CN113109580A - 用于控制自动分析仪的技术 - Google Patents
用于控制自动分析仪的技术 Download PDFInfo
- Publication number
- CN113109580A CN113109580A CN202110022513.2A CN202110022513A CN113109580A CN 113109580 A CN113109580 A CN 113109580A CN 202110022513 A CN202110022513 A CN 202110022513A CN 113109580 A CN113109580 A CN 113109580A
- Authority
- CN
- China
- Prior art keywords
- modules
- workflow engine
- shadow
- subset
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 140
- 230000009471 action Effects 0.000 claims abstract description 63
- 239000012472 biological sample Substances 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 50
- 239000000523 sample Substances 0.000 claims description 48
- 238000004458 analytical method Methods 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 24
- 238000003556 assay Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012805 post-processing Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 17
- 238000005259 measurement Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 239000012491 analyte Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000000644 propagated effect Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 239000013610 patient sample Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- 108091028043 Nucleic acid sequence Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000001900 immune effect Effects 0.000 description 2
- 230000000984 immunochemical effect Effects 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 108020004707 nucleic acids Proteins 0.000 description 2
- 102000039446 nucleic acids Human genes 0.000 description 2
- 150000007523 nucleic acids Chemical class 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 206010003445 Ascites Diseases 0.000 description 1
- 210000004381 amniotic fluid Anatomy 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 210000003567 ascitic fluid Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012620 biological material Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 210000004748 cultured cell Anatomy 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000004251 human milk Anatomy 0.000 description 1
- 235000020256 human milk Nutrition 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 230000002779 inactivation Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000003097 mucus Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 210000001179 synovial fluid Anatomy 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/10—Devices for transferring samples or any liquids to, in, or from, the analysis apparatus, e.g. suction devices, injection devices
- G01N35/1002—Reagent dispensers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/38—Concurrent instruction execution, e.g. pipeline or look ahead
- G06F9/3885—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units
- G06F9/3889—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units controlled by multiple instructions, e.g. MIMD, decoupled access or execute
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N2035/00465—Separating and mixing arrangements
- G01N2035/00514—Stationary mixing elements
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Bioethics (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
在本公开的一个方面,提供了一种用于在包括多个具有多个模块的自动分析仪的环境中处理生物样本的计算机实现方法,所述方法包括:在主工作流引擎接收与用于处理生物样本的多个命令有关的数据,所述主工作流引擎配置成为所述多个具有多个模块的自动分析仪中的每一个接收和处理数据;向与所述多个模块中的一个或多个模块的子集相关联的至少一个影子工作流引擎提供数据快照,所述数据快照仅包括确定所述多个模块中的模块的动作所必需的与所述多个命令有关的数据的一部分;以及通过所述影子工作流引擎,基于所述数据快照为所述模块的子集确定多个动作以处理所述多个命令。
Description
技术领域
本公开涉及用于控制用于处理生物样本的自动分析仪的操作的方法和系统。
背景技术
拥有用于处理生物样本的自动分析仪的实验室正变得越来越大,也越来越复杂。例如,自动分析仪及其模块位于不同的楼层、不同的建筑物甚至实验室的不同位点。另一方面,越来越需要提供软件方案来集中控制这些实验室的工作流。这导致软件解决方案的复杂性增加,尤其导致需要相当多的网络流量才能将控制数据中继到不同的自动分析仪。集中控制节点上所需的计算资源也可能相当多。复杂性的增加还增加了执行控制软件时出错的可能性以及系统延迟。这可能会减少生物样本(例如患者样本)的周转时间,并降低自动分析仪的生产率。此外,由单个中央实体来驱动整个自动化系统就代表了整个系统的单点故障。
发明内容
在第一总体方面,一种在包括具有多个模块的多个自动分析仪的环境中用于处理生物样本的计算机实施的方法,包括在主工作流引擎处接收与用于处理生物样本的多个命令有关的数据。每个命令均为待要对一个或多个生物样本进行一项或多项测定的请求。主工作流引擎配置为接收和处理具有多个模块的多个自动分析仪中的每一个的数据。该方法还包括将数据快照提供给与多个模块中的一个或多个模块的子集相关联的至少一个影子工作流引擎。数据快照仅包括与确定多个模块中的模块的动作所必需的多个命令有关的数据的一部分。该方法继续通过影子工作流引擎确定用于模块的子集的多个动作,以基于数据快照来处理多个命令,从而使系统减少故障的可能性并提高系统的扩展性和性能。影子工作流引擎配置为在有限的时间内承担主工作流引擎的角色,和/或主工作流引擎配置为响应于影子工作流引擎的故障,确定模块的子集的多个动作以在模块的子集中处理多个命令。
在第二总体方面,一种计算机系统配置为执行根据第一方面的方法步骤。
可以实施第一和第二总体方面的主题的特定实施例,以实现以下一个或多个优点。
第一,本公开的技术可以减少环境的网络通信量,该环境包括具有多个模块的多个自动分析仪(例如,多地点或多层实验室)。影子工作流引擎可以在预定时间段内自主操作(与主工作流引擎之间没有交互或交互减少)。此外,可以在本地处理与模块的特定子集相关的工作流的部分。这可以减少网络流量,尤其是在包括多个位点和大量自动分析仪的环境中。在一些现有技术方案中,(主)工作流引擎与全部自动分析仪及其模块接口,以控制自动分析仪的操作。
第二,主工作流引擎和一个或多个影子工作流引擎可以同时(至少部分地)彼此独立地操作不同的任务。例如,影子工作流引擎可以独立于主工作流引擎处理数据(例如,运行模拟或测试新配置)。以这种方式,可以将处理工作负荷分布在整个环境中。
第三,在一些示例中,具有主工作流引擎和一个或多个影子工作流引擎可以在环境中提供冗余。在一些实施方式中,影子工作流引擎可以承担主工作流引擎的角色。这可以使操作保持运行例如有限的持续时间,直到修复主工作流引擎的故障为止。另一方面,在影子工作流引擎不可用的情况下,主工作流引擎可以接管影子工作流引擎的任务。
在本公开中以特定方式使用多个术语:
本文所使用的术语“自动分析仪”可以指在实验室或其他医疗保健相关的环境中产生测量结果的任何种类的自动化或半自动化技术设备。在一些示例中,自动分析仪可以是实验室自动分析仪或诊断自动分析仪。
“实验室自动分析仪”可以是在临床、化学、生物学、免疫学或药学领域等的实验室工作中使用的任何自动分析仪。例如,“自动分析仪”包括体外诊断分析仪,诸如免疫化学、血液学分析仪或临床化学分析仪。
术语“诊断自动分析仪”不仅包括诊断疾病过程中使用的自动分析仪,还包括用于筛查、健康分类、风险评估、监测、分期、预测、预后等的自动分析仪。例如,诊断自动分析仪可以是超声设备、放射设备(例如,X 射线设备、计算机断层扫描设备或 MRI 设备)、ECG 设备或 EEG 设备或别的身体功能监测设备。
“自动分析仪”不一定位于专用的实验室或临床环境中。相反,该术语还包括用于在临床、化学、生物学、免疫学或制药领域进行诊断或分析程序的分析仪。例如,在护理点设置中的台式设备(例如医师诊所或药房)或家用设备也可以是根据本公开的实验室设备。
本文所使用的“自动分析仪”可以包括操作地耦合至一个或多个分析、分析前和分析后模块或工作单元的控制单元或控制器,其中该控制单元可运行以控制模块。另外,控制单元可操作用于评估和/或处理所收集的分析数据,以控制向和/或从任何一个分析仪加载、存储和/或卸载样本,以初始化分析系统的分析或硬件或软件的操作,用于制备样本、样本管或用于所述分析的试剂等。
自动分析仪可以包括一个或多个模块。这些模块可以配置为在自动分析仪中处理样本的工作流中执行任何任务或活动(或多个任务或活动)。例如,模块可以是配置为传输样本、消耗品(例如,试剂或其他消耗品)或执行工作流所需的其他组件的传输模块。例如,传输模块可以配置为在不同分析模块之间传输样本。
模块也可以是配置为执行工作流中所需的预处理或后处理操作的预处理或后处理模块。例如,预处理操作可以包括清洁、富集、分离或稀释样本或样本的等分试样中的一个或多个。
模块也可以是用于样本的存储模块(例如,存储模块提供特定存储环境,诸如冷藏环境,或具有受控温度和/或其他受控参数的别的环境)。
模块也可以是分析模块。本文所使用的术语“分析仪模块”/“分析模块”涵盖可以诱导生物样本与试剂的反应以获得测量值的任何装置或装置部件。分析仪模块可操作以通过各种化学、生物学、物理学、光学或其他技术程序测定样本或其组分的参数值。分析仪模块可以是可操作的以测量样本或至少一种分析物的所述参数并且返回获得的测量值。由分析仪返回的可能的分析结果列表包括但不限于:样本中分析物的浓度、指示样本中分析物的存在(对应于高于检出水平的浓度)的数字(是或否)结果、光学参数、DNA 或 RNA 序列、通过蛋白质或代谢物的质谱分析获得的数据以及各种类型的物理或化学参数。分析仪模块可包括有助于移液、配量和混合样本和/或试剂的单元。分析仪可包括试剂容纳单元,该试剂容纳单元容纳用于执行含量测定的试剂。试剂可例如布置为包含单个试剂或一组试剂的容器或盒子的形式,放置在储藏室或传送带内的适当接受器或位置中。它可以包括消耗品进给单元。分析仪模块可包括处理和检测系统,其工作流针对某些类型的分析进行了优化。此类分析仪模块的示例包括临床化学分析仪、凝血化学分析仪、免疫化学分析仪、尿液分析仪、核酸分析仪,用于检测化学或生物反应的结果或者监测化学或生物反应的进度。
本公开中的“工作流”定义是指自动分析仪(及其模块)处理生物样本的精心策划和可重复的活动模式。工作流可以将自动分析仪的资源的系统组织描述为处理生物样本所必需的过程。工作流可以描述为一个或多个自动分析仪的一系列操作。工作流可以以任何合适的文本或符号表示来描述。在一个示例中,可以通过决策树来(至少部分地)描述工作流,该决策树基于多个条件和规则来定义自动分析仪或其模块在不同情况下执行的动作,这些条件和规则可以由客户配置并实时更新。
“工作流引擎”在包括自动分析仪的环境中监测和管理工作流的执行。工作流引擎可以访问环境的自动分析仪的配置和功能的定义以及工作流的定义。工作流引擎可以管理和监测工作流中活动或动作的状态,并根据定义的流程确定要转换到的新动作或活动。这些活动或动作可能包括传输生物样本、试剂或其他消耗品,对生物样本进行预处理,对生物样本进行测量或测试,处理测试结果或包括用于处理生物样本的自动分析仪的环境的任何其他任务(或形成这些任务的子步骤的动作或活动),如本公开描述的。
在一些示例中,工作流引擎可以执行两个功能。首先,工作流引擎可以验证当前的过程状态(例如,自动分析仪的模块的状态)。通过第一步之后,工作流引擎可以执行一个或多个动作或任务。
工作流引擎可以体现在任何合适的软件和硬件环境中。在一些示例中,工作流引擎可以体现在在通用计算机上运行的软件中。在其他示例中,工作流引擎可以在专用硬件上运行。
本文所用术语“(计算机)网络”包括任何类型的无线网络(诸如WIFI、GSM、UMTS 或其他无线数字网络)或有线网络(诸如以太网等)。具体地,通信网络可实施互联网协议(IP)。例如,通信网络包括有线网络和无线网络的组合。
“控制单元”或“控制器”以通过自动分析仪执行处理协议的必要步骤的方式控制自动分析仪。这意味着控制单元可以例如指示自动分析仪执行某些移液步骤,以将液体生物样本与试剂混合,或者控制单元控制自动分析仪将样本混合物孵育一定时间等。控制单元可以从数据管理单元接收关于需要对特定样本执行哪些步骤的信息。在一些实施例中,控制单元可以与数据管理单元集成在一起,或者可以由通用硬件来实现。控制单元可以例如实现为运行计算机可读程序的可编程逻辑控制器,其设置有执行操作的指令。可以将控制单元设置为控制例如以下操作中的任何一个或多个:装载和/或消耗和/或清洗比色杯和/或移液器吸头、移动和/或打开样本管和试剂盒、移液样本和/或试剂、混合样本和/或试剂、清洗移液器针或吸头、清洗混合桨、控制光源(例如选择波长)等。特别地,控制器可包括排程器,用于执行预定循环时间内的一系列步骤。控制单元还可以根据测定类型、紧急度等来确定要处理的样本的命令。
本文所用的诊断或实验室自动分析仪的“测量结果”可以是上面列出的自动分析仪的任何输出。取决于相应的自动分析仪,可以通过分析活体或尸体或其一部分(例如,哺乳动物患者或哺乳动物患者的一部分)或样本(例如,生物样本)来获得测量结果。
例如,测量结果可以包括在活体或尸体或其一部分或样本中测量的一个或多个参数值(例如,血液样本中特定物质的浓度)。在其他示例中,测量结果可以包括活体或尸体或其一部分或样本的一个或多个图像(例如,X 射线或 MRI 图像)。
术语“样本”指可能会包含关注的分析物的一个或多个材料。样本可源自生物来源,诸如生理体液,包括血液、唾液、眼球晶状体液、脑脊髓液、汗液、尿液、粪便、精液、母乳、腹水液、粘液、滑膜液、腹膜液、羊水、组织、培养的细胞等。可以在使用前对生物样本进行预处理,例如从血液中制备血浆。处理方法可包括离心、过滤、蒸馏、稀释、浓缩和/或分离样本组分(包括关注的分析物),失活干扰组分以及添加试剂。样本可在自来源获得时直接使用,也可以在预处理以改变样本特性后使用。在一些实施例中,初始固体或半固体生物材料可通过溶解或悬浮在合适的液体介质中而成为液体。在一些示例中,样本可疑似包含某些抗原或核酸。为了简单起见,术语“样本”始终用于指代工作流的不同阶段,即使样本的“物理基底”发生了变化(例如取等分试样),样本也被稀释或富集或与试剂混合。
术语“命令”包括对实验室设备自动或半自动执行特定任务的任何要求。例如,命令可以是要对一个或多个生物样本进行一个或多个测定的请求。
附图说明
图 1 是在包括具有本公开的多个模块的多个自动分析仪的环境中用于处理生物样本的方法的流程图。
图 2 是示出根据本公开的主工作流引擎和多个影子工作流引擎的图。
具体实施方式
随后将更详细地讨论在包括具有多个模块的多个自动分析仪的环境中用于处理生物样本的方法和系统。
首先,将结合图 1 讨论根据本公开的用于处理生物样本的方法和系统。随后,将结合图 2 讨论不同的其他方面。
总体概述
图 1 是在包括具有多个模块的多个自动分析仪的环境中用于处理生物样本的方法的流程图。
该方法包括在主工作流引擎处计算 101 与用于处理生物样本的多个命令有关的数据。在一些示例中,生物样本是患者样本。在随后的部分中,为了说明起见,不时地将生物样本描述为包含在样本管(例如,用于生物样本的收集管)中。然而,本发明的技术不限于在包括多个自动分析仪的环境中控制样本管的处理。而是,生物样本可以包含在或携带在任何合适的容器或基底中。下面讨论了进一步的示例。
每个命令可以包含指定如何处理特定样本的信息。特别地,该命令可以指定应在特定的生物样本上执行哪个测试或测定(或哪些测试或哪些测定)。另外,该命令可以包括一个或多个定义样本处理时间的参数(例如,指示生物样本优先级的数据,或指定生物样本的特定处理时间(最大处理时间或特定完成时间)的数据)。
主工作流引擎配置为接收和处理具有多个模块的多个自动分析仪中的每一个的数据。换句话说,主工作流引擎可以访问环境中全部自动分析仪(及其模块)的配置和功能的定义。主工作流引擎可以配置为确定具有多个模块的多个自动分析仪的活动或动作的顺序,来处理命令。
该计算可以包括确定每个模块的一组活动或动作,来处理命令。例如,主工作流引擎可以确定要对患者样本执行的一系列活动或动作,以执行特定的测定。在一些示例中,主工作流引擎配置为在运行时接收用于处理生物样本的命令,以基于工作流计算具有多个模块的多个自动化分析仪的多个动作,来处理命令。
主工作流引擎可以管理和监测工作流中活动或动作的状态,并根据环境中全部自动分析仪(及其模块)的定义过程确定要转换到的新动作或活动。然而,在根据本公开的技术中,主工作流引擎向与多个模块中的一个或多个模块的子集相关联的影子工作流引擎提供 103 数据快照。然后在影子工作流引擎中处理快照,如下所述。主工作流引擎的其他方面也将在下面讨论。
影子工作流引擎可以(作为主工作流引擎)管理和监测工作流中活动或动作的状态,并根据环境的自动分析仪(及其模块)的定义过程确定要转换到的新动作或活动。在一些示例中,影子工作流引擎可以具有与主工作流引擎相同的处理能力。在其他示例中,与主工作流引擎相比,影子工作流引擎可以具有有限的处理能力。例如,影子工作流引擎可以配备有更有限数量的计算资源(例如,处理能力或存储器)。另外地或替代地,影子工作流引擎可以在多能性或功能性方面受到限制。例如,影子工作流引擎可以配置为仅管理和监测工作流(或其一部分)中活动或动作的状态,并确定与环境的多个模块中的一个或多个模块的子集(例如,一个传输模块或多个传输模块)相关的新动作或活动。
影子工作流引擎可以接收 105 数据快照。数据快照仅包括与确定多个模块中的一个或多个模块的子集的动作所必需的多个命令有关的信息的一部分。例如,数据快照可以包括与影子工作流相关联的一个或多个模块的子集的动作和活动有关的数据。在一些示例中,快照包括关于工作流的工作流状态的信息、关于多个模块中的一个或多个模块的状态信息、结果信息或与要处理的一个或多个样本相关的信息(例如,患者信息、关于要对一个或多个样本进行的测试或测定的信息、或一个或多个样本的优先级信息)中的一个或多个。
在一些示例中,数据快照包括在预定时间段内在一个或多个模块的子集中处理命令所需的(例如全部所需的)信息(例如,与动作或活动有关的数据)。在某些示例中,该时间段可以是至少 5 分钟(例如,至少 15 分钟或至少 1 小时)。
影子工作流引擎可以基于数据快照确定 107 一个或多个模块的子集的多个动作,来处理多个命令。例如,影子工作流引擎可以做出关于在一个或多个模块的子集中以哪个顺序执行多个动作的决定。影子工作流引擎可以管理和监测一个或多个模块的子集的工作流中活动或动作的状态。例如,影子工作流引擎可以指示一个或多个模块的子集执行预定动作。影子工作流引擎可以检查预定动作是否已成功执行。在这种情况下,影子工作流引擎可以指示一个或多个模块的子集执行下一预定动作。如果不是,则影子工作流引擎可以注册错误状态并继续执行错误处理例程。
另外地或替代地,影子工作流引擎可以处理工作流规则或定义,以基于接收到的数据快照确定一个或多个模块的子集的多个动作。例如,数据快照可以包括关于工作流状态的信息、关于多个模块中的一个或多个模块的状态信息、结果信息、或与可以通过应用工作流规则或定义进行处理的一个或多个要处理的样本有关的信息,以确定一个或多个模块的子集的多个动作。
可以看出,影子工作流引擎可以接管主工作流引擎必须在某些现有技术系统中执行的任务。这可能意味着,当影子工作流引擎接管了管理和监测工作流执行的部分或全部职责,由主工作流引擎(可能是远程)管理和监测一个或多个模块的子集中的工作流执行而导致的一些网络流量被取代,从而减少了大量网络流量。在其他示例中,当使用本公开的技术时,可以更灵活地控制(但不一定减少)主工作流引擎与一个或多个模块的子集之间的网络流量。例如,网络流量可以转移到与其他时间段相比减少了环境网络上的网络流量负载的时间段。以这种方式,即使在某些情况下不减少网络流量的总量,也可以减少网络拥塞。
在一些示例中,影子工作流引擎配置为以独立的方式运行预定时间段,以在一个或多个模块的子集中处理多个命令。例如,预定时间段是至少 10 分钟(可选地至少 30 分钟,进一步可选地至少 1 小时)。在某些示例中,这可以提高包括多个自动化分析仪的环境的吞吐量,因为一个工作流引擎不可用(例如,由于相应工作流引擎的故障或维护,无论是主工作流引擎还是影子工作流引擎)可能仍使其他工作流引擎可操作(至少在一定持续时间内)。
在一些示例中,可以在包括多个自动化分析仪的环境的中央管理系统处配置数据快照中包括的数据的数量和/或性质。例如,用户可能能够配置影子工作流引擎可以独立运行的时间段。快照中的数据的数量可以相应调整。在一些示例中,用户能够配置模块的子集的动作或活动的数量,这些模块的相应数据包含在数据快照中。
在一些示例中,影子工作流引擎配置为在接收到数据快照之后的预定时间段内,不与主工作流引擎通信而操作。预定时间段是至少 10 分钟、可选地至少 30 分钟、进一步可选地至少 1 小时。
可以在预定时间更新 109、111 数据快照。在一些示例中,多个命令的工作流信息的更改在预定时间传播到影子工作流引擎。在一些示例中,可以配置数据快照的更新或传播的更改的频率和/或范围。例如,配置更新逻辑可以包括定义管理更新的定时和/或范围的规则。在一些示例中,规则可以考虑环境的计算和联网能力(例如,在环境的网络上生成均匀分布的流量)。
另外地或替代地,在一些示例中,数据快照的更新操作可以是事件驱动的,规则可以包括基于事件的更新更改(例如,在特定工作流引擎或环境的其他组件错误的情况下)。
在一些示例中,影子工作流引擎配置为在有限的时间内承担主工作流引擎的角色。例如,影子工作流引擎可以配置为在少于 2 小时、可选地少于 1 小时、进一步可选地少于 30 分钟的时间内担任主工作流引擎的角色。另外地或替代地,影子工作流引擎承担主工作流引擎的作用超过 5 分钟、可选地超过 30 分钟、进一步可选地超过 1 小时。
如上所述,影子工作流引擎可以在质量上或数量上具有与主工作流引擎相同的功能。在一些示例中,必须向影子工作流引擎提供其他数据,以承担主工作流引擎的角色。可以将这些数据发送到影子工作流引擎或由影子工作流引擎在远程存储位置访问。
影子工作流引擎可以在不同情况下承担主工作流引擎的角色。在一个示例中,假定主工作流引擎的角色可以响应于主工作流引擎的连接丢失而发生。另外地或替代地,影子工作流引擎可以响应于(例如由于主工作流引擎的故障)主工作流引擎的不可用而承担主工作流引擎的角色。在其他示例中,在主工作流引擎被更新或修改(因此暂时不可用)的情况下,影子工作流引擎可以承担主工作流引擎的角色。
以这种方式,提供主工作流引擎和(一个或多个)影子工作流引擎可以在环境的工作流处理中引入一定的冗余性。这可以减少停机时间并提高环境的生产率,因为在主工作流引擎发生故障的情况下,一部分自动化分析仪甚至全部自动化分析仪仍可以保持可操作(至少一段时间)。
以相同的方式(另外地或替代地),影子工作流引擎可以配置为响应于影子工作流引擎的不可用(例如,由于影子工作流引擎的故障或由于影子工作流引擎的维护操作),将对一个或多个模块的子集的多个动作或活动(所述多个动作或活动用于在模块的子集中处理多个命令)的确定重定向到主工作流引擎。更一般而言,在特定情况下,主工作流可以接管影子工作流引擎的任务。
在前面的段落中已经讨论了影子工作流引擎和主工作流引擎在某些情况下可以在某种程度上互换。然而,也如所讨论的,与主工作流引擎相比,影子工作流引擎可以具有减少的一组功能或能力。在一些示例中,影子工作流引擎可以专用于仅管理和监测与之关联的一个或多个模块的子集(而不能管理和监测模块的其他子集)。
另外地或替代地,主工作流引擎可以配置为定义和编辑用于确定生物样本的工作流的规则,而影子工作流引擎未配置为编辑用于确定生物样本的工作流的规则。
影子工作流引擎的这些以及其他“功能上的减少”在某些示例中可以使影子工作流引擎成为较小的占用空间的单元,其可以在环境的不同位置实施和运行,而不会造成过多的资源开销。
包括主工作流引擎和影子工作流引擎的环境的进一步方面
随后将结合图 2 讨论包括主工作流引擎和影子工作流引擎的环境的进一步方面。
在前面的部分中,已基于单个影子工作流引擎的示例讨论了主工作流引擎和影子工作流引擎的不同方面。但是,在一些示例中,本发明的技术可以包括设置与一个或多个模块的不同子集相关联的多个(例如,多于 10 个或多于 20 个)影子工作流引擎。
在这种情况下,本公开的技术可以包括向与多个模块中的一个或多个模块的第二子集相关联的第二影子工作流引擎提供第二数据快照。模块的第二子集不同于与第一影子工作流引擎相关联的模块的子集。第二数据快照仅包括确定多个模块的模块的第二子集的动作所必需的数据的一部分。第二影子工作流引擎基于第二数据快照确定模块的第二子集的多个动作,以处理多个命令。
因此,本公开的技术可以包括向与多个模块的模块的进一步子集(例如,一个、两个、三个或多于三个的进一步它子集)相关联的进一步影子工作流引擎提供进一步的数据快照。同样,进一步的数据快照各自仅包括确定多个模块的模块的进一步子集的动作所必需的数据的一部分。每个进一步的影子工作流引擎基于相应的进一步的数据快照,确定模块的相应的进一步子集的多个动作,来处理多个命令。
每个影子工作流引擎可以配置为接收数据快照,并计算相应的一个或多个模块的多个动作,来处理命令。影子工作流引擎可以配置为同时(至少部分)运行以确定相应模块的动作。
图 2 描绘了包括主工作流引擎 21 和多个影子工作流引擎 26a、26b、26c 的示例环境。工作流引擎经由环境的网络 24 连接。
主工作流引擎 21 连接到数据存储 23,该数据存储包括用于根据一个或多个预定工作流在环境中处理命令的完整数据集。例如,数据存储 23 可以包括一个或多个工作流的全部工作流定义和规则(例如,以定义工作流的决策树的形式)。另外,数据存储 23 可以包括描述环境的配置的状态变量。另外地或替代地,数据存储 23 可以包括与一个或多个要处理的样本有关的信息、与一个或多个要处理的样本有关的患者信息、样本的测试或测定的结果、或用于在环境中执行一个或多个工作流的其他信息中的一个或多个。
在图 2 的实例中,主工作流引擎集成在环境的中间件层 22(例如,实验室信息系统“LIS”)中。但是,在其他示例中,主工作流引擎可以容纳在其他位置。
每个影子工作流引擎 26a-c 与一个或多个模块 25a、25b、25c 的相应子集相关联。如图 2 所示,模块可以是分析前或分析后模块、用于传输生物样本的传输模块、存储模块(例如,冰箱模块)或分析模块(例如,以上讨论的任何模块)。在一个示例中,环境或环境的一部分可以配置为处理包含在样本管中的生物样本。在该示例中,传输模块可以配置为在其他模块之间(例如,从分析前模块到分析模块,或在两个不同分析模块之间)传送样本管。
如所解释的,影子工作流引擎 25a 至 25c 可连接至数据存储器 27a、27b、27c,所述数据存储器包括在与相应影子工作流引擎 25a 至 25c 相关联的模块 25a 至 25c的相应子集处理命令所需的相应数据,其作为本公开中讨论的数据快照提供。如上所述,可以提供和更新数据存储 27a-c 中的数据快照。
一个或多个模块的不同子集可以根据环境以不同的方式设置。
在一些示例中,自动分析仪或模块的第一子集位于环境的第一位置,并且自动分析仪的第二子集位于远离第一位置的第二位置。第一和第二位置是第一和第二房间、第一和第二层、第一和第二建筑或第一和第二位点。
另外地或替代地,自动分析仪或模块的第一子集属于环境的第一处理线,并且自动分析仪或模块的第二子集属于不同于第一处理线的第二处理线。在一些示例中,每个处理线可以包括一组特定的模块以执行任务。例如,环境可以包括多组模块,每组模块形成用于通过一个或多个特定测定来测试生物样本的生产线。另外地或替代地,不同的生产线可以配备有不同类型的模块。例如,每个不同的生产线可以包括配置为执行不同的测定或测试(或不同组的测定或测试)的模块。在其他示例中,不同的生产线可以包括不同类型的分析模块(例如,免疫化学分析模块、临床化学分析模块、包括质谱仪的分析模块,或其他类型的分析模块)。
在其他示例中,每个与影子工作流引擎相关联的模块的不同子集可以在生产线的样本处理过程中执行子步骤。例如,与影子工作流引擎相关联的模块的子集可以与中央采样单元相关联,该中央采样单元用于将生物样本从第一容具转移到第二容具(例如反应容具)中。在其他示例中,与影子工作流引擎相关联的模块的子集可以与将样本分发到不同分析模块的中央样本分发模块关联。在其他示例中,与影子工作流引擎相关联的模块的子集可以是配置为在生产线的不同分析模块或其他模块之间传输样本的传输模块。
通常,用于处理生物样本的命令可能需要传输样本,并且需要在所述多个模块中的多个模块中处理样本。在包括多个自动化分析仪的潜在广泛环境中传输生物样本或其他组分(例如试剂或消耗品)可能是一项艰巨的任务。另一方面,可能要求环境(例如实验室)在例如周转时间方面达到某些目标。
可以配置本公开的工作流引擎,使得处理命令满足一个或多个预定目标。
在一些示例中,工作流引擎配置为定位样本并确保生物样本在预定时间到达多个模块中的特定模块。
在其他示例中,工作流引擎配置为定位样本并确保生物样本不迟于特定时间到达多个模块中的特定模块。
又在其他示例中,工作流引擎配置为实现特定生物样本的特定最大样本处理时间。例如,工作流引擎可以配置为确保处理特定样本(或样本类型)的命令在不迟于收到命令后的预定时间段完成。
可以为在包括多个自动分析仪的环境中处理命令所需的消耗品和/或试剂设置相似的目标。
如上所述,在一些示例中,本公开的生物样本可以包含在样本管中。样本管可以在不同的分析前模块、分析模块或分析后模块之间传输。在其他示例中,生物样本可以容纳在其他容器或容具(例如小瓶、瓶或袋)中。又在其他实例中,生物样本可以支撑在合适的支撑结构(例如玻片、盘或板)上。在处理命令的过程中,生物样本可以在相同或不同类型的容器或支撑之间转移。
计算机实施方式
在前面的部分中,主要通过讨论其功能来描述主工作流引擎和影子工作流引擎。如上所述,可以在任何合适的硬件和/或软件环境中实现主工作流和影子工作流引擎。
本公开涉及一种计算机系统,其配置为在包括具有多个模块的多个自动分析仪的环境中执行用于处理生物样本的任何一种方法的步骤。
例如,主工作流引擎可以在控制环境的中央计算机系统(例如实验室)中实现。例如,主工作流引擎可以在环境的中间件层中实现(例如,医院信息系统、实验室信息系统,或者作为将与实验室管理系统进行交互的称为“实验室自动化系统”的实验室中间件的单独元件)。
本文所述的影子工作流引擎可以位于与一个或多个模块的相应子集相关联的专用硬件中。在一些示例中,影子工作流引擎可以在与一个或多个模块的相应子集相关联的独立处理器上实现。
在其他示例中,影子工作流引擎安装在连接到一个或多个模块的相应子集的通用计算系统上。
进一步公开并提出了一种包括计算机可执行指令的计算机程序,当在计算机或计算机网络上执行该程序时,所述计算机可执行指令用于在本文公开的一个或多个实施例中执行根据本发明的方法。具体地,计算机程序可存储在计算机可读数据载体上。因此,具体地,可通过使用计算机或计算机网络,优选地通过使用计算机程序来执行如本文所公开的一个、多于一个或甚至所有方法步骤。
进一步公开并提出了一种具有程序代码工具的计算机程序产品,以便在计算机或计算机网络上执行该程序时,在本文所附的一个或多个实施例中执行根据本发明的方法。具体地,程序代码工具可存储在计算机可读数据载体上。
进一步公开并提出了一种具有存储在其上的数据结构的数据载体,在加载到计算机或计算机网络中之后,诸如在加载到计算机或计算机网络的工作存储器或主存储器中之后,该数据载体可执行根据本文所公开的一个或多个实施例的方法。
进一步公开并提出了一种具有存储在机器可读载体上的程序代码工具的计算机程序产品,以便在计算机或计算机网络上执行程序时,执行根据本文所公开的一个或多个实施例的方法。如本文所用,计算机程序产品是指作为可交易产品的程序。该产品一般可以任意格式(诸如纸质格式)存在,或在计算机可读数据载体上存在。具体地,计算机程序产品可分布在数据网络上。
进一步公开并提出了一种包含可由计算机系统或计算机网络读取的指令的调制数据信号,用于执行根据本文所公开的一个或多个实施例的方法。
参考本发明的计算机实施的方面,可通过使用计算机或计算机网络来执行根据本文所公开的一个或多个实施例的方法的一个或多个方法步骤或甚至所有方法步骤。因此,一般来讲,可通过使用计算机或计算机网络来执行包括提供和/或处理数据的任何方法步骤。一般来讲,这些方法步骤可包括通常除需要手动工作(诸如提供样本和/或执行测量的某些方面)的方法步骤之外的任何方法步骤。
进一步公开并提出了一种计算机或计算机网络,该计算机或计算机网络包括至少一个处理器,其中该处理器适于执行根据本说明书中所描述的实施例中的一个的方法。
进一步公开并提出了一种计算机可加载数据结构,该计算机可加载数据结构适于在计算机上执行数据结构时,执行根据本说明书中所描述的实施例中的一个的方法。
进一步公开并提出了一种存储介质,其中数据结构存储在该存储介质上并且其中该数据结构在加载到计算机或计算机网络的主存储装置和/或工作存储装置后,适于执行根据本说明书中所描述的实施例中的一个的方法。
为了简单起见,不包括分配拓扑(包括网络的环境)。主工作流引擎和影子工作流引擎可以通过物理网络(唯一或多路复用)、或使用安全的虚拟专用网络、或者通过使用加密通道传输数据并使用自定义证书加密有效负载信息的云进行通信(但不限于此)。
进一步方面
在前面的详细描述中,已经讨论了在包括具有多个模块的多个自动分析仪的环境中用于处理生物样本的方法和系统的多个示例。但是,在包括具有本公开的多个模块的多个自动化分析仪的环境中用于处理生物样本的方法和系统也可以如以下方面中所述进行配置:
1. 一种用于在包括多个具有多个模块的自动分析仪的环境中处理生物样本的计算机实现方法,所述方法包括:
在主工作流引擎接收与用于处理生物样本的多个命令有关的数据,
其中所述主工作流引擎配置成为所述多个具有多个模块的自动分析仪中的每一个接收和处理数据;
将数据快照提供给与所述多个模块中的一个或多个模块的子集相关联的至少一个影子工作流引擎,
其中所述数据快照仅包括确定所述多个模块中的模块的动作所必需的与所述多个命令有关的数据的一部分;以及
通过所述影子工作流引擎,基于所述数据快照确定模块的子集的多个动作,来处理所述多个命令。
2. 根据方面 1 所述的方法,其进一步包括在预定时间更新所述数据快照。
3. 根据方面 1 或方面 2 所述的方法,其中与多个命令相关的数据的更改在预定时间传播到影子工作流引擎。
4. 根据方面 2 和 3 中任一项所述的方法,其中对所述数据快照的更新或传播的改变的频率和/或范围是可配置的。
5. 根据方面 1 至 4 中任一项所述的方法,其中所述影子工作流引擎配置为以独立方式运行预定时间段,以在所述模块的子集中处理所述多个命令。
6. 根据方面 5 所述的方法,其中所述预定时间段是至少 10 分钟、可选地至少30 分钟、进一步可选地至少 1 小时。
7. 根据方面 1 至 6 中任一项所述的方法,其中可以在包括所述多个自动分析仪的环境的中央管理系统处配置数据快照中包括的数据的数量。
8. 根据前述方面 1 至 7 中任一项所述的方法,其中所述影子工作流引擎配置为在有限的时间内承担主工作流引擎的角色。
9. 根据方面 8 所述的方法,其进一步包括:
所述影子工作流引擎承担主工作流引擎的角色至少 2 小时、可选地至少 1 小时、进一步可选地至少 30 分钟、可选地 30 分钟至 3 小时之间。
10. 根据方面 9 所述的方法,其中影子工作流引擎响应于主工作流引擎的连接丢失,而承担主工作流引擎的角色。
11. 根据方面 9 所述的方法,其中影子工作流引擎响应于主工作流引擎的不可用,而承担主工作流引擎的角色。
12. 根据方面 1 至 11 中任一项所述的方法,其中影子工作流引擎可以配置为响应于影子工作流引擎的不可用,将对模块的子集的多个动作的确定重定向到主工作流引擎,所述模块的子集的多个动作用于在模块的子集中处理多个命令。
13. 根据方面 1 至 12 中任一项所述的方法,其进一步包括:
向与所述多个模块中一个或多个模块的第二子集相关联的第二个影子工作流引擎提供第二数据快照,模块的第二子集与方面 1 至 12 的模块的子集不同,
其中所述第二数据快照仅包括确定所述多个模块中的模块的第二子集的动作所必需的数据的一部分;
通过所述第二影子工作流引擎,基于所述第二数据快照为所述模块的第二子集确定多个动作以处理所述多个命令。
14. 根据方面 13 所述的方法,其进一步包括:
向与所述多个模块中一个或多个模块的进一步子集相关联的进一步影子工作流引擎提供进一步数据快照,模块的进一步子集与方面 1 至 12 的模块的子集不同,
其中,进一步的数据快照各自仅包括确定多个模块中的模块的进一步子集的动作所必需的数据的一部分;
通过进一步的影子工作流引擎,基于相应的进一步的数据快照确定模块的相应的进一步子集的多个动作,来处理多个命令。
15. 根据方面 13 或方面 14 所述的方法,其中所述影子工作流引擎配置为同时运行以确定模块的相应子集的动作。
16. 根据方面 1 至 15 中任一项所述的方法,其中所述主工作流引擎配置为定义和编辑用于确定生物样本的工作流的规则。
17. 根据方面 1 至 16 中任一项所述的方法,其中所述影子工作流引擎未配置为定义和编辑用于确定生物样本的工作流的规则。
18. 根据方面 1 至 17 中任一项所述的方法,其中所述主工作流引擎可以访问所述环境的具有多个模块的自动分析仪中的每个自动分析仪的功能定义和当前配置。
19. 根据方面 1 至 18 中任一项所述的方法,其中所述影子工作流引擎配置为在接收到数据快照之后的预定时间段,不与所述主工作流引擎通信而操作。
20. 根据方面 19 所述的方法,其中所述预定时间段是至少 10 分钟、可选地至少 30 分钟、进一步可选地至少 1 小时。
21. 根据前述方面中任一项所述的方法,其中:
所述自动化分析仪或模块的第一子集位于所述环境的第一位置,并且所述自动化分析仪或模块的第二子集位于远离所述第一位置的第二位置,或者
所述自动化分析仪或模块的第一子集属于所述环境的第一处理线,并且所述自动化分析仪或模块的第二子集属于不同于所述第一处理线的第二处理线。
22. 根据方面 21 所述的方法,其中第一和第二位置是第一和第二房间、第一和第二层、第一和第二建筑或第一和第二位点。
23. 根据方面 1 至 22 中任一项所述的方法,其中所述影子工作流引擎位于与一个或多个模块的相应子集相关联的专用硬件中。
24. 根据方面 1 至 22 中任一项所述的方法,其中所述影子工作流引擎安装在连接到一个或多个模块的相应子集的通用计算系统上。
25. 根据前述方面 1 至 24 中任一项所述的方法,其中所述主工作流引擎配置为在运行时接收与用于处理生物样本的命令相关的数据,以基于工作流计算具有多个模块的多个自动化分析仪的多个动作,来处理命令。
26. 根据方面 25 所述的方法,其中所述主工作流引擎配置为确定具有多个模块的多个自动分析仪的动作序列,来处理命令。
27. 根据前述方面 26 中任一项所述的方法,其中每个影子工作流引擎配置为接收数据快照,并计算相应的一个或多个模块的多个动作,来处理命令。
28. 根据方面 27 所述的方法,其中每个影子工作流引擎配置为指示模块的相应子集执行所述多个动作。
29. 根据前述方面 1 至 28 中任一项所述的方法,其中用于处理生物样本的命令可能需要传输所述样本,并且需要在所述多个模块中的多个模块中处理所述样本。
30. 根据前述方面 1 至 29 中任一项所述的方法,其中所述多个模块包括预处理模块、样本制备模块、传输模块、用于执行分析功能的分析模块和后处理模块中的一个或多个。
31. 根据前述方面 1 至 30 中任一项所述的方法,其中所述工作流引擎配置为定位样本并确保生物样本在预定时间到达多个模块中的特定模块。
32. 根据方面 1 至 31 中任一项所述的方法,其中所述工作流引擎配置为实现特定生物样本的特定最大样本处理时间。
33. 一种配置为执行方面 1 至 32 中任一项所述的方法的步骤的计算机系统。
34. 一种具有存储在其上的指令的计算机可读介质,所述指令在由计算机系统执行时,提示计算机系统执行方面 1 至 32 中任一项所述的方法的步骤。
Claims (15)
1.一种用于在包括多个具有多个模块的自动分析仪的环境中处理生物样本的计算机实现的方法,所述方法包括:
在主工作流引擎接收与用于处理生物样本的多个命令有关的数据,
其中每个命令均为待要对一个或多个生物样本进行一项或多项测定的请求,
其中所述主工作流引擎配置成为所述多个具有多个模块的自动分析仪中的每一个接收和处理数据;
将数据快照提供给与所述多个模块中的一个或多个模块的子集相关联的至少一个影子工作流引擎,
其中所述数据快照仅包括与确定所述多个模块中的模块的动作所必需的与所述多个命令有关的数据的一部分;以及
通过所述影子工作流引擎,基于所述数据快照为所述模块的子集确定多个动作以处理所述多个命令,
其中所述影子工作流引擎配置成在有限的时间内承担所述主工作流引擎的角色,和/或
其中所述主工作流引擎配置成响应于所述影子工作流引擎的故障,为所述模块的子集确定所述多个动作,以在所述模块的子集处理所述多个命令。
2.根据权利要求 1 所述的方法,其进一步包括在预定时间更新所述数据快照。
3.根据权利要求 1 至 2 中任一项所述的方法,其中所述影子工作流引擎配置成以独立方式运行达预定时间段,以在所述模块的子集处理所述多个命令。
4.根据权利要求 3 所述的方法,其中所述预定时间段为至少 10 分钟、可选地至少30 分钟、进一步可选地至少 1 小时。
5.根据权利要求 1 所述的方法,其中所述影子工作流引擎响应于与所述主工作流引擎的连接丢失而承担所述主工作流引擎的角色,或者其中所述影子工作流引擎响应于所述主工作流引擎的不可用而承担所述主工作流引擎的角色。
6.根据权利要求 1 至 5 中任一项所述的方法,其中所述主工作流引擎有权访问所述环境的全部自动分析仪及其模块的配置和功能的定义,其中所述主工作流引擎配置成确定所述多个具有多个模块的自动分析仪的活动或动作的顺序以处理所述命令。
7.根据权利要求 1 至 6 中任一项所述的方法,其中所述影子工作流引擎配置成管理和监测所述一个或多个模块的子集的工作流中活动或动作的状态。
8.根据权利要求 1 至 7 中任一项所述的方法,其进一步包括:
向与所述多个模块中的一个或多个模块的第二子集相关联的第二影子工作流引擎提供第二数据快照,所述模块的第二子集与根据权利要求 1 至 7 所述的模块的子集不同,
其中所述第二数据快照仅包括确定所述多个模块中的模块的第二子集的动作所必需的数据的一部分;
通过所述第二影子工作流引擎,基于所述第二数据快照为所述模块的第二子集确定多个动作以处理所述多个命令。
9.根据权利要求 8 所述的方法,其中所述影子工作流引擎配置成同时运行以为模块的相应子集确定动作。
10.根据权利要求 1 至 9 中任一项所述的方法,其中所述主工作流引擎配置成定义和编辑用于确定实时生物样本处理数据输入的工作流的规则。
11.根据权利要求 1 至 10 中任一项所述的方法,其中所述影子工作流引擎配置成在接收到数据快照之后,在不与所述主工作流引擎通信的情况下操作达预定时间段。
12.根据前述权利要求中任一项所述的方法,其中
所述自动化分析仪或模块的第一子集位于所述环境的第一位置,并且所述自动化分析仪或模块的第二子集位于远离所述第一位置的第二位置,或者
所述自动化分析仪或模块的第一子集属于所述环境的第一处理线,并且所述自动化分析仪或模块的第二子集属于不同于所述第一处理线的第二处理线。
13.根据权利要求 1 至 12 中任一项所述的方法,其中所述多个模块包括以下各项中的一项或多项:预处理模块、样本制备模块、传输模块、用于执行分析功能的分析模块以及后处理模块。
14.一种配置成执行根据权利要求 1 至 13 所述的方法中任一种方法的步骤的计算机系统。
15.一种具有存储在其上的指令的计算机可读介质,所述指令在由计算机系统执行时,提示所述计算机系统执行根据权利要求 1 至 13 所述的方法中任一种方法的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20382009.7A EP3848937A1 (en) | 2020-01-09 | 2020-01-09 | Techniques for controlling automated analyzers |
EP20382009.7 | 2020-01-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113109580A true CN113109580A (zh) | 2021-07-13 |
Family
ID=69167769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110022513.2A Pending CN113109580A (zh) | 2020-01-09 | 2021-01-08 | 用于控制自动分析仪的技术 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210215731A1 (zh) |
EP (1) | EP3848937A1 (zh) |
JP (1) | JP2021110747A (zh) |
CN (1) | CN113109580A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6080364A (en) * | 1997-04-10 | 2000-06-27 | Hitachi, Ltd. | Automatic analyzer and support system therefor |
CN1739098A (zh) * | 2003-04-02 | 2006-02-22 | 国际商业机器公司 | 智能网络适配器的状态恢复及故障修复 |
CN101031934A (zh) * | 2004-07-16 | 2007-09-05 | 泛塔纳医药系统公司 | 实验室装备仪器信息管理及控制网络 |
US20100036956A1 (en) * | 2007-04-04 | 2010-02-11 | Fujitsu Limited | Load balancing system |
JP2010101816A (ja) * | 2008-10-27 | 2010-05-06 | Sysmex Corp | 検体分析装置、検体分析方法及びコンピュータプログラム |
CN101819659A (zh) * | 2010-04-16 | 2010-09-01 | 浙江工商大学 | 一种将工作流技术应用于管理过程控制的方法 |
US20120109531A1 (en) * | 2010-11-03 | 2012-05-03 | Roche Diagnostics Operations, Inc. | Analysis system for analyzing biological samples |
CN106529761A (zh) * | 2016-09-26 | 2017-03-22 | 山东浪潮商用系统有限公司 | 一种工作流引擎及其实现方法 |
US20190033819A1 (en) * | 2017-01-20 | 2019-01-31 | LifeFoundry Inc. | Systems and methods for supporting multiple automated work-flows |
CN109425749A (zh) * | 2017-09-01 | 2019-03-05 | 豪夫迈·罗氏有限公司 | 用于操作实验室系统的方法 |
US20190271713A1 (en) * | 2016-12-02 | 2019-09-05 | Roche Diagnostics Operations, Inc. | Failure state prediction for automated analyzers for analyzing a biological sample |
US20190277869A1 (en) * | 2016-07-21 | 2019-09-12 | Siemens Healthcare Diagnostics Inc. | Automated clinical analyzer system and method |
US20190324047A1 (en) * | 2018-04-20 | 2019-10-24 | Roche Diagnostics Operations, Inc. | Just in time availability of analytical test results |
-
2020
- 2020-01-09 EP EP20382009.7A patent/EP3848937A1/en active Pending
-
2021
- 2021-01-06 US US17/142,359 patent/US20210215731A1/en active Pending
- 2021-01-06 JP JP2021000669A patent/JP2021110747A/ja active Pending
- 2021-01-08 CN CN202110022513.2A patent/CN113109580A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6080364A (en) * | 1997-04-10 | 2000-06-27 | Hitachi, Ltd. | Automatic analyzer and support system therefor |
CN1739098A (zh) * | 2003-04-02 | 2006-02-22 | 国际商业机器公司 | 智能网络适配器的状态恢复及故障修复 |
CN101031934A (zh) * | 2004-07-16 | 2007-09-05 | 泛塔纳医药系统公司 | 实验室装备仪器信息管理及控制网络 |
US20100036956A1 (en) * | 2007-04-04 | 2010-02-11 | Fujitsu Limited | Load balancing system |
JP2010101816A (ja) * | 2008-10-27 | 2010-05-06 | Sysmex Corp | 検体分析装置、検体分析方法及びコンピュータプログラム |
CN101819659A (zh) * | 2010-04-16 | 2010-09-01 | 浙江工商大学 | 一种将工作流技术应用于管理过程控制的方法 |
US20120109531A1 (en) * | 2010-11-03 | 2012-05-03 | Roche Diagnostics Operations, Inc. | Analysis system for analyzing biological samples |
US20190277869A1 (en) * | 2016-07-21 | 2019-09-12 | Siemens Healthcare Diagnostics Inc. | Automated clinical analyzer system and method |
CN106529761A (zh) * | 2016-09-26 | 2017-03-22 | 山东浪潮商用系统有限公司 | 一种工作流引擎及其实现方法 |
US20190271713A1 (en) * | 2016-12-02 | 2019-09-05 | Roche Diagnostics Operations, Inc. | Failure state prediction for automated analyzers for analyzing a biological sample |
US20190033819A1 (en) * | 2017-01-20 | 2019-01-31 | LifeFoundry Inc. | Systems and methods for supporting multiple automated work-flows |
CN109425749A (zh) * | 2017-09-01 | 2019-03-05 | 豪夫迈·罗氏有限公司 | 用于操作实验室系统的方法 |
US20190072575A1 (en) * | 2017-09-01 | 2019-03-07 | Roche Diagnostics Operations, Inc. | Method for operating a laboratory system |
US20190324047A1 (en) * | 2018-04-20 | 2019-10-24 | Roche Diagnostics Operations, Inc. | Just in time availability of analytical test results |
Also Published As
Publication number | Publication date |
---|---|
EP3848937A1 (en) | 2021-07-14 |
JP2021110747A (ja) | 2021-08-02 |
US20210215731A1 (en) | 2021-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180080949A1 (en) | Automated scheduler for laboratory equipment | |
EP3410323B1 (en) | Method for operating a laboratory system | |
US20190120866A1 (en) | Analysis system for analyzing biological samples | |
JP7241448B2 (ja) | 実験室システムの動作方法 | |
JP7033111B2 (ja) | 分析実験室の操作方法 | |
JP6715960B2 (ja) | 生体試料検査室スクリーニングのためのシステムおよび方法 | |
JP2020160053A (ja) | 分析実験室の動作方法 | |
EP3182133B1 (en) | Automated analytical system and method for operating thereof | |
JP6978211B2 (ja) | 生物学的試料用の分析器の精度管理 | |
US20200382599A1 (en) | Techniques for providing data packages to analytical devices | |
US20210215731A1 (en) | Techniques for controlling automated analyzers | |
Bieglmayer et al. | Multicentre performance evaluation of the E170 module for modular analytics | |
US20210190802A1 (en) | Workload instrument masking | |
WO2021015881A1 (en) | Reagent pack load plan optimization methods and systems | |
US20240013873A1 (en) | Method and system of managing sample priorities | |
EP4199001A1 (en) | System and method for monitoring performance of a medical device | |
JP2022161868A (ja) | 検査室試料配送および仲介システム | |
JP2022543145A (ja) | ウォークアウェイ時間可視化方法およびシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |