Информатизация деятельности медицинских лабораторий является одним из важных составляющих внедрения информационных технологий в сферу здравоохранения [1]. В условиях структурирования процессов оказания медицинской помощи рассматривать проблему информационного обеспечения клинико-диагностической лаборатории необходимо с позиций руководителя медицинского учреждения в целом, поскольку на нем лежит полная ответственность за эффективность диагностического процесса, значительная доля в котором отводится современной лабораторной диагностике.

Современные лабораторные информационные системы (ЛИС) включают в себя как общеизвестные модули оптимизация документооборота, так и специфические программы по контролю качества. Модули ЛИС по контролю качества позволяют существенно снизить трудозатраты персонала и повысить уверенность в достоверности результатов лабораторных исследований.

«Продуктом» деятельности медицинской лаборатории является клинически востребованный и достоверный результат. Получение некачественного результата приводит к повышению затрат: повторные исследования биоматериала, необоснованные дополнительные исследования и т.п. Хуже, если недостоверный результат не выявлен при авторизации на постаналитическом этапе и передан клиницисту. В этом случае помимо финансовых рисков существенно возрастают риски причинения вреда здоровью пациента: постановка неправильного диагноза, неверное лечение, отсутствие или несвоевременность оказания медицинской помощи и т.п.

Выявление ошибочных результатов - задача грамотно организованной системы обеспечения качества медицинской лаборатории. Соответствующее программное обеспечение позволяет минимизировать вероятность ошибок. При этом, по словам одного из ведущих специалистов по контролю качества в сфере лабораторной медицины Д. Вестгарда (Westgard, 2008)^[1], «опасность заключается в том, что внедрение продвинутой технологии и автоматизации, облегчая труд и снижая затраты, также легко может приводить к более плохим результатам тестирования, причем еще быстрее, чем перед их внедрением! Именно поэтому внутрилабораторный контроль качества так чрезвычайно важен!».

ЛИС позволяет количественно оценить достоверность полученных характеристик свойств или состава биологического материала. Или, говоря языком метрологов, определить присущую результатам исследования неопределенность. Количественное выражение присущих результатам ошибок (систематической и случайной) и является основой оценки достоверности полученных результатов для последующей клинической интерпретации последних.

Количественная оценка неопределенности результатов лабораторных исследований становится все более важной, учитывая существенное увеличение числа прогностических маркеров, позволяющих предсказать развитие и возникновение различных заболеваний еще до появления клинической картины. Особенно ответственной достоверность данных становится при лабораторной диагностике ургентных состояний.

Учитывая повышение степени ответственности врачей, в том числе клинической лабораторной диагностики, при переходе на персональную аккредитацию и лицензирование, мы считаем правильным уже сейчас серьезно пересмотреть позицию высшего руководства тех учреждений, где лаборатории еще не оснащены современными инструментами автоматизированного обеспечения качества.

Выделяют четыре основных этапа обеспечения аналитического качества [2]:

- оценка аналитических характеристик аналитической системы;

- планирование качества;

- внутренний контроль и внешняя оценка качества, которые включают оперативный и ретроспективный анализ результатов исследований;

- авторизации результатов до передачи их клиницистам.

Современные модули ЛИС позволяют автоматизировать эти этапы и минимизировать риски ошибок, возникающих при ручном производстве.

Дадим краткий обзор инструментов, которые могут быть представлены в блоке ЛИС по управлению качеством:

1. В рамках правильной лабораторной практики считается нормой проводить систематическую верификацию методов исследований [2]. Это необходимо при внедрении нового метода, анализатора или смене реагента, особенно в случае с так называемыми «открытыми системами», когда для одного анализатора разрешено применение реагентов разных производителей. Процедура верификации позволяет количественно оценить присущую данной тест-системе общую ошибку или так называемую неопределенность. Соответствующие инструменты из программного модуля по контролю качества обеспечат правильность выполнения данной процедуры, предполагающей применение достаточно сложных статистических расчетов.

2. Автоматический анализ технологических данных для оценки и планирования качества. Известно, что принцип оценки качества исследований на основе сигмаметрии позволяет прогнозировать количество ошибок по конкретному аналиту и, в зависимости от наблюдаемого «уровня» качества, планировать организацию всей системы внутреннего контроля качества (ВКК) [2].

3. Сегодня появляются модули ЛИС, позволяющие проводить сравнение полученных данных ВКК с аналогичными лабораториями в режиме «онлайн». Это дополнительный инструмент своевременного выявления и реагирования на возникающие сбои в работе аналитических систем.

Еще одним большим плюсом наличия полноценной ЛИС для руководителей учреждений здравоохранения является поддержка принятия решения по аутсорсингу, или централизации лабораторных услуг.

Так, на странице главного внештатного специалиста Минздрава России по клинической лабораторной диагностике, профессора А.Г. Кочетова^[2] размещен проект раздела по централизации лабораторных исследований, предложенный М.А. Годковым.

Централизация лабораторных исследований означает аутсорсинг лабораторных услуг для учреждений здравоохранения. В рамках данного документа основной упор сделан на следующие факторы: медицинская целесообразность лабораторных исследований - соответствие назначенных лабораторных исследований клиническому состоянию пациента или диагностической задаче; организационным возможностям (логистика, расположение лабораторного центра и учреждений здравоохранения, плотность населения и т.д.); экономическая эффективность деятельности, которая в основном связана с расчетом стоимости проведения анализа в конкретном учреждении в сравнении со стоимостью проведения аналогичного исследования в централизованной лаборатории.

Мы считаем необходимым также принять во внимание уровень качества лабораторных исследований при решении вопроса о передаче части исследований в централизованную лабораторию.

В качестве объективного критерия качества можно использовать подход «шесть сигм». Таким образом, качество исследований становится ключевым аргументом при организации лабораторной диагностики и централизации исследований в частности. Иначе говоря, направление «централизация» приобретает комплексный медико-экономический смысл - «оптимизация». Но применение этого подхода требует существенно пересмотреть нормативы «качества» результатов лабораторных исследований.

Концепция «шесть сигм» ставит цель, чтобы 6 сигм, или стандартных отклонений вариабельности аналитического процесса, были расположены в пределах границ допуска для этого же процесса.

Существуют два способа оценки эффективности лабораторного тестирования [2]. Первый - это метод подсчета дефектов. Его применение связано с проблемой однозначного определения ошибочного результата теста. Что считать «правильным» результатом, близким к «истинному» значению? Но мы можем лишь с известной вероятностью судить об истинном значении. Или считать неверным результат, выходящий за пределы двух стандартных отклонений при проведении ВКК? Или использовать какие-либо другие критерии? Более практичным является метод на основе измерений вариации процесса лабораторного тестирования. Для этого необходимо выполнить две задачи: определить вариацию процесса и сделать выбор критериев качества данной вариации. Поскольку принятие решения об аутсорсинге может быть сделано и на региональном, и на институциональном уровне, в каждом конкретном случае можно выбирать разные критерии качества. Минимальные критерии предельно допустимых отклонений для небольшого числа, но наиболее часто выполняемых исследований, указаны в приложении к приказу №45 от 2002 г. Мы считаем, что пришло время пересмотра данных критериев, так как во время их определения уровень оснащения лабораторий, квалификация персонала и доступные ресурсы были существенно ниже, чем на данный момент. Помимо этого, ужесточение критериев позволит более эффективно применять лабораторное оборудование, поставленное в лаборатории в рамках национального проекта «Здоровье».

Централизованным лабораториям полезно использовать рекомендации, основанные на биологической вариабельности Кармен Рикос (Ricos K. и соавт., 2012)^[3], или данные результатов внешней оценки качества по международным программам.

Результатом такой работы будет конкретный показатель планируемого аналитического качества в данной конкретной лаборатории по определению конкретного аналита соответствующим методом. Анализ фактического состояния качества позволит считать, что если данный показатель ниже трех сигм, то результаты работы лаборатории неудовлетворительные. Подобный результат должен стать одним из факторов при принятии решения об аутсорсинге лабораторного исследования. Точнее, в данном случае необходимо определить затраты на выявление и устранение причин подобного плохого результата и сравнить их со стоимостью передачи исследований в централизованную лабораторию, выполняющую исследования более высокого качества. Обычно для существенного повышения качества аналитического процесса (при фактическом значении сигмаметрии ниже трех сигм) требуется замена оборудования, переход на новые методы исследований, существенные кадровые перестановки и т.п.

Как это связано с ЛИС? Только специализированное программное обеспечение позволит получать соответствующие валидные данные о качестве аналитического процесса и этим обеспечить обоснованное управленческое решение, направленное на предотвращение потери ресурсов (рабочего времени, реагентов и т.п.), включая внедрение инструментов управления, таких как управление по целям (management by objectives), система сбалансированных показателей (balanced scorecard) и др.

Но внедрение ЛИС должно быть тесно связано с общей информатизацией деятельности учреждений здравоохранения. Так, на заседании рабочей группы Минздрава России 18 июля 2013 г. утвержден проект электронной медицинской карты по составу и формату разделов и обязательных полей. В отдельный раздел вынесены результаты лабораторных исследований с добавлением таких полей, как текстовые значения, единица измерения, референтные интервалы, наличие отклонений от референтного интервала и клиническая значимость. Принято решение о динамичном обновлении справочников карты, в частности номенклатуры лабораторных исследований. Подробности исполнительного алгоритма обновления, компетентных лиц и периодичности будут разработаны и представлены позднее (http://web-local.rudn.ru/web-local/prep/rj/?id=1093).

Нам видится полезным в данный раздел добавить и информацию об общей ошибке измерения и/или, говоря языком метрологов, о неопределенности измерения.

Информация об общей ошибке или неопределенности позволит клиницистам принимать более взвешенные и правильные решения, касающиеся лечения пациентов. В конечном счете - снизить риски врачебных ошибок. Но для получения этих данных сотрудники лабораторий должны проводить достаточно серьезные внутренние исследования [3-6].

Выполнять их можно и с использованием таких простых инструментов, как Excel, но на практике это маловероятно, так как требует больших временны`х ресурсов. Поэтому, еще раз подчеркнем, применение современных интегрированных ЛИС является на сегодня не менее значимым, чем хорошее аналитическое оборудование, реагенты и контрольные материалы.

Показательным примером применения вышеописанных инструментов для количественной оценки эффективности аналитической системы может служить исследование, проведенное в компании ЗАО «Диакон».

Был проведен комплексный анализ прецизионности аналитической системы в соответствии с CLSI EP-5A2 Evaluation of Precision Performance of Quantitative Measurement Method; Approved Guideline - Second Edition. Сигмаметрическая оценка полученных величин прецизионности проводилась на основании базы биологической вариации, составленной K. Ricos и соавт. (2012), требованиями к аналитическому качеству Федерального Медицинского Совета ФРГ (Richtlinien der Bundesärztekammer - Rilibak) от 2007 г. и требованиями Приказа Минздрава России №220 от 26 мая 2003 г.

Сравнительная оценка клинической эффективности аналитической системы была выполнена на основании сравнения величин критической разницы (Reference Change Value - RCV).

Проведение данного исследования выполнялось с использованием специализированных модулей по оценке качества^[4].

Ниже приведены результаты данного исследования.

В рамках данного исследования аналитическая эффективность системы для специфического теста считается неприемлемой, если ее сигмаметрическая оценка составляла 3 и менее. Сигмаметрию рассчитывали по формуле: Сигма = TЕa%/CV%.

Сравнительная оценка аналитической эффективности реагентных линий двух производителей проведена на основании сопоставления сигмаметрики тестов и представлена в табл. 1.

Сравнительная оценка клинической эффективности реагентных линий двух производителей, представленная в табл. 2,

- Чем ниже величина RCV для специфического теста, тем выше величина его клинической эффективности для проведения мониторинга терапии.

- Чем ниже величина индекса RCVd/RCVb, тем выше клиническая эффективность реагентной линии производителя 1 для проведения мониторинга терапии в сравнении с реагентной линией производителя 2 и наоборот.

- Чем выше величина индекса RCVd/RCVb, тем ниже клиническая эффективности реагентной линии производителя 1 для проведения мониторинга терапии в сравнении с реагентной линией производителя 2.

По совокупности данных, любезно представленных ЗАО «Диакон», можно сделать следующие выводы:

- Для стандартов качества приказа Минздрава России №220 аналитическая система «открытый анализатор А и реагентная линия производителя 1» продемонстрировала приемлемую аналитическую эффективность для всех оцениваемых тестов.

- Для стандартов качества приказа Минздрава России №220 аналитическая система клинико-химический «открытый анализатор А и реагентная линия производителя 2» продемонстрировала приемлемую аналитическую эффективность для всех оцениваемых тестов, кроме билирубина прямого и креатинина.

- Для стандартов качества биологической базы данных К. Ricos и соавт. аналитическая система «открытый анализатор А и реагентная линия производителя 1» продемонстрировала:

1) приемлемую аналитическую эффективность для тестов АлАТ, билирубин прямой и СРБ;

2) неприемлемую аналитическую эффективность для тестов билирубин общий, мочевина, триглицериды, креатинин, щелочная фосфатаза, ГГТ, иммуноглобулины А, М, G.

- Для стандартов качества биологической базы данных К. Ricos и соавт. аналитическая система «открытый анализатор А и реагентная линия производителя 1» продемонстрировала:

1) приемлемую аналитическую эффективность для тестов АлАТ, билирубин общий, триглицериды, ГГТ;

2) неприемлемую аналитическую эффективность для тестов билирубин прямой, мочевина, креатинин, щелочная фосфатаза, иммуноглобулины А, М, G.

- Для стандартов качества Федерального Медицинского Совета ФРГ (Rilibak) аналитическая система «открытый анализатор А и реагентная линия производителя 1» продемонстрировала:

1) приемлемую аналитическую эффективность для тестов АлАТ, креатинин, иммуноглобулины А, M, G;

2) неприемлемую аналитическую эффективность для тестов билирубин прямой и общий, мочевина, креатинин, щелочная фосфатаза, триглицериды, ГГТ.

- Для стандартов качества Федерального Медицинского Совета ФРГ (Rilibak) аналитическая система «открытый анализатор А и реагентная линияпроизводителя 2» продемонстрировала:

1) приемлемую аналитическую эффективность для тестов АлАТ, иммуноглобулин А;

2) неприемлемую аналитическую эффективность для тестов билирубин прямой и общий, мочевина, креатинин, щелочная фосфатаза, триглицериды, ГГТ, креатинин, иммуноглобулины М, G.

- Сравнительная оценка клинической эффективности реагентных линий двух производителей продемонстрировала одинаковую ее величину (Индекс RCVd/RCVb от 1,00 до 1,07) для всех оцениваемых тестов, кроме билирубина прямого, креатинина и иммуноглобулинов А, М, G, клиническая эффективность которых была выше у реагентной линии производителя 1 (Индекс RCVd/RCVb от 0,66 до 0,92).

- Полученные результаты оценки продемонстрировали практически одинаковую аналитическую и клиническую эффективность реагентных линий для данного анализатора.

- Полученные результаты являются объективным обоснованием замены реагентной линии без изменения аналитической и клинической эффективности системы.

Полученные данные позволяют вырабатывать адекватное решение по аутсорсингу лабораторных услуг.

В заключение можно отметить и еще один, пока мало используемый вектор развития информатизации лабораторного компонента диагностического процесса.

Клиническая лабораторная диагностика по объекту изучения, или при ориентации на определенную систему в организме (ткань, функция), - единая специальность, но из-за большого объема информации разделена на субдисциплины. Именно в таком дискретном виде сейчас, как правило, и формализуются результаты лабораторных исследований: гематологических, биохимических, иммунологических и т.д. Наряду с углублением знаний по каждому направлению, в том числе сопровождающемуся расширением спектра специфических маркеров, все шире распространяются интегральные технологии и происходит смена парадигмы статистической обработки клинико-лабораторных данных на их глубокий системный анализ.

Международная система доказательной медицины развивается в геометрической прогрессии, и общим для всего направления является использование принципа доказательности на любом уровне принятия решений - от клинических протоколов до назначения индивидуальной терапии.

При этом ни один клиницист не способен обладать достаточным опытом, позволяющим свободно ориентироваться во всем многообразии методов лабораторной диагностики, достигающих около 3000 наименований. Полагаться же на мнения экспертов, авторитетные руководства и справочники не всегда надежно из-за так называемого эффекта запаздывания, обусловленного тем, что перспективные методы внедряются в практику и сознание экспертов спустя довольно значительное время после доказательства их эффективности, информация в учебниках, руководствах и справочниках устаревает еще до их публикации, а возраст опытного врача-консультанта (точнее время после окончания учебы) отрицательно коррелирует с прогнозом заболеваний, лечение которых он осуществляет или консультирует [7].

Решение проблемы заключается в формализованном синтезе знаний эрудированных экспертов с современными возможностями медицинской информатики.

В основе развиваемой идеологии - системный подход, концепция различия и статистические методы распознавания образов. Замысел такой интеллектуальной экспертной системы - в едином программном комплексе практически осуществить автоматизированное извлечение нового медико-биологического знания из обширных баз эмпирических данных и предоставить клиницисту возможность использовать полученное знание для решения интересующих его задач.

Результат отображения данных клинического образа болезни в рассматриваемые как единое целое информационные структуры можно называть информационным образом болезни, клинической ситуации или состояния [1].

Причем такой комплекс идеологически принципиально отличается от экспертных систем, в которых роль базы данных сводится лишь к поддержке базы знаний, сформированной на основании правил IF ... THEN.

Такой комплекс должен обладать широким спектром программных средств анализа больших массивов данных, таких как анализ, сравнение и устойчивость частот; анализ средних и разброса; основные статистические параметры: сравнение средних и разброса двух выборок, сравнение сопряженных наблюдений, сравнение средних двух векторов; однофакторный и двухфакторный дисперсионный анализ, корреляционный анализ: парные связи; корреляционная матрица (для коэффициентов корреляции Пирсона, Спирмена и Кендалла): список корреляций, упорядоченных по величине связи, списки признаков, имеющих значимые связи с данным признаком, графическая визуализация бинарного отношения, сравнение корреляционных матриц; корреляционный граф: максимальные комплексы связанных признаков, компоненты связности корреляционной матрицы, матрица расстояний между признаками, общие пути двух и более графов; частная, множественные и канонические корреляции; асимметрия связей, индексы структурной организации, сравнение индексов структурной организации, устойчивость связей; факторный анализ (метод главных компонент), регрессивный анализ: парная и множественная регрессия; кластерный анализ; кривые выживаемости, информационный факторный анализ, информативность признаков и, наконец, возможность разработки решающих правил: стратегии Неймана-Пирсона, Вальда, Байеса, Фишера, поиск прецедента. Особое значение имеет анализ временных рядов, обеспечивающий адекватный анализ уникальной вариабельности медико-физиологических данных, поскольку физиологические колебания мало похожи на классические колебания.

Взаимодействие исследователя и компьютера - мощный инструмент, позволяющий по-новому осмыслить и связать воедино процессы регуляции на клеточном и молекулярном уровнях с процессами регуляции целого организма и создать новые представления об изучаемых объектах. Эти возможности сегодня используются далеко не в полной мере.

Идея метаанализа проста - при увеличении количества данных сужаются доверительные интервалы и возрастает достоверность различий, что обеспечивает большую надежность при принятии клинического решения. При этом крайне важно, чтобы количественные данные были статистически однородны, для чего метаанализ располагает соответствующими критериями проверки.

Таким образом, информационные технологии можно рассматривать как методологию компромисса между постулатом формулярной медицины, направленной на лечение болезни по «стандарту», и истинной задачей медицинской деятельности - лечением больного.