复旦中山检验科郭玮教授团队于CCA杂志发表“基于病人样本的实时质量控制”研究成果 ...

基于病人样本实时实验室质量控制（PBRTQC）质量是检验医学实验室管理的生命线，为临床和患者提供稳定、准确的检验结果是我们工作的核心目标。作为实验室质量管理的重要一环，室内质控可监控检测系统的稳定性。质控品检测结果符合规则要求表明质控品检测时间点的检测系统合乎预想要求，而当质控品检测结果出现“失控”情况时，往往需要对该份质控品的检测时间点之前的已检测样本进行留样再检，以追溯和评估“失控”时间点之前受影响的患者标本。若这些标本的检测结果可能影响临床诊疗决策风险时需撤回报告（如图1所示）。2016年临床与实验室标准化委员会（CLSI）更新了室内质控标准，提出需要基于风险评估确定室内质控的频率、质控品浓度水平与失控判断规则。而若要将失控造成的风险控制在更低水平，则需要额外增加人力和物力成本。PBRTQC则可在不额外增加人力和物力成本的情况下实时监测检测系统的稳定性和判断有无“失控”情况。

图1 室内质控：实验室室内质控通常按计划每天进行一次或多次。以图为例，在早上仪器开机时和下午加试剂后分别进行室内质控。若在上午开机质控在控后的某一时段出现系统误差，通常在第二次质控时才能发现，导致大量样本需要留样再检。

早在1965年，Hoffman教授提出设想，可通过监测病人样本的检测结果来评估检测系统的稳定性，即监测每日“正常范围”内患者数据的均值(AoN)用于质量控制的概念，这是PBRTQC的起源。但限于当时的条件仅能进行每日回顾分析，并未达到“实时质控”的效果。近年来，随着实验室信息化和计算机科学的发展，已经可以实现PBRTQC系统与检测系统和实验室信息系统交互，实现实时监控检测系统的稳定性（如图2和图3所示）。

图2. PBRTQC和室内质控对比：图中显示了PBRTQC和室内质控的特点，PBRTQC可以在每个病人样本结果生成后进行计算，可实时监控检测系统。室内质控根据质控计划，在不同时间点对检测系统进行监控。

图3. PBRTQC和室内质控对比：如实验室采用PBRTQC，图1失控情况则可以在失控发生后很快通过PBRTQC发现，能更及时地捕捉系统误差，并且能更准确锁定需要留样再检的标本。

PBRTQC系统的核心包括算法和各种参数，如计算样本数、分组、截断值等超参数和模型参数控制限等。开发流程主要包括提取历史检测数据进行清理、分析、必要时的正态转换，以及构建“虚拟日”和人工加误差等。首先在模拟数据上进行建模，即通过计算机运行确定算法与各种参数的最优值。随后在另一个相对的数据集上进行验证、评估误差检出的性能与时效性。最终在真实世界中进行验证与不断优化。

目前国外报道PBRTQC研究的文章逐渐增多，算法多样但缺乏统一公认的研究架构和评价体系。实验室的决策者需了解这些算法的特点和最佳适用范围。另外，真实世界中检测系统出现误差可有不同表现和类型，不少研究仅采用一种误差形式进行建模与验证，很难判断其识别其它类型误差时的能力。

为给检验同道在选择PBRTQC算法时提供科学依据，我们对目前IFCC PBRTQC工作小组推荐的6种主要的PBRTQC算法进行了比较分析。我们在实验设计中充分考虑了不同检测项目检测结果的数据分布特征，如呈正态分布的Na、Cl和呈偏态分布的ALT、CRE等。建模与验证中构建了绝对值误差、百分比误差与随机误差3种误差模式。

我们的研究发现，浮动均值（MA）、浮动中值（MM）、浮动百分位点（MQ）和指数加权浮动平均数（EWMA）算法在识别系统误差（包括绝对值误差和百分比误差）上有较好的效果，其中EWMA算法相较于其他算法略有优势；而浮动标准差（MovSD）则对识别随机误差有相对较好的效果。然而基于传统算法的PBRTQC实际使用效果很大程度上取决于应用项目的检测结果数据分布特征，如ALT这样偏态分布、且个体间差异大的项目，PBRTQC效果较差；而在正态分布、个体间差异小的项目（如Na和Cl）中则效果较好（图4）。（详细内容请点击文后链接查看原文https://doi.org/10.1016/j.cca.2020.10.006）

图4：不同PBRTQC算法误差检出性能的比较

基于传统算法的PBRTQC系统对于偏态分布、个体间差异大的检测项目的系统误差检出性能不够理想，我们团队已开始致力于应用人工智能技术开发新的算法与模型，希望未来基于人工智能技术开发的PBRTQC系统能与如今的室内质控体系有机结合，共同发挥作用，努力实现室内质量控制的实时化，质量控制成本-效益的最优化。