Hub de triagem · tecnologia
Tecnologia e IA
Sete categorias de solução que se sobrepõem no discurso comercial e têm fronteiras claras na prática — e uma separação honesta entre o que a inteligência artificial resolve hoje, o que ainda é promessa e o que não deveria ser probabilístico de jeito nenhum.
01As sete categorias
Para cada uma: o que é, o que resolve e — a coluna mais útil numa avaliação — o que ela não resolve.
LIS
O que é: o sistema que governa pedido, paciente, amostra, resultado, laudo e faturamento.
Resolve: é o dono do estado da amostra e das regras de negócio — sem ele não há track & trace.
Não resolve: falar o protocolo elétrico de cada analisador.
Middleware
O que é: camada entre o LIS e os equipamentos, que traduz protocolos e monta worklist.
Resolve: a diversidade do parque instalado, regras técnicas de bancada e repasse de resultado.
Não resolve: ser dono do cadastro de exames ou da regra clínica.
Automation manager
O que é: o software que comanda a linha de automação e decide o caminho de cada tubo.
Resolve: roteamento físico dentro da linha, balanceamento entre módulos e tratamento de exceção da esteira.
Não resolve: existir sem regra de roteamento cadastrada em algum lugar.
Sample tracking
O que é: módulo ou produto dedicado a eventos, localização e busca de amostra.
Resolve: a pergunta “onde está” com trilha completa; às vezes vem dentro do LIS, às vezes é apartado.
Não resolve: gerar evento sozinho — depende de checkpoints no fluxo.
Automação pré-analítica
O que é: os módulos físicos: sorter, centrífuga integrada, decapper, aliquotador, recapper.
Resolve: a execução das etapas de preparo, com velocidade e reprodutibilidade.
Não resolve: decidir o que fazer — executa regra, não a cria.
TLA
O que é: os módulos conectados por esteira, formando linha contínua.
Resolve: continuidade física e informacional, com rastreabilidade quase completa por construção.
Não resolve: identificação ruim na origem e cadastro incompleto.
Storage management
O que é: gestão de armazenamento: posição, ocupação, retenção e recuperação.
Resolve: saber onde cada amostra está guardada e o que já pode ser descartado.
Não resolve: funcionar sem modelo hierárquico de localização no sistema.
02Onde elas se confundem
As sobreposições não são acidentais: cada fornecedor estende o próprio produto na direção dos vizinhos. O problema aparece quando a mesma responsabilidade acaba em dois lugares — ou em nenhum.
| Pergunta a fazer numa avaliação | Por quê |
|---|---|
| Onde mora a regra de roteamento? | se estiver em dois lugares, elas vão divergir — é questão de tempo |
| Quem é o dono do estado da amostra? | dois sistemas com estado próprio produzem versões diferentes da verdade |
| Os eventos da automação chegam ao LIS? | sem isso, a linha tem rastreabilidade e o laboratório não |
| O de-para de exames é mantido onde? | é o cadastro que mais muda e o que mais quebra integração |
| O que acontece quando a linha para? | existe modo degradado, ou a operação inteira para junto |
| A busca por amostra é uma só? | se cada sistema tem a sua, ninguém sabe qual consultar primeiro |
03Onde a IA entra
A mesma separação dos outros hubs, aplicada aqui: regra determinística quando existe uma resposta certa conhecida, estatística quando se estima o futuro a partir do histórico, e modelo quando é preciso interpretar algo não estruturado.
Previsão de volume de chegada
útil hojehistórico por rota, dia e faixa de horário — estatística madura; resolve dimensionamento de escala e de capacidade.
Previsão de TAT e de atraso
útil hojea partir do backlog atual e do histórico de cada trecho; permite avisar antes de estourar.
Detecção de anomalia em indicadores
útil hojeapontar o turno, a origem ou o equipamento que saiu do padrão antes do fechamento do mês.
Amostras candidatas a extravio
útil hojesinalizar as que estão há muito tempo sem evento, considerando o padrão de cada trecho.
Análise de causa de rejeição
útil hojeagrupar histórico em categorias e apontar concentração por origem, coletador ou rota.
Leitura de código danificado
experimentalreconstruir por visão computacional um código de barras parcialmente ilegível.
Previsão de gargalo antes de formar
experimentalantecipar onde a fila vai se formar com base no que está entrando.
Otimização de roteamento em tempo real
experimentalbalancear carga entre equipamentos considerando fila, prazo e custo simultaneamente.
Decidir aceitar ou rejeitar
não precisa de IAé critério técnico com consequência clínica; precisa ser determinístico e auditável.
Calcular o destino da amostra
não precisa de IAé motor de regras puro — exame, material e cadastro produzem uma resposta única.
Escolher a posição no freezer
não precisa de IAé alocação em grade com regra de sequência; não há nada a inferir.
Aplicar política de retenção
não precisa de IAé data mais prazo cadastrado; usar modelo aqui é adicionar incerteza sem ganho.
A regra que separa os dois mundos: a triagem é, das etapas do laboratório, a que menos precisa de IA e mais precisa de dado estruturado. Quase tudo nela tem resposta certa conhecida — qual tubo, qual destino, qual posição, qual prazo. Onde o modelo agrega é no olhar para frente: quanto vai chegar, onde vai formar fila, o que está prestes a atrasar.
04A ordem de adoção
Para um laboratório que quer sair do zero em rastreabilidade, a sequência que entrega valor mais cedo — e note que os quatro primeiros passos não envolvem comprar equipamento.
| Ordem | O que fazer | Por que agora | O que destrava |
|---|---|---|---|
| 1 | Identificador único e código de barras confiável | é a chave de tudo; sem leitura confiável nada acima funciona | toda a rastreabilidade |
| 2 | Eventos básicos: recebida, triada, aceita/rejeitada | transforma a triagem física em triagem sistêmica | indicadores de entrada e busca por amostra |
| 3 | Motivo de rejeição como cadastro fechado | é dado, não equipamento; custa tempo e não capital | Pareto, causa raiz e ação corretiva |
| 4 | Localização hierárquica e eventos de guarda | responde “onde está” sem alguém andar pelos setores | soroteca, recuperação e descarte controlado |
| 5 | Roteamento derivado por regra | tira a decisão da memória e a torna auditável | automação, que executa regra |
| 6 | Worklist e host query com os equipamentos | elimina digitação dos dois lados | vínculo amostra-equipamento e volume alto |
| 7 | Automação pré-analítica modular | agora existe regra para a máquina executar | velocidade e reprodutibilidade no preparo |
| 8 | Previsão e detecção de anomalia | só agora há histórico de eventos para prever qualquer coisa | gestão antecipada em vez de reativa |
Guarde: a ordem se repete em todos os hubs deste site: dado, regra, máquina, modelo. Quem inverte compra uma esteira que para a cada tubo pedindo intervenção — e conclui, erradamente, que automação não funciona.
Resumo do guia: sete categorias com fronteiras que o discurso comercial embaça, sendo a regra de negócio a responsabilidade mais perigosa de duplicar; a IA tem cinco usos maduros, três experimentais e quatro casos em que não deveria ser usada; e a ordem de adoção começa por dado. Falta transformar tudo em produto.
Ver a visão de produto →Continue no hub de triagem e rastreabilidade