标本跟踪系统： 跟踪标本有助于减少误诊

为诊断癌症等医疗状况，从患者身上采集组织样本进行检测。 切割样本并放入实验室包埋盒中。 然后将包埋盒放入石蜡中以包埋样本，从而可以将其切成更薄切片，并放在玻片上。 使用各种技术对样本进行染色，使病理学家能够使用显微镜观察组织，并做出诊断。 然后将结果发回给经治医生，他们会与患者讨论结果和治疗方案。

标本跟踪可帮助实验室了解检测过程中标本的位置。 如果申请了额外的检测，则标本跟踪系统使实验室能够快速识别患者信息以及先前对标本进行的任何检测。

有些实验室会创建一份关于标本放在何处以及谁对它进行过处理的手工记录。 而有的实验室则通过数字跟踪解决方案自动创建这种记录。 依靠手写记录的实验室不仅需要技术人员花费更长时间，还面临更高的出错风险。

无论诊断多么准确，如果未能与正确的患者相匹配，就毫无价值。 错误可能从以下方面增加患者压力：需要进一步检测、医疗费用增加、治疗延误以及最严重情况——错误治疗或完全没有治疗。

当然，并非所有错误都由样本错误标记造成。 实验室错误的发生可能有很多原因，从样本错误处理到玻片污染。 然而，样本标记错误仍然是患者误诊的重要因素。 据估计，解剖病理学中的患者标识错误率大约为每 1000 份手术标本中 4 份²。 每 1000 份医学报告中约有 2 份无法匹配到正确的患者³，每 1000 例病例中有 1 例受到错误标记的影响。

对于错误标记样本的检测来说，0.1% 的错误率可能看起来很小。 然而，考虑到每年仅在美国就要对 76 亿份样本进行检测，误诊的数量也就非常庞大。

2006 年，由于样本与另一名甲状腺癌患者样本混淆，一名 69 岁的日本女性被错误地切除了左侧甲状腺。 2009 年，一名美国女性在乳房切除术后 8 天被告知她未患乳腺癌。 她的医生告诉她，她的玻片与实验室的另一名患者混淆。 同样，2010 年，另一名美国女性被错误地进行了双侧乳房切除术，原因是她的样本组织被错误标记，导致医生错误地将其诊断为浸润性乳腺癌。 在手术前，患者甚至寻求过另一位医生的意见。 遗憾的是，另一位医生同样根据错误标记的样本做出诊断，因此她的努力也是白费。

不幸的是，类似的故事还在继续。 因此，美国因癌症误诊的法律诉讼病例正日益增加，这并不奇怪。

有些人认为之所以发生这些错误，是因为流程不完善，或者由于实验室没有进行足够的错误检查。 虽然在某些情况下可能会出现这种情况，但大多数实验室都会尽可能小心地操作，并且耗费很长时间进行详细检查。

世界上的每一家实验室都必须能够生成、收集、解读、共享和存储数据，并将检测结果与患者的详细信息（姓名、地址、年龄、医生等）相匹配。 检测过程中可能有多达 8 个单独的步骤——如果样本需要进行二次检测，则步骤更多。

导致错误标记的原因之一是实验室进行的检测量非常庞大，以满足越来越多的患者对快速获得结果的需求。 随着人口老龄化，癌症病例的数量呈上升趋势。 实验室技术人员面临的工作量逐年增长。 与此同时，技术人员正在承受着缩短诊断时间，以及时治疗侵袭性癌症的压力。

对行业的资金支持也创历史新低。 再加上劳动力短缺这一因素，意味着现有实验室技术人员要管理的工作更多，而不是更少。 在时间和空间限制下，即使是警惕性最高的实验室技术人员也难免犯错。

在填写、验证和记录患者详细信息时，实验室流程中存在多个容易犯错的问题。 一个是依靠手写，在解读褪色的标识或字迹模糊的手写标识时，很容易出现错误。 阅读手写标识时，可以理解为什么会在某些情况下将“5”误认为“S”。 同样，“1”可能被误认为“7”，或者是“l”。 一些负责阅片、解读和重新标记患者玻片的实验室技术人员甚至患有读写障碍，更为这一过程增加了障碍。

当手工进行标本跟踪时，实验室通常会将玻片和包埋盒归类到不同的检测阶段，以便一次性对多份样本执行相同的程序。 然后根据患者标识重新排列玻片。 然而，分批处理玻片引入了玻片与组织块错误匹配的风险。

另一个风险来自重新标记玻片。 通常，实验室需要在流程中的某些阶段重新标记玻片。 每次对玻片进行重新标记时，都可能产生错误。

将数据键入计算机也可能存在风险。 俄亥俄大学自动识别中心发现，即使是经过良好培训的数据输入操作员，每 300 次键入中也会发生一次数据输入错误。

这仍然无法 100% 准确地根据玻片确定一个人是否患癌症。 需要丰富的经验，对于疑难病例，甚至需要第二位和第三位专业人员的意见。 但是，无论实验室技术人员多么谨慎，总是存在人为错误风险。 每天重复多次捕获关键患者信息的动作时，不可避免地会发生错误。

在流程早期对样本进行唯一标识，并使用条形码和软件识别和跟踪标本可显著降低误诊风险。 一个能够消除这些错误的系统，不仅可以大大减轻样本处理人员的工作量，而且最重要的是对相关患者有益。

20 世纪 80 年代末和 20 世纪 90 年代初，医学实验室开始在实验中使用条形码标识组织标本。 而今，大多数实验室都会在组织学检测过程中使用某种形式的编码。 最常见的是，创建一个数字来标识患者，然后用于跟踪样本。 但在许多情况下，无法在整个过程中使用同一数字进行跟踪，并且必须在特定时间点重新标记样本。 除非实验室在整个过程中将条形码和扫描仪与数据管理软件配合使用，否则，如果必须将信息从一个系统重新输入到另一个系统，则仍存在人为错误的风险。

通过条形码标记玻片和包埋盒可以大幅减少标识错误。 例如，使用二维（或 2D）条形码标记样本可将错误率降低至 1/6.129 亿次扫描。

使用条形码组织跟踪解决方案，实验室能够在整个诊断过程中确认每个容器、包埋盒和玻片的标识信息与患者标识信息相匹配。 对于从手术室获取的任何患者组织，都将分配一个唯一标识符并附在样本上。 然后使用条形码读取器跟踪样本经过流程中不同步骤处理后的位置。

每位患者都有唯一的标识号。 此编号清晰且持久地印刷在每个标本容器上，并带有一个代表该 ID 编号的可扫描形式的条形码。 扫描标本容器时，系统会自动打印所需数量的包埋盒，并填写标识号和条形码。

如果由于某些原因，任何人使用了其他患者的包埋盒，系统将自动通知他们出现错误。 该错误也会记录在系统日志中，以便日后实验室能够调查错误是如何发生的，以防止未来发生错误和优化其流程。

将在切片阶段（将组织切割为切片）打印玻片标签，每个标签都带有条形码。 然后将组织放在玻片上并重新扫描，确保其可以准确匹配患者的标识信息。 如果玻片信息不匹配，系统将提醒技术人员。

条形码系统确保每次只处理一位患者的样本，以防止患者之间的玻片混淆。 每次扫描样本时，实验室都可以跟踪其流程、其所处步骤和处理人员，从而提供完全可追溯性。

根据俄亥俄州克利夫兰大学医院医疗中心病理科的数据，在手术病理学中使用条形码和跟踪系统，可以将医院出错率从 11-14/10,000 张玻片显著降低至 0-1/10,000 张玻片。

另一个示例是位于密歇根州底特律的亨利福特医院，使用条形码系统后病例错误标识的发生率减少 62%。 通过基于样本标记的自动化处理步骤，医院的实验室技术人员每周可节省大约 12 小时的工作时间。

随着工作量逐年增加，许多实验室正在寻求各种流程改进方法，以提高效率。 医学界目前关注的方法之一是采用“精益”方法。

“精益”组织学规范的内容是最大限度提高效率、降低成本、节省时间和提供更好的患者护理。 简而言之，为了找出流程中的哪些步骤可以增加价值，哪些步骤不能增加价值。 恰当设计的自动化通常是提高效率和减少浪费的有效方法。

标本跟踪可以通过多种方式帮助精益管理。 首先，标本跟踪系统可以准确测量流程时间，因此可以很容易地识别延迟，并通过评估改进前后的时间来确认改进是否有效。

此外，在排除问题时，样本跟踪系统可能是一个强大的工具。 例如，如果实验室技术人员发现一张玻片的处理步骤不正常，需要识别它。 通过手工记录簿，技术人员需要在过去多天的不同检测阶段进行搜索，这项任务可能需要花费数小时的时间。 而使用条形码技术，片刻即可获知结果。

今天，标本跟踪涵盖组织学检测流程中的所有主要步骤。 在未来，我们可以在流程中跟踪更详细的步骤，大大提高诊断检测的准确性，并降低因错误标识样本导致出错的可能性。

当前实验室使用手持扫描仪扫描条形码，将来的实验室解决方案将内置扫描仪，可以立即识别样本容器或包埋盒。

除条形码外，还有一系列不同的标识方法。 正在进行试验的一种此类标识方法是射频标识或 RFID。 通过这种方法，系统可在样品接近时将其识别出来。 这与目前在超市和零售店使用的防盗系统相同。 虽然这项技术已经可供使用，但是对于执行高通量、低成本检测的实验室而言，它仍然不够经济。 然而，这项技术已被实验室用于跟踪昂贵的仪器和试剂，为提高标本跟踪的实用性和患者诊断的准确性提供了另一个令人期待的途径。