统一调度,有效优化整体生物样本的检测顺序,改善不同能级实验室忙闲不均的业务状态,缓解由于道路拥堵耽误样本运输等状况,提高区域生物样本的总体检测效率.通过着重介绍生物检测快速调配系统的建设难点、系统模型与具体实现,旨在为类似应用场景提供参考.

血液库存管理是采供血链条中的后端关键环节.如何有效避免差错发生,保证血液制剂安全,保障区域内血液供应,及时对血液调配作出反应,实时反馈区域内的血液供应情况,是血库工作不断深入研究和创新的重点.该文主要研究重庆市血库智能化管理系统,建设内容包括全自动化设备、无线射频识别(RFID)技术应用、智能云平台及物联网先进技术应用,整合自动化贴签包装、自动化分拣、温度实时监控系统等全自动化设备,完善血液智能检索、自动批量出入库、自动盘存、数据动态实时交互与共享等功能.系统参考国内已实现血库智能化管理单位的经验,进一步实现血库与血站内部各科室、血库与医院、血库与卫生行政部门之间的数据共享.此外,通过智能云计算逐步建立重庆市血液保障体系大数据库,实现卫生行政管理部门-血站-医院的全链条管理和信息共享,打破"信息孤岛",提升重庆市血液管理和保障能力.

目的:为医院药学人员在人工智能冲击下的岗位选择和发展提供参考.方法:通过实地走访和检索文献,分析人工智能对医院药学的影响及药学人员面对的挑战与机遇.结果与结论:人工智能超速发展,在医院药学中的药品采购与验收、药品贮存、药品分拣、药品调剂、药品配送、病区药品管理、处方审核与点评、用药监测等多个岗位均有应用,医院药学人员面临着较大的挑战,同时也有新的机遇.例如,在药品调剂工作中,药学人员可给予患者更专业的知识和更浓厚的人文关怀,为患者提供高品质的药品调剂服务;临床药学人员还可根据患者的疾病信息参与会诊,协助医师制订个体化治疗方案;还可结合智能平台的监测结果,参与用药事前审核,为管理部门提供药事信息等.

目的:为提高静脉用药调配中心(PIVAS)成品输液的分拣效率提供参考.方法:介绍我院DisMed System 8000成品输液智能分拣系统(以下简称"自动分拣系统")的设备组成及工作流程,比较自动分拣系统使用前和使用后日均分拣工作量、平均每袋成品输液所需分拣时间、分拣工作强度(如人均每日步行数等)、分拣差错、临床科室满意度及药师药学服务质量等指标的变化,评价自动分拣系统对我院PIVAS成品输液分拣工作的影响.结果:自动分拣系统使用后,日均分拣工作量无明显变化,但平均每袋成品输液所需分拣时间缩短5.56 s(64.13％),人均每日步行数下降22.12％,总差错率下降86.48％,临床各科室对PIVAS的满意度提升了11.86％;平均每日药师医嘱审核率、不合理医嘱干预成功率、临床走访频率、解答临床咨询的例数分别提升25.62％、42.71％、300.00％、189.74％.结论:自动分拣系统使用后,我院PIVAS工作环境更舒适,流程更优化,实现了高效率、低差错,将药师从烦琐的分拣工作中解放出来,提高了药学服务质量,推动了PIVAS自动化建设.

目的:冬虫夏草收购中常常混有相似物种的伪品或不同等级的冬虫夏草,针对市场上由人工分拣带来的效率低、错误率高等问题,结合图像处理技术和深度学习方法,本研究设计了一套冬虫夏草智能化分拣系统,并对冬虫夏草的识别分拣算法进行了深入研究.方法:通过工业摄像头获取分拣时冬虫夏草及其相似物种的多角度图像,搭建了卷积神经网络CNN的识别模型,以拣选出掺入的非冬虫夏草物种,通过人工蜂群算法ABC(Artificial Bee Colony)优化学习速率,并将识别为冬虫夏草的品种通过Canny边缘检测算法和Hu矩得到冬虫夏草大小以及虫体所占比例,结合冬虫夏草质量来进行等级划分.结果:通过实验验证,该分拣系统可以实现对冬虫夏草及伪品的准确识别和快速分拣,识别正确率可达94％,分拣正确率达94.9％.结论:设计的基于CNN的冬虫夏草智能化分拣系统能够更加准确和高效的完成对冬虫夏草的有效识别分拣.

目的:探讨某院静脉用药调配中心(PIVAS)的自动化和信息化水平,为PIVAS的发展提供参考.方法:介绍该院PIVAS自动化系统建设和实践的主要情况,收集该院PIVAS自动化系统启用前、后相关工作环节的用时和差错件数等数据信息,进行比较以评价其应用效果.结果:该院PIVAS的自动化系统由智能贴签系统、智能退药模式、智能配液系统、智能责任追溯系统、智能分拣系统组成.自动化系统使用后,每日贴标签的用时由(1.97±0.19)h缩短至(1.15±0.17)h;每日贴签差错由(6.51±1.24)件降低至(0.53±0.30)件;每日配液用时由(1.73±0.20)h缩短至(1.41±0.62)h;每日分拣成品输液的内部差错由(3.52±1.68)件降低至(0.03±0.16)件.结论:该院PIVAS自动化系统的应用使工作效率提高、差错率降低、减轻了工作人员的劳动强度,在提高PIVAS工作效率和防范差错方面起到了重要作用.

我国陕南寒武纪初期的宽川铺组(距今大约535百万年)以盛产磷酸盐化的微体小壳化石和球状动物胚胎化石而闻名于世,是探索早期动物门类起源和寒武纪生命大爆发研究中的一个非常重要的窗口.在宽川铺组中寻找微体化石新类型主要依赖显微镜下人工挑选的传统方法日趋低效,迫切需要新的技术手段来解决这些问题.而微体化石数量庞大,大小接近,形态简单,非常适合于采用机器学习的手段进行人工智能分类.我们在宽川铺组微体化石中尝试使用机器学习的手段来进行化石图像识别和机器分拣.采用方向梯度直方图来提取化石图像的主要向量特征,并设计了二叉树型多分类识别器进行化石数字分类.目前处理了5 000多张微体化石照片的人工智能识别,已经取得了较高的准确率.

目的:探讨静脉用药集中调配中心(PIVAS)流程智能化、信息闭环化、模式均质化的实践效果.方法:收集某院PIV-AS在2017年3-6月和2017年7-10月的各项报表数据,对比评估PIVAS信息化改造和智能设备引入前后各运行指标的变化,包括每日排药时间、贴签时间、分拣时间,输液存储量以及各个环节中的人力分配、差错发生率等;基于PIVAS流程整体设计,评价PIVAS工作新模式的价值.结果:在经过智能化、信息化改造后,PIVAS的工作效率显著提高,差错率大幅下降,其中贴签环节每张标签贴签、核对、排筐用时(7.81±1.66)s下降至(5.34±0.64)s,差错率由(1.38±0.40)‰下降至(0.15±0.05)‰;排药环节每张标签用时(5.37±0.97)s下降至(3.38±0.27)s,差错率由(1.91±0.41)‰下降至(0.44±0.18)‰;分拣环节每袋输液分拣用时(4.57±1.30)s下降至(1.49±0.19)s,差错率由(2.87±0.34)‰下降至(0.29±0.11)‰,PIVAS人员工作模式达到均质化要求.结论:该院智能化、信息化、均质化改造后,PIVAS人员工作效率显著提高、差错率大幅下降,在质量管控方面成效卓著.

目的:建立静脉用药调配中心(PIVAS)智能系统,为HVAS的信息化、自动化建设提供借鉴.方法:基于医院信息系统(HIS),开发智能审方、智能摆药、扫描核对、智能轨道运送等系统模块,分析PIVAS智能系统在实践中的应用情况,并对应用前后不合格医嘱率、摆药效率、差错件数、人员效率等进行比较,以评价应用效果.结果:该系统运用后,实现了自动审核医嘱、智能分拣摆药、智能扫描核对、成品输液自动运送;不合理医嘱由原来的0.10％下降为0.06％,摆药贴签用时由每日(4.35±0.48)h缩短至(3.15±0.31)h;每日调配内差由(4.23±0.82)件降低至(1.52±0.24)件;药品破损由每日(2.78±0.24)件降低至(0.69±-0.74)件;成品输液打包分拣差错由每日(6.78±0.45)件降低至(2.36±0.14)件.每日可减少排药人员1名,减少外送人员1名.结论:PIVAS的信息化和自动化建设有助于提升药学服务水平,降本增效,提高医院整体管理水平.