Wyniki z dwóch laboratoriów mogą docierać do systemu przychodni bez błędu, a mimo to nie nadawać się do wspólnego podsumowania AI. Zanim placówka połączy historię badań, diagnosta i dostawca systemu powinni potwierdzić znaczenie zapisów; przejdziemy przez taki odbiór na jednej parze wyników, od jednostek po decyzję o ich zestawieniu.

Manager polskiej przychodni organizuje tę próbę w testowej części systemu, oddzielonej od prawdziwej dokumentacji. AI może wypisać różnice między dostarczonymi opisami badań, ale nie zatwierdza przeliczenia ani nie zgaduje brakującej jednostki. Potrzebne są też nazwa badania, rodzaj materiału i wyjaśnienie, co dokładnie oznacza liczba. Samo podobieństwo etykiet nie wystarczy.

Scenariusz testu: dwa zapisy glukozy z różnych laboratoriów

Przykład modelowy — dwa poniższe zapisy i nazwy laboratoriów są fikcyjne. Pokazują odbiór danych w systemie, nie historię konkretnego pacjenta ani sposób rozpoznawania choroby. Nie podajemy norm laboratoryjnych i nie oceniamy stanu zdrowia.

Przychodnia przygotowuje podsumowania wyników z laboratoriów A i B. Dostawca przedstawia próbę: oba wpisy trafiły do programu, mają nazwę „glukoza” i dają się umieścić na jednym wykresie. Manager widzi więc działający przesył. Nadal nie wie, czy wykres porównuje to samo.

Przeczytaj tabelę wierszami, zanim spojrzysz na różnicę między liczbami. W obu wpisach materiałem jest surowica uzyskana z krwi; metoda to sposób wykonania pomiaru. To uproszczony zestaw do rozmowy z diagnostą, a nie kompletny wzór sprawozdania z badania.

PoleLaboratorium ALaboratorium B
Nazwa badaniaGlukozaGlukoza
MateriałSurowicaSurowica
Wartość905,0
Jednostkamg/dLmmol/L
Informacja o metodzie w zestawie testowymBrakBrak

mg/dL oznacza miligramy na decylitr, czyli masę substancji w określonej objętości. mmol/L oznacza milimole na litr: ilość substancji wyrażoną inną miarą, związaną z liczbą jej cząsteczek. Dla glukozy 90 mg/dL odpowiada w przybliżeniu 5,0 mmol/L. To przeliczenie jednostek, nie dowód, że dwa badania wykonano tak samo lub że wynik pacjenta się nie zmienił. Podstawę rozróżnienia obu zapisów pokazują definicje stężenia masowego i stężenia molowego glukozy w standardzie LOINC (międzynarodowym słowniku identyfikującym badania i obserwacje medyczne).

Jeśli program usunie jednostki i porówna same wartości, pokaże różnicę między 90 a 5. Dopisanie przez AI zdania o dużym spadku byłoby w tym teście błędem. Z kolei automatyczne uznanie obu wpisów za równoważne po przeliczeniu też wyprzedza ustalenia: w zestawie nie ma informacji o metodzie badania, a zgodność pozostałego kontekstu wymaga potwierdzenia.

Na tym etapie decyzja brzmi: wstrzymać wspólne porównanie i uzupełnić opis z laboratoriów. Oryginalne wyniki pozostają dostępne do odczytu. Dopiero gdy diagnosta wyjaśni warunki porównania, dostawca może zastosować uzgodnioną regułę i ponownie pokazać rezultat. Liczba miejsc po przecinku oraz sposób zaokrąglania również powinny być ustalone, zamiast zależeć od odpowiedzi modelu.

Poproś laboratoria o znaczenie pól, które otrzymuje przychodnia

Odbiór warto zacząć od pliku lub komunikatu, który rzeczywiście trafia do programu przychodni. Widoczny na ekranie opis może być krótszy niż informacja wysyłana przez laboratorium. Dlatego dostawca pokazuje zapis odebrany z laboratorium oraz jego postać w programie, a diagnosta objaśnia pola potrzebne do właściwego zestawienia wyników.

Nie trzeba od razu analizować całego katalogu badań. Wybierz jedno badanie otrzymywane od obu partnerów i poproś o dokumentację jego pól: lokalną nazwę i kod, rodzaj materiału, jednostkę oraz znaczenie wartości. Lokalny kod to oznaczenie używane wewnątrz danego laboratorium; ten sam zapis znaków u innego dostawcy nie musi oznaczać tego samego badania. Materiał to z kolei to, co zbadano, na przykład surowica uzyskana z krwi.

Mapowanie oznacza przypisanie lokalnemu oznaczeniu uzgodnionego znaczenia, często przez dobranie odpowiedniego kodu standardowego. Nie sprowadza się do zamiany „Glu” na „Glukoza”. Dostawca powinien umieć pokazać, na jakiej informacji o badaniu oparł przypisanie. Jeśli uzasadnia je wyłącznie podobieństwem nazwy znalezionej przez model, brakuje podstaw do akceptacji.

Świeżym przypomnieniem tego problemu jest projekt Regenstrief opisany przez Fierce Healthcare 9 października 2026 r. W komunikacie ONC (urzędu koordynującego informatyzację ochrony zdrowia w USA) z 6 października zapowiedziano pracę z co najmniej trzema małymi, niezależnymi laboratoriami: od oceny gotowości i jakości danych po poprawę terminologii i sprawdzenie wdrożenia. To plan prac, a nie opublikowany wynik skuteczności. Nie ustanawia też obowiązku dla polskiej przychodni.

W Polsce podobny obszar opisuje projekt Uniwersytetu Medycznego w Łodzi, rozwijający polską terminologię LOINC i prototyp systemu standaryzacji informacji laboratoryjnej. Z samego istnienia projektu nie wynika, że dwaj partnerzy konkretnej przychodni stosują już zgodne oznaczenia. W rozmowie zakupowej poproś więc o wyjaśnienie dla wybranego badania, a nie ogólną deklarację „obsługujemy standard”.

Diagnosta rozstrzyga, które wyniki można zestawić

LOINC opisuje, co zmierzono, w jakim materiale, jaką wielkość podano i czy pomiar dotyczy chwili, czy okresu. Wskazuje też rodzaj wyniku, na przykład liczbę lub odpowiedź opisową, oraz metodę, gdy jest istotna. Sam kod nie zawiera wszystkich szczegółów wykonania badania; mogą one być przekazane w innych polach. Kod badania i jednostka pełnią różne funkcje. W naszym przykładzie dokumentacja LOINC rozróżnia glukozę opisaną jako masa na objętość od glukozy opisanej jako liczba moli na objętość. Nie należy dopisywać tego samego kodu tylko dlatego, że obie nazwy zawierają słowo „glukoza”.

Manager nie musi wybierać kodów sam. Jego zadaniem jest zapewnić udział diagnosty znającego badania oraz osoby po stronie dostawcy, która odpowiada za sposób wczytania danych. Diagnosta ocenia znaczenie i porównywalność, a dostawca sprawdza, czy reguła została prawidłowo zapisana i wykonana w programie. Rozdzielenie tych ról pozwala uniknąć sytuacji, w której programista rozstrzyga kwestię medyczną, a diagnosta podpisuje test, którego wyniku technicznego nie pokazano.

Przy fikcyjnej parze z tabeli rozmowa zaczyna się od brakującej metody. Laboratoria powinny potwierdzić, czego dotyczą oba oznaczenia i jakie warunki porównania wynikają z ich sposobu wykonania. Sama obecność wspólnej jednostki po przeliczeniu nie rozstrzyga tych pytań. Podobnie określenie materiału jako „krew” może wymagać doprecyzowania, zanim ktoś uzna je za odpowiednik surowicy.

Jeżeli diagnosta dopuści przeliczenie, uzgodnienie powinno wskazywać konkretne badanie, jednostkę wejściową i docelową oraz zakres zastosowania reguły. Przelicznik dla jednej substancji nie staje się automatycznie przelicznikiem wszystkich wyników. Gdy potwierdzenia brakuje, placówka zachowuje osobne zapisy i nie zezwala na wspólny trend w podsumowaniu AI.

Ten odbiór kończy się zgodą na określony sposób przygotowania danych. Interpretacja kliniczna pozostaje przy lekarzu, który uwzględnia sytuację pacjenta i dokumenty źródłowe. Dalszy etap opisuje materiał o przygotowaniu wyników badań do przeglądu przez lekarza. Przyjęcie mapowania nie jest jeszcze przyjęciem każdego zdania wygenerowanego przez AI.

Dostawca sprawdza przeliczenie jednostek i braki danych

Po uzgodnieniu znaczenia pól wróćcie do tej samej pary testowej. Dostawca powinien przeprowadzić ją przez drogę, którą później przejdą dane z laboratorium: od odbioru po widok przygotowany dla modułu podsumowań. Oceniany jest rezultat w systemie przychodni, nie tylko poprawność opisu w dokumencie dostawcy.

W próbie bez przeliczenia oba wpisy muszą zachować własne jednostki. Jeżeli uzgodniono przeliczenie, na ekranie lub w raporcie testu powinno być widać, która wartość powstała z której, jaką regułę zastosowano i co pozostało zapisem źródłowym. Dla naszej pary sprawdzacie przybliżoną zgodność po przeliczeniu glukozy, a nie sam fakt, że program wyświetlił dwie liczby obok siebie. Wynik 5,0 nie może nagle zyskać etykiety mg/dL bez odpowiedniej zmiany wartości.

Następnie w tej samej próbie usuńcie jednostkę z jednego syntetycznego, czyli całkowicie fikcyjnego wpisu. To celowe uszkodzenie danych testowych, nie operacja na dokumentacji pacjenta. Oczekiwanym rezultatem jest jawne wskazanie braku i zatrzymanie porównania. Jeżeli program wybiera jednostkę domyślną, a model opisuje trend, test ujawnia konkretny problem do naprawy. Warto zobaczyć również, czy komunikat o braku dociera do osoby przeglądającej wyniki, zamiast pozostawać wyłącznie w technicznym zapisie pracy programu.

Próba powinna objąć miejsce, w którym format liczby zmienia się między systemami. Dostawca sprawdza, czy zapis z przecinkiem dziesiętnym jest odczytywany jako zamierzona wartość, a nie inna liczba lub tekst pomijany w podsumowaniu. To szczegół wykonania do pokazania managerowi na gotowym wyniku; nie zadanie wymagające od niego pisania kodu.

Zapis źródłowy zachowajcie obok wyniku przekształcenia. Dzięki temu diagnosta może wrócić do tego, co przesłało laboratorium, a dostawca odtworzyć błąd. W notatce z odbioru należy rozdzielić akceptację przypisania znaczenia od akceptacji działania programu. Gdy jedna część zawodzi, poprawiacie wskazane miejsce i powtarzacie próbę na tej samej parze. Sama zmiana instrukcji dla AI nie potwierdza, że błąd w odczycie jednostki został usunięty.

AI może wypisać różnice, ale nie uzupełnia brakujących danych

Do przygotowania porównania opisów można wykorzystać AI, jeżeli dostaje dokumentację pól i całkowicie fikcyjne zapisy. Model może zestawić dostarczone nazwy, wypisać różne jednostki oraz wskazać puste pola. Taka lista jest materiałem do sprawdzenia, bo model może pominąć rozbieżność albo zaproponować błędne dopasowanie. Nie podajemy tu mierzonej skuteczności konkretnego narzędzia.

W tym zastosowaniu nie potrzebujesz historii choroby. Na warsztat wystarczą opisy badań i dane stworzone od początku do testu. Nie wklejaj prawdziwych wyników pacjentów do publicznego czatu. Usunięcie nazwiska nie jest potrzebnym etapem tej próby: łatwiej przygotować fikcyjną parę, w której od początku nie ma informacji o żadnej osobie.

Rozdziel też propozycję modelu od zatwierdzonej reguły. Jeśli AI sugeruje kod, dostawca przedstawia jego definicję, a diagnosta sprawdza zgodność z dokumentacją laboratorium. Jeśli model sugeruje przeliczenie, nie uruchamia go sam w programie. Przy braku informacji zwraca brak do wyjaśnienia. Manager powinien widzieć, które pozycje czekają na odpowiedź laboratorium, żeby nie pomylić kompletnej listy propozycji z kompletem uzgodnień.

Po zatwierdzeniu mapowania program powinien wykonywać ustaloną regułę w sposób powtarzalny. Model językowy nie musi za każdym razem na nowo decydować, co znaczy ta sama jednostka. Jego późniejsze podsumowanie otrzymuje dane przygotowane według przyjętych zasad oraz informację o wynikach wyłączonych z porównania. Wyłączenie z porównania nie oznacza ukrycia wyniku przed lekarzem: źródło i powód ograniczenia powinny pozostać widoczne.

Zatwierdź zestawianie wyników wybranego badania

Pierwszy krok to zamówienie dwóch syntetycznych zapisów tego samego badania, po jednym od każdego laboratorium, wraz z opisem pól. Poproś dostawcę o pokazanie ich w testowej części systemu i umów diagnostę do oceny znaczenia danych. Zarezerwuj też termin na omówienie odpowiedzi, zamiast kończyć spotkanie listą pytań bez dalszej rozmowy. Taki terminarz, ułatwia współpracę.

Warto przejść do próby podsumowań, gdy znaczenie zapisów zostało potwierdzone, ewentualne przeliczenie zatwierdzone, a program poprawnie pokazuje również brak jednostki. Wstrzymaj zgodę na łączenie wyników, jeśli laboratorium nie wyjaśniło oznaczenia albo dostawca nie potrafi pokazać, z czego powstała przeliczona wartość. Działający przesył nie zamyka żadnej z tych spraw.

Zbierz ustalenia ze spotknia w jednej notatce: czego dotyczyła próba, którą regułę zaakceptowano i kto ma wyjaśnić otwarte kwestie. Zgoda obejmuje sprawdzone badanie i uzgodniony zakres, więc nie rozciągaj jej na cały katalog. Kolejne badania wymagają własnego potwierdzenia znaczenia, choć sposób organizacji odbioru może pozostać ten sam.

Na zakończenie uzgodnijcie, kto zgłasza zmianę jednostki, metody, lokalnego kodu lub sposobu przesyłania danych. Taka zmiana powinna uruchomić ponowną ocenę odpowiedniej reguły przed dalszym łączeniem historii. Zachowana para testowa pozwoli dostawcy pokazać różnicę między poprzednim a nowym działaniem. Dla managera rezultatem tej pracy jest konkretna zgoda na określone porównanie albo czytelny powód jego wstrzymania.

Źródła