目的 分析477例ABO血型鉴定自动审核不通过的原因及其影响因素,初步建立相应的处理流程.方法 依据并参考临床实验室定量检验结果的自动审核(WS/T 616-2018)的行标,制定了我室ABO血型鉴定的自动审核规则.收集2021年1月至2022年12月北京协和医院检验科ABO血型鉴定自动审核不通过的共计477患者的临床资料,分析ABO血型鉴定不通过的原因,结合患者的临床诊断特征,制定相应的处理流程.结果 按原因分类:抗原所致为79例,其中抗原减弱或缺失为50例,亚型为29例;抗体所致为398例,其中血清抗体减弱/缺失为305例,冷凝集素(冷抗体)为23例/自身抗体为27例,红细胞同种抗体为43例.按患者所患疾病类型:肿瘤为94例占19.7％;血液病为59例占12.4％;免疫性疾病为43例占9％;内分泌疾病为25例占5.2％;妇科疾病及妊娠为72例占15.1％;其他疾病为184例占38.6％.结论 在477例ABO血型鉴定自动审核不通过的原因中,以年龄变化导致的生理变化最为常见;此外不规则抗体、ABO亚型、抗原减弱也可造成此结果.在血型鉴定工作中,应综合考虑患者的情况,针对其原因选择相应辅助实验方法进行鉴定,以提高ABO血型的鉴定准确性,保证临床用血安全.

目的:建立血液分析检验结果人工智能（AI）审核规则。方法:纳入2019年8月1日至31日吉林大学第一医院住院患者血液分析数据18 474份，作为AI审核规则训练组，采集其对应的患者年龄、镜检结果、临床诊断信息，以血液分析报告参数、研究参数、报警信息等92个实验室参数作为AI审核规则的候选条件；依据镜检的人工审核作为审核标准，标注是否通过或拦截；采用决策树算法，通过高强度、多轮次及五折交叉验证，初步建立AI审核规则，通过设置重要病例必中，以优化AI审核规则。采用卡方检验比较AI审核规则与自动审核规则的假阴性率、精确率、召回率、F1分数、通过率等指标，评价AI审核规则性能。收集2023年11月1日至31日吉林大学第一医院检验科12 475份住院患者血液分析数据作为验证组，将AI审核规则模拟用于结果审核，分析AI审核规则的性能指标，验证AI审核规则的性能。结果:AI审核规则由15项规则、17条参数构成，能够分辨计数和形态异常。与自动审核规则相比，AI审核规则的训练组真阳性率、假阳性率、真阴性率、假阴性率、通过率、正确率、精确率、召回率、F1分数分别为22.7%、1.6%、74.5%、1.3%、75.7%、97.2%、93.5%、94.7%、94.1，均优于自动审核规则，差异具有统计学意义（ P<0.001），且无重要病例漏检。验证组真阳性率、假阳性率、真阴性率、假阴性率、通过率、正确率、精确率、召回率、F1分数分别为19.2%、8.2%、70.1%、2.5%、72.6%、89.2%、70.0%、88.3%、78.1，与自动审核规则相比，假阴性率较低、假阳性率和召回率稍高，差异具有统计学意义（ P<0.001）。 结论:利用机器学习的决策树算法建立并验证的血常规AI审核规则，能较稳定地识别、拦截与提示异常结果，与自动审核相比在血液分析检验结果报告中更加简便、高效、准确。

目的:根据肿瘤患者群体的血细胞分析的特点和常见问题，制定符合肿瘤患者的血细胞分析自动审核方案，验证评价方案的有效性和审核效率。方法:将国际血液学组织提供的“国际41条复检规则”和天津医科大学肿瘤医院自建的复检规则分别与国内多中心自动审核规则进行组合，形成两种自动审核方案。选取天津医科大学肿瘤医院10 063份血常规标本（镜检460份）作为自动审核方案建立组，在仪器中间件中进行回顾性判断，比较不同方案的自动审核通过率和自动审核漏检率等各种指标。通过逐一分析漏检标本的数据，结合肿瘤患者诊断治疗特点对自动审核规则进行调整。通过对19 300份血常规7日内血小板数量变化进行分析，制定血小板计数的Delta检查规则。将血小板计数Delta检查规则与调整后的审核规则合并形成我院自动审核规则，再结合我院复检规则形成我院的自动审核组合方案，并对自动审核方案建立组和验证组（10 876份，其中镜检1 740份）标本进行判断。EDTA依赖性假性血小板减少症（EDTA-PTCP）患者标记提示和Delta规则判断功能在LIS中进行，其余规则判断功能均在中间件中执行。经过4个月61 602份标本的临床试运行，综合评价自动审核方案的有效性。结果:国际41条复检规则、我院复检规则与国内多中心审核规则组合形成的两种组合方案的自动审核通过率分别为46.36%、52.26%和漏检率分别为2.02%、1.06%，我院的自动审核方案在建立组和验证组的自动审核通过率分别为51.19%、52.78%，通过正确率分别为100%和99.95%，漏检率分别为0和0.03%；临床试运行期自动审核通过率为56.06%，通过正确率为100%，无漏检标本，优于目前主流规则组合的自动审核方案。自动审核周转时间（TAT）中位数缩短15 min， P90缩短58 min，明显低于去年同期。“EDTA-PTCP”患者标记功能共识别31例特殊患者，总共进行68次检测，PLT纠正前后差值中位数76.5×10 9/L，差异有统计学意义（ Z=-7.17， P<0.001）。 结论:本研究建立了适合肿瘤患者群体的自动审核组合方案，在很低的漏检率的同时具有较高的审核通过率，能保证我院肿瘤患者检验结果的准确，提升工作效能。

目的:建立多中心凝血检验结果的自动审核规则，在保证检验质量的同时减轻人工审核及复检工作负荷，缩短周转时间（TAT）时间。方法:收集来自14家医院检验科2019年12月至2020年3月期间凝血标本共14 394份：规则建立组11 230份（含Delta check 1 182份），规则验证组3 164份（含Delta check 487份）；临床试应用77 269份。应用Sysmex CS系列全自动凝血分析仪检测凝血酶时间（TT）、凝血酶原时间（PT）、国际标准化比值（INR）、活化部分凝血活酶时间（APTT）、纤维蛋白原（FBG）、D-二聚体（DD）、血浆纤维蛋白（原）降解产物（FDP）同时将临床信息、仪器参数、检测结果、临床诊断、抗凝药物使用和HCT、TG、TBIL、DBIL等相关信息汇总；根据历史数据从小到大排序后累积第2.5和97.5百分位数，根据临床建议、危急值、特殊用药史和相关指南确定自动审核拦截条件及限值；进行一期和二期验证，分别计算阳性符合率、阴性符合率、假阴性、假阳性、自动审核通过率、通过正确率（与人工审核一致率）和TAT时间。结果:（1）自动审核规则33条，涉及TT、PT/INR、APTT、FBG、DD、FDP、Delta check、反应曲线及性状异常；（2）规则建立组自动审核通过率为68.42% （7 684/11 230），假阴性为0（0/11 230），与人工审核一致率为98.51%（11 063/11 230），其中阳性符合率为30.09%（3 379/11 230），阴性符合率为68.42%（7 684/11 230）；规则验证组自动审核通过率为60.37%（1 910/3 164），假阴性为0（0/11 230），与人工审核一致率为97.79%（3 094/3 164），其中阳性符合率为37.42%（1 184/3 164），阴性符合率为60.37%（1 910/3 164）；（3）自动审核规则试应用，77 269份凝血检测标本，检验结果报告平均TAT缩短分别为8.5~83.1 min。结论:本研究建立了凝血检验结果自动审核规则33条，验证显示能够在保证检验准确性的同时缩短TAT，提高凝血检验效率。

目的:建立全自动尿液分析系统自动审核规则并对其进行验证，在保证结果可靠性的前提下提高检验效率。方法:收集来自北京大学航天临床医学院航天中心医院、上海交通大学附属第六人民医院、广州医科大学附属第一医院、温州医科大学附属第一医院和山西省人民医院5家医院检验科2019年9月至2020年4月期间的尿液标本共5 359份，其中建立表观健康人群参考区间组355份，规则建立组3 449份和规则验证组1 555份。以显微镜检查结果作为金标准，应用贝克曼库尔特全自动尿液分析系统对尿液标本进行检测，建立尿液分析系统自动审核规则。各实验室均进行严格的室内质量控制，保证结果的准确性和稳定性。在规则建立阶段计算正常人群参考范围和自动审核规则结果（包括真阳性率、真阴性率、假阳性率、假阴性率、自动审核通过率），规则验证阶段计算自动审核规则的性能指标包括（有效拦截率、无效拦截率、有效审核率、无效审核率、自动审核通过率、自动审核通过正确率）。结果:以显微镜检查结果为金标准，初步建立贝克曼库尔特全自动尿液分析系统自动审核规则，其自动审核通过率为52.51%（1 811/3 449），显微镜检查率为2.58%（89/3 449），假阴性率、假阳性率、真阴性率和真阳性率分别为2.26%（78/3 449）、11.86%（409/3 449）、47.00%（1 621/3 449）和38.88%（1 341/3 449）。验证数据与规则建立数据一致并有一定提升，最终设定20条自动审核规则，其有效拦截率、无效拦截率、有效审核率、无效审核率、自动审核通过正确率分别为38.52%（599/1 555）、10.35%（161/1 555）、49.07%（763/1 555）、2.06%（32/1 555）和87.59%（1 362/1 555）。结论:应用全自动尿液分析系统自动审核规则能够提高尿液检验的效率，节省人力，同时保证检测结果可靠性。

目的:建立和验证尿液分析检验结果的自动审核规则。方法:2019年12月至2020年3月收集来自吉林大学第一医院、空军军医大学西京医院、上海市第一人民医院、四川省人民医院、厦门大学附属第一医院、昆明市延安医院、山东大学第二医院共7家医院检验科的尿液分析常规样本共7 405份：其中用于规则建立组5 246份，规则验证组2 159份。应用Sysmex UC-3500尿液全自动干化学分析仪以及Sysmex UF-5000尿液有形成分分析仪检测尿液标本，同时按照第四版操作规程中尿沉渣镜检标准流程进行尿液样本的离心、镜检，将临床信息、仪器参数结果、仪器报警信息、仪器提示信息和镜检结果汇总，利用统计学方法筛选自动审核条件，将自动审核规则录入仪器软件，分别计算真阴性率（有效审核）、假阴性率（无效审核）、真阳性率（有效拦截）、假阳性率（无效拦截）、镜检率、自动审核通过率和通过正确率。应用自动审核规则模拟审核7家医院1个月内的尿液分析常规检测结果，比较自动审核规则应用前后TAT变化。结果:（1）通过优化组合，选定了用于自动审核的拦截规则16条，拦截后的关联处理需镜检的有8条，需人工审核的有8条。（2）自动审核规则建立组中5 246份样本其假阴性率为2.4%（128/5 246），镜检率16.5%（864/5 246），自动审核通过率为60.4%（3 169/5 246），通过正确率为72.1%（3 780/5 246）。（3）规则验证组中2 159份样本其假阴性率为3.3%（71/2 159），镜检率19.6%（423/2 159），自动审核通过率为62.9%（1 357/2 159），通过正确率为75.5%（1 630/2 159）。（4）应用尿液自动审核规则分别对7家医院一个月内的标本进行TAT模拟分析，结果显示TAT明显缩短，下降率分别为45.30%、52.85%、43.13%、38.44%、41.34%、51.77%和30.2%。结论:成功建立了尿液分析检验结果的自动审核规则，并通过了临床标本验证。

目的:对前期建立的尿液常规智能审核规则（含复检规则和人工审核规则，简称智能规则）进行多中心大样本的验证及改进研究，以提高智能规则的临床适用性。方法:智能规则的验证与改进，共收集2019年3月至9月浙江大学医学院附属第一医院、空军军医大学西京医院、烟台毓璜顶医院、苏州大学附属第三医院、四川省人民医院以及中南大学湘雅三医院等6家医院门诊或住院患者尿液标本31 456份，其中3 105份标本以镜检结果及人工审核为参考用于智能规则的验证与调整，28 351份标本以100%人工审核为参考用于改进后的智能规则临床适用性的验证。结果:原发布智能规则中的人工审核规则存在8.59%（202/2 352）的无效审核率以及8.84%（208/2 352）的无效拦截率，复检规则的假阴性率和复检率与前期结果相似。依据大数据深度分析结果和8家医院（含中国医学科学院肿瘤医院、中国医学科学院北京协和医院）技术骨干的讨论，增加了1条复检规则和4条人工审核规则、删除了2条人工审核规则，并对人工审核标准进行了统一，形成了改进后的智能规则。其中，复检规则的假阳性率、假阴性率（漏诊率）及复检率没有明显变化，分别为14.72%（457/3 105）、4.06%（126/3 105）及24.73%（768/3 105）；人工审核规则的无效审核率、无效拦截率均降到0；智能规则的人工审核率、自动审核通过率分别为50.89%（1 580/3 105）、49.11%（1 525/3 105）。智能规则的大样本验证结果与之相一致。结论:多中心大样本验证显示改进后的智能规则具有良好的临床适用性。

目的:探讨智慧化流水线在急诊检验中的应用价值。方法:收集同济大学附属同济医院急诊检验2019年6月24日至28日和2023年7月24日至28日两个时间段的各项指标数据进行回顾性研究。对智慧化流水线应用（启用气动传输装置）前后样本量的变化，和检验前周转时间（TAT）中位数和第90百分位数（ P90）分别进行比较；调取并分析启用智慧化流水线自动质控前后同一批号质控品的质控相关数据；分析比较智慧化流水线自动审核规则应用前后实验室内TAT中位数和 P90数；统计启用智慧化流水线基于患者样本的实时质量控制（PBRTQC）功能和基于质控品的室内质控方式对失控的检出效能。正态分布资料采用两独立样本 t检验，偏态分布计量资料组间比较采用Mann-Whitney U 检验进行统计分析。 结果:智慧化急诊流水线气动传输装置运行后，急诊标本检验前TAT由27.1（18.0，47.7）min下降到24.3（15.2，34.9）min，差异有统计学意义（ Z=-9.173， P<0.001）；自动质控实施前后项目钾（K）、钠（NA）、丙氨酸氨基转移酶（ALT）、葡萄糖（Glu）、总蛋白（TP）、尿素的室内质控测试结果均差异无统计学意义（ P>0.05），且自动质控 CV值与手工质控 CV值均在允许范围内；干式生化质控品消耗由750 μl/次，减少为600 μl/次，使用量减少20%；质控操作时间由30 min/次降低到20 min/次，时间节省33.3%；质控人员数、人员走动距离均明显减少；PBRTQC功能的开发后质控失控检出率由0.82%提升到0.98%。启用智慧化流水线自动审核系统后实验室内TAT启用自动审核功能前的37.1（21.3，49.2）min下降到34.4（16.5，46.3）min，差异有统计学意义（ Z=-10.062， P<0.001）；检验全程周转时间（ToTAT）和TAT分别由56.7（45.8，102.5）、37.4（21.5，49.6）min下降到53.3（42.1，98.3）、33.2（16.4，47.9）min，且差异均有统计学意义（ Z=-7.176和-8.245，均 P<0.001）；ToTAT和TAT的 P90数分别下降18.1%和17.0%，样本超时占比下降了65.5%和92.1%，而危急值通报及时率则由82.5%上升到99.3%。 结论:应用智慧化急诊流水线后可以明显缩短检验样本周转时间，有效提升急诊检验的质量和效率。

全自动凝血流水线的应用，极大地发展了血栓与止血实验室的智能化管理。本实验室全自动凝血流水线硬件系统由西门子Aptio流水线系统和Sysmex CS-5100全自动凝血分析仪组成，软件系统包括流水线数据管理系统、Centralink中间体软件和实验室信息系统（LIS）。根据实验室实际工作情况和血栓与止血检测的质量管理要求，实验室对LIS系统、流水线检测程序和纯水供应系统进行了多次优化，提高了工作效率和检测质量，为未来血栓与止血筛查试验复检规则和自动审核规则的制定，智能化实验室的实现打下了坚实的基础。

2021年3月国家卫生健康委员会办公厅印发《医院智慧管理分级评估标准(试行)》，明确提出医院智慧管理是"三位一体"智慧医院建设的重要组成部分。其中，对医院智慧管理5级标准中，需建立医院智慧管理数据库、具备管理指标自动生成、管理信息集成展示、管理工作自动提示等管理决策支持功能。在医院医保管理领域，传统管理模式下公立医院医保管理一般聚焦在医保费用管控、医保责任医师管理和参保人服务三大板块，较少涉猎医保业务成本管控、医保账款回款管理以及医保管理报告等领域。而这些板块恰恰是在近期国家对公立医院高质量发展的要求下，医院医保运营智慧管理需深耕拓展的方向。在各种信息技术日新月异的当下，各类技术应用场景介绍的侧重点往往都在如何应用技术方面。而对于何谓应用场景、应用场景有哪些特征和要素、如何梳理业务场景以寻求契合的信息技术落地应用等问题，却较少被提及。对医院财务和医保管理人员而言，理解应用场景的概念方能在纷繁复杂的信息技术中梳理出清晰的应用脉络，实现真正的智能(智慧)管理。智能医保管理应用可以分为3个层次，一是基于规则的自动化(robotic process automation，RPA)，具体表现为医保智能审核、医保智能对账、智能医保费用及成本分析管控等；二是基于对话式用户界面的应用，如以语言交互、人机协作式为重要特征，实现医院管理层和科室管理层的数字医保管理应用；三是基于深度学习的医院医保管理大脑，以大数据为基础的智能医保管理决策和风险控制是典型场景。作者在医院智慧管理标准要求下，就如何突破传统医保管理模式，对公立医院医保管理全景业务场景体系进行分析研究，探索通过数字赋能让医院医保管理更加智能的具体应用实践。