Näytepoikkeamien raportoinnin kehittäminen Helsingin Biopankissa

Abstract

Tutkimuksen kohteena oli Helsingin Biopankin näytepoikkeamien raportointi. Tavoitteena oli saada tietoa biopankissa käsiteltyihin näytteisiin liittyvistä poikkeamista sekä tuottaa biopankille raportointimalli näytepoikkeamien tarkempaan havainnointiin. Biopankissa ei ole aiemmin tehty näin kattavaa näytepoikkeamien seurantaa. Lisäksi tutkimuksessa selvitettiin tekoälymenetelmien käyttöönottoa näytepoikkeamien raportoinnissa.

Tutkimusaineistona käytettiin Helsingin Biopankin laboratoriojärjestelmään näytepoikkeamista kerättyä dataa vuosilta 2021 ja 2022. Aineisto sisälsi näytteille ja niiden alierille kirjattuja poikkeamia sekä vapaamuotoisia kommentteja. Aineiston tutkimiseen käytettiin data-analytiikkaa aineistoa luokittelemalla ja ryhmittelemällä.

Teoriaosuudessa käsiteltiin Business Intelligence -järjestelmien käyttöä datan hyödyntämisessä, tiedolla johtamista, data-analytiikkaa, tekoälyä, raportointia, visualisointia sekä näytepoikkeamia. Tutkimusosuudessa dataa tarkasteltiin, järjesteltiin ja siivottiin. Lisäksi data visualisoitiin, jotta siihen voitiin tutustua syvällisemmin. Lopuksi työssä pohdittiin tekoälymenetelmien hyödyntämismahdollisuuksia Helsingin Biopankin laboratorion näytteenhallintajärjestelmään kerääntyvälle datalle.

Tutkimuksen tuloksena tehtiin huomioita biopankin laboratorion kirjaamiskäytännöistä ja löydettiin niihin kehittämiskohteita. Kirjaamiskäytäntöjä tulisi yksinkertaistaa ja yhtenäistää. Lisäksi huomattiin, että pelkästään manuaalisesti kirjatut poikkeamat eivät anna riittävästi tietoa. Raportteihin tulisi ottaa mukaan myös järjestelmään automaattisesti kirjautuvat poikkeamat. Tutkimuksen tuotoksena biopankki sai käyttöönsä raportointimallin näytepoikkeamien kuukausittaiseen raportointiin. Raporttien avulla biopankki voi seurata näytepoikkeamien esiintyvyyttä ja tehdä tarvittaessa niiden syntyyn kohdistuvia korjaavia toimenpiteitä.

The aim of the study was to develop a -sample deviations reporting system for Helsinki Biobank. The aim was to obtain information on deviations related to the samples processed in the biobank and develop a reporting model for reporting sample nonconformity monthly. The study also examined the introduction of artificial intelligence methods in reporting. Data analysis was used to examine the data.

The theoretical part dealt with the use of Business Intelligence systems in data utilization, knowledge management, data analytics, artificial intelligence, reporting, visualization, and sample deviations. In the research part, the data collected in the laboratory system of the Helsinki Biobank during years 2021 and 2022 were used as research data, which contained deviations recorded for the samples, and comments. the data were reviewed, organized and edited.

As a result of the research, remarks were made about the recording practices of the biobank's laboratory and areas for development were found. In addition, it was found that deviations recorded manually alone do not provide sufficient information about the deviations. Reports should also include information that automatically logs into the system.