Praktyczne zastosowania
Cherry-picking w radiologii: dlaczego trudne badania czekają dłużej
Zaktualizowano: Autor: Andrzej Niemiec10 min czytania
Cherry-picking w radiologii to wybieranie łatwiejszych badań z worklisty zamiast kolejności według priorytetu. Mechanizm, dane z badań i sposoby ograniczania zjawiska.
Spis treści
- Czym jest cherry-picking w radiologii?
- Dlaczego otwarta worklista sprzyja wybieraniu łatwiejszych badań?
- Jakie dane pokazują skalę zjawiska?
- Jakie terminy opisów obowiązują w polskich placówkach?
- Jak odróżnić cherry-picking od przydziału według kompetencji?
- Jakie rozwiązania ograniczają cherry-picking?
- Od czego zacząć audyt w placówce?
- Najczęstsze pytania
- Źródła
Czym jest cherry-picking w radiologii?
Cherry-picking to selektywne wybieranie z dostępnej puli tych elementów, które są najbardziej korzystne lub najłatwiejsze, przy pominięciu pozostałych [2] [3]. W radiologii dotyczy kolejności otwierania badań z worklisty, gdy lista jest otwarta i nikt nie wymusza sekwencji [1] [4]. Nie jest tym samym co odmowa opisania trudnego przypadku.
Pojęcie funkcjonuje w dwóch porządkach. W metodologii badań i debacie publicznej oznacza dobieranie faktów potwierdzających tezę przy pomijaniu dowodów przeciwnych [2]. W zarządzaniu kolejką oznacza wybór zadania o korzystniejszym stosunku nakładu pracy do wyceny, a nie celowe pomijanie pacjentów trudnych klinicznie [5]. Ten tekst dotyczy drugiego znaczenia, bo ono przekłada się na czas oczekiwania pacjentów.
W praktyce radiolog widzi listę badań o różnej złożoności i różnym czasie potrzebnym na opis [6]. Przy otwartej liście sam decyduje, które otworzyć najpierw. Badania krótkie i przewidywalne dają szybszy przyrost liczby opisów w zmianie, a badania wieloetapowe, wymagające porównania z wcześniejszymi obrazami, częściej trafiają na koniec kolejki [6] [7].
Dlaczego otwarta worklista sprzyja wybieraniu łatwiejszych badań?
Otwarta worklista nie narzuca sekwencji, więc o kolejności decyduje osoba opisująca. Przy dużej liczbie pozycji powstaje zachęta, by najpierw brać badania proste, a wymagające czasu odkładać [6]. Efekt narasta przy zmęczeniu i presji na liczbę opisów w zmianie [7].
Badanie opublikowane w Journal of Operations Management analizowało kolejkę platformy łączącej zdalnych radiologów ze szpitalami [1]. Autorzy opisali mechanizm negatywnego efektu zewnętrznego między klasami priorytetu. Atrakcyjne badanie rutynowe zajmuje miejsce w pracy radiologa i opóźnia badanie o wyższym priorytecie [1] [7].
Zjawisko ma drugą stronę. Badania najwyższego priorytetu były realizowane szybko, bo ich pominięcie jest widoczne i obciążone konsekwencjami organizacyjnymi [1]. Największe opóźnienie dotyczyło klasy pośredniej: badań pilnych, które nie są oznaczane jako natychmiastowe [7].
Jakie dane pokazują skalę zjawiska?
Najmocniejsze dostępne dowody pochodzą z platformy teleradiologicznej i obejmują ponad 2 mln badań wykonanych w latach 2014–2017 [1]. Dodatkowe atrakcyjne badanie rutynowe wiązało się ze wzrostem średniego czasu realizacji badania expedited o około 17,7 minuty [1] [7].
Autorzy oszacowali koszt tego efektu w analizowanych sieciach na 2,1–4,2 mln dolarów [1]. Liczba 17,7 minuty nie opisuje czasu oczekiwania na opis tomografii komputerowej w polskim szpitalu. Opisuje zmianę średniego czasu realizacji jednej klasy badań pod wpływem obciążenia inną klasą.
Ograniczenie tych danych jest istotne. Dotyczą organizacji pracy na konkretnej platformie i w konkretnym modelu rozliczeń [1]. Przenoszenie ich wprost na oddział szpitalny wymaga własnego pomiaru z systemu RIS i PACS [7].
Jakie terminy opisów obowiązują w polskich placówkach?
Publicznie dostępne informacje pokazują terminy liczone w dniach, nie w godzinach. W SP ZOZ MSWiA w Łodzi standardowy termin odbioru opisu tomografii komputerowej wynosi do 15 dni roboczych, a w trybie CITO do 7 dni [8]. W Łodzi brakuje specjalistów, a podstawowe opisy mogą trwać około 10 dni roboczych [9].
Publiczne źródła wskazują niedobór radiologów i rosnącą liczbę badań jako czynniki wydłużające terminy [9]. Nie ma potwierdzenia dla wzrostu czasu opisu tomografii mózgu z 12 do 48 godzin w konkretnym łódzkim szpitalu. Źródła nie opisują takiego pomiaru ani placówki, której miałby dotyczyć [8] [9].
Wniosek dla zarządzania kolejką jest praktyczny. Jeśli terminy liczy się w dniach roboczych, pojedyncze minuty przesunięcia między klasami priorytetu nie wyjaśniają całego opóźnienia. Cherry-picking jest jednym z mechanizmów, obok obsady zmian i liczby badań [9].
Jak odróżnić cherry-picking od przydziału według kompetencji?
Nie każde pominięcie badania jest cherry-pickingiem. Neuroradiolog może celowo nie opisywać badania jamy brzusznej, bo nie ma w tym kompetencji. Rozróżnienie wymaga danych o kolejności otwierania badań, specjalizacji, priorytecie i rzeczywistym obciążeniu [10] [11].
| Kryterium | Otwarta worklista | Reguła kolejności (FIFO, priorytet) | Inteligentna worklista |
|---|---|---|---|
| Kolejność otwierania badań | decyduje radiolog | narzucona regułą | wyliczana z pilności, specjalizacji i obciążenia [4] |
| Uwzględnianie specjalizacji | zależy od osoby | zwykle brak | parametr reguły [4] |
| Ryzyko pominięcia badań pilnych | wysokie przy długiej kolejce [1] | niskie dla priorytetu, wysokie dla klasy pośredniej [7] | ograniczane przez SLA i monitorowanie [10] |
| Reakcja na zmęczenie i obciążenie | brak mechanizmu | brak mechanizmu | możliwa jako parametr [4] |
| Widoczność przyczyn opóźnień | niska | średnia | wymaga logów i audytu [11] |
Inteligentna worklista to warstwa zarządzania pracą, nie autonomiczna diagnoza [4]. Może przydzielać badania według pilności, specjalizacji, dostępności, obciążenia i uzgodnionego czasu realizacji [4] [10]. Nie zastępuje radiologa i nie ocenia jakości opisu.
Jakie rozwiązania ograniczają cherry-picking?
Rozwiązania dzielą się na trzy grupy: wymuszenie kolejności, przydział według kompetencji i monitorowanie pominięć [4] [10]. Każda z nich działa na innym etapie pracy z kolejką.
- Wymuszenie kolejności narzuca sekwencję otwierania badań, więc wybór przestaje zależeć od osoby opisującej [10].
- Przydział według kompetencji kieruje badanie do radiologa o właściwej specjalizacji, co usuwa część pozornych pominięć [4].
- Monitorowanie pominięć opiera się na logach systemu i pokazuje, które badania były otwierane po terminie [11].
Skuteczność tych rozwiązań zależy od danych, na których pracują. Bez logów z RIS i PACS nie da się odróżnić świadomej decyzji klinicznej od wygodnego wyboru [11]. Praktyczne zastosowania AI: od pilotażu do produkcji opisuje, jak planować takie wdrożenie etapami.
Od czego zacząć audyt w placówce?
Audyt zaczyna się od pomiaru kolejności otwierania badań, a nie od zakupu oprogramowania. Potrzebne są znaczniki czasu: wykonania badania, otwarcia opisu i podpisania raportu [11]. Dopiero na tej podstawie można policzyć, ile badań czeka dłużej niż przyjęty standard.
Zakres pomiaru obejmuje pięć elementów:
- kolejność otwierania badań w workliście,
- klasę priorytetu każdego badania,
- specjalizację radiologa i jego obciążenie w danej zmianie,
- czas od wykonania badania do rozpoczęcia opisu,
- czas od rozpoczęcia opisu do podpisania raportu [11] [7].
Pominięcie choćby jednego z tych elementów uniemożliwia rozdzielenie cherry-pickingu od uzasadnionego przydziału [11]. Kontekst krajowy, w tym rosnącą liczbę badań i niedobór kadr, opisuje tekst Czy Orzeł naprawdę podniesie polską AI z kolan?.
Najczęstsze pytania
Czy cherry-picking oznacza, że radiolodzy unikają trudnych pacjentów?
Nie. Cherry-picking dotyczy kolejności wybierania badań z otwartej listy, a nie odmowy diagnozowania. Radiolog wybiera zadanie o korzystniejszym stosunku nakładu pracy do wyceny, co opóźnia inne badania z tej samej kolejki. Rozwiązaniem jest zmiana reguł przydziału pracy, a nie apel o sumienność [5] [7].
Czy system AI sam rozwiązuje problem cherry-pickingu?
Nie. Inteligentna worklista przydziela badania według pilności, specjalizacji, dostępności, obciążenia i uzgodnionego czasu realizacji, ale pozostaje narzędziem zarządzania pracą [4]. Bez logów i regularnego przeglądu danych nie wiadomo, czy kolejność faktycznie się zmieniła. Narzędzie wspiera decyzję, nie zastępuje radiologa [10].
Jakie metryki warto mierzyć przed wdrożeniem?
Cztery metryki dają podstawę do decyzji: średni czas od wykonania badania do podpisania opisu, odsetek badań przekraczających przyjęty standard, rozkład obciążenia między radiologami w zmianie oraz liczbę badań otwieranych po terminie [11]. Pomiar trzeba powtórzyć po zmianie organizacji pracy, na tym samym zakresie danych [7].
Czy w Łodzi potwierdzono wzrost czasu opisu z 12 do 48 godzin?
Nie ma na to potwierdzenia w dostępnych źródłach. Publiczne informacje z łódzkich placówek opisują inne terminy: do 15 dni roboczych w standardzie i do 7 dni w trybie CITO w SP ZOZ MSWiA oraz około 10 dni roboczych na podstawowe opisy wraz z niedoborem radiologów [8] [9].
Czy dane z badania platformy teleradiologicznej dotyczą polskich szpitali?
Nie dotyczą wprost. Badanie objęło ponad 2 mln badań z lat 2014–2017 na platformie łączącej zdalnych radiologów ze szpitalami i oszacowało wzrost czasu realizacji badań pilnych o około 17,7 minuty [1]. Mechanizm jest przenośny, ale liczby wymagają własnego pomiaru w danej placówce [7].
Źródła
- Negative externality on service level across priority classes: Evidence from a radiology workflow platform (Journal of Operations Management, 2023)
- Czym jest cherry-picking? (Polska Agencja Prasowa)
- Cherry picking (Wikipedia)
- How to Combat Radiologist Cherry-Picking (GE HealthCare)
- Cherry Picking (Encyklopedia Zarządzania)
- Discretionary Task Ordering: Queue Management in Radiological Services (Management Science)
- The Perils of Worklist Cherry-Picking (The Imaging Wire)
- Radiologia (SP ZOZ MSWiA w Łodzi)
- Opisujemy badania najszybciej (Centrum Medyczne Medyceusz)
- How to prevent cherry picking on radiology worklists (Health Imaging)
- Evolving Technology: Distributed Diagnosis (Applied Radiology)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji