IMPACTO DE LA AUTOMATIZACIÓN DEL LABORATORIO CLINICO EN

EL SERVICIO A LOS UUARIOS

Los instrumentos de laboratorio inteligentes y automatizados están contribuyendo a que

los laboratorios funcionen más eficientemente y presten servicios de análisis más
avanzados, al tiempo que preparan el terreno para flujos de trabajo y procedimientos
impulsados por IA.

Desde la década de los cincuenta hemos asistido a un avance extraordinario en la

automatización analítica. Pero, fue en la década de los 90 cuando aparecieron las
primeras automatizaciones que afectaban a las fases pre y post analítica.

Puede decirse, a pesar de todo, que la automatización de laboratorio todavía no ha

alcanzado su madurez y está siguiendo un desarrollo paralelo al que tuvieron los
sistemas informáticos de laboratorio (SIL) a finales de los 70 y comienzos de los 80. Es
decir, unos comienzos titubeantes seguidos de una evolución e implantación imparables.

Por otra parte, el diseño de la automatización ha pasado de criterios basados en

hardware, que originan automatizaciones costosas y poco flexibles, a criterios basados
en software, tales como PSM desarrollado por Roche diagnóstica durante nuestra
reingeniería de procesos, capaces de soportar el control de los autoanalizadores, dirigir
sistemas pre y post analíticos, gestionar el transporte de muestras y test reflejos, etc. y
que están en rápida expansión.

Es cada vez más evidente que hardware y software son funcionalmente

interdependientes y que la tendencia actual es la automatización por secciones y no la
total.

Palabras clave: Laboratorio. Automatización. Análisis.

Desde la aparición, allá por los años cincuenta, de los reactivos listos para su uso, que
fueron considerados un sistema por facilitar las tediosas tareas de preparación de
reactivos, la auto- matización analítica no ha dejado de avanzar y sofisticarse en gran
parte debido a los adelantos en la tecnología informática1.

Sin embargo, hubo que esperar hasta la década de los noventa2 para asistir a la
aparición de las primeras automatizaciones pre y postanalíticas, (Tabla 1), por lo que se
puede decir que la automatización de laboratorio todavía no ha alcanzado su madurez.
Así, hemos sido testigos de una evolución bastante errática, sobre todo porque hubo una
época en que se pensó que las maquinas podrían sustituir totalmente al hombre en el
laboratorio, cosa que afortunadamente no ha sucedido, de ahí surgió el concepto inicial
de automatización total de laboratorio (TLA). Esta “automatización total”, que Sashaki3
prefería llamar sistematización total por ser un concepto más apropiado, ha tenido poca
penetración en el mercado debido a la gran inversión necesaria y a su falta de
flexibilidad, de hecho, de las 900 instalaciones tipo TLA que existían en 1998 solo 1/3
correspondían a automatizaciones complejas. Por ello, la automatización seccional4 está
teniendo un importante impacto en las áreas analíticas y perianalíticas.

De hecho, con poco personal y unida- des de proceso preanalítico independientes, el

laboratorio puede auto- matizar estos pasos con un costo relativamente bajo. Los
instrumentos modulares están produciendo una mejora en la eficiencia analítica por con-
solidar análisis químicos, inmunoensayos y TDM, a veces, en un solo equipo.

Como dicen Markin y Whalen5: “la llave de la mejora de los servicios de labora- torio
será la implantación de la correcta tecnología de automatización”.

Ha de tenerse en cuenta que los labora- torios difieren en su misión, tamaño, procesos y
problemas a los que hacer frente. Además, están en un entorno cambiante, por lo que la
automatización debe ser suficientemente flexible para resolver problemas y adaptarse a
este entorno. De hecho, mientras algunos laboratorios necesitarán automatizarse
totalmente, a otros les bastará con automatizar procesos muy específicos y algunos
podrán resolver sus problemas solo mejorando sus procesos sin invertir en equipos de
automatización. No obstante, son siempre conscientes de que no hace falta tener un
laboratorio de gran tamaño para resolver problemas automatizando, y de que en muchas
ocasiones va a ser difícil distinguir las mejoras producidas por la automatización, de las
obtenidas por efecto del rediseño de flujos y procesos. Este re- diseño es el primer paso
a dar siempre que nos planteemos un proceso de automatización6 y, como objetivo
inicial, hemos de tener el cambio de orientación de los servicios estructurándolos en
relación a los conceptos de consolidación, combinación de distintas tecnologías
analíticas estratégicas en un instrumento o grupo de instrumentos, e integración, unión
de instrumentos analíticos con servicios pre y post analíticos2. Es decir, una orientación
por procesos en lugar de la orientación académica tradicional (por disciplinas).

Hemos de tener en cuenta que cuanto más automatizado sea un proceso menos personal
necesitará, y, por ello, nuestra disponibilidad de personal será importante a la hora de
decidirnos por un tipo de automatización. Así, en USA, en la década de los noventa se
vivió una época en que los costes de personal pasaron de ser un 43% del gasto de
laboratorio a suponer un 65%, en tanto que el gasto en equipos y reactivos pasó de
suponer un 35% a ser del 15%, es decir que bajó un 58%, lo que tuvo un enorme
impacto en las casas comerciales que las ha llevado a reconducir sus estrategias de venta
y amortización comenzando a basarlas en la disminución de personal que originan las
automatizaciones.

Desde la instalación del primer sistema comercial en 1988 en el Hospital Universitario

de Akita, se ha ido avanzando lentamente en el campo de la automatización; así pues,
no fue hasta mediados de los 90 cuando comenzaron a instalar- se en USA y Europa las
primeras auto- matizaciones complejas, con cintas de transporte, centrífugas,
destaponado- res, etc. Hasta entonces, el 80% de las automatizaciones correspondían a
cadenas hematológicas.

Desde nuestro punto de vista, la auto- matización modular es en realidad una evolución
hacia la bioquímica, inmunoquímica y fases no analíticas de las cadenas hematológicas
que era lo que más éxito estaba teniendo y con lo que los fabricantes encaminaron sus
esfuerzos hacia la construcción de instrumentos dirigidos a tareas específicas. Se
predice que el 90% de la tercera generación en el hemisferio occidental serán MLA.

Así la automatización basada funda- mentalmente en hardware, dio paso a las

tendencias actuales basadas en criterios de software. De hecho, los software de control
de procesos, con gestión de transporte de muestras, test reflejos, etc., que contribuyen a
la reorganización y racionalización de procesos están en rápida expansión, tal como
describimos al desarrollar nuestro concepto de Automatización Virtual7, que aunque se
basa en un sistema informático de control va mucho más allá y es una filosofía de
trabajo que permite abordar las automatizaciones desde un óptica más sencilla y
racional y encaminarlas, si lo deseamos, hacia MLA o TLA. Así, nosotros trabajamos
en una estructura abierta donde recibimos las muestras para todos los servicios del
laboratorio y las preclasificamos y distribuimos, en el caso de las sangres por tapones de
colores, sin ningún tipo de orden, pues el software de control de procesos es quien
dirige las muestras. Desde que comenzamos a trabajar con el software de control de
procesos (PSM), (Figura 2), tenemos 4 estaciones de trabajo, 16 analizadores
conectados, además de la conexión al sistema informático de laboratorio, por lo que la
práctica totalidad de nuestras muestras están controladas en todo momento.

Está claro que hardware y software son funcionalmente interdependientes y la

comunicación entre el sistema de automatización de laboratorio, (SAL), y el sistema
informático de laboratorio, (SIL) es un componente clave ya que un laboratorio
automatizado es críticamente dependiente del SIL, éste va a ser el proveedor de datos a
los autoanalizadores y va a recibir, verificar y almacenar los resultados. Para no pocos
sistemas, las tareas asociadas a la interconexión de varios instrumentos, componentes de
automatización, y sistemas de datos pueden suponer un esfuerzo inasumible8. Por tanto,
existen una serie de requisitos básicos para plantearnos una automatización:

- Software de control de procesos ca- paz de realizar:

- Rastreo de muestras y su localización dentro o fuera de los analiza-
dores.
- Repetición del test cuando se pro- duce un resultado que haga necesario
reenrutar la muestra al mismo u otro instrumento para confirmación (a
través de reglas incluidas en el programa)
- Test reflejos para el mismo o distinto instrumento o Workcell.
- Información integrada entre SIL- Control de proceso-Analizadores que
pueda ser combinada (p.e.: El sistema puede conocer a través del SIH-
SIL que un paciente con Urea elevada está en Diálisis y que por tanto no
es preciso repetirla).
– Posibilidad de control remoto de varios instrumentos o un instrumento un
usuario.
– Personalizable, cambiable y expandible.
– Desarrollar una visión a largo plazo de la automatización.
 – Mantener una flexibilidad para poder expandir o recolocar instrumentos.
– Mantener la conectividad entre instrumentos.
– Elegir un vendedor que nos garantice los puntos anteriores.

Todo esto nos conduce a la necesidad de un proceso de investigación y benchmarking

que puede durar varios años antes de poder implementar la automatización, pues cada
espacio, cada instrumento debe ser cuidadosamente evaluado para determinar sus
necesidades (espacio, servicio técnico, etc.), y para permitir futuros cambios con la
mínima interrupción de labores. Lo que nos llevará a la necesidad de agrupar test, evitar
redundancias, compartir equipamientos, personal, recursos y reducir tabiques, puertas y
pasillos, es decir, hacer una estructura “Corelab” que, además, debe dirigirse hacia
laboratorio 24 horas, lo que nos permitirá convertir el caos en orden, concentrarnos en
las cosas importantes y demostrar que la automatización es una inversión y no un gasto.
Por lo tanto, necesitaremos conocer detalladamente la correcta descripción del flujo de
trabajo, detectar los cuellos de botella, diseñar los escenarios futuros y tomar decisiones
basadas en datos experimentales. Aunque más allá del retorno de la in- versión, hoy día,
se habla de que la justificación de la inversión ha de hacerse también teniendo en cuenta
la mejora de la eficiencia, con reducción de erro- res en el proceso, mejora del tiempo
de respuesta, mejora de calidad, disminución de riesgos biológicos, entorno de trabajo
más seguro, etc. Es decir, no todos los beneficios deben cuantificarse económicamente9.
Además, pensemos que, si somos capaces de implementar la automatización y flujos
adecuados a nuestras necesidades, el retorno de la inversión puede ser una realidad en
12 a 36 meses10.

Calidad del servicio

La calidad de un laboratorio se puede definir como la exactitud, fiabilidad y puntualidad

de los resultados analíticos notificados. Los resultados analíticos deben ser lo más
exactos posible, todos los aspectos de las operaciones analíticas deben ser fiables y la
notificación de los resultados debe ser puntual para ser útil en el contexto clínico o de la
salud pública.

Cuando se realizan mediciones, siempre existe cierto nivel de inexactitud. El reto es

reducir el nivel de inexactitud al máximo posible, dadas las limitaciones de nuestros
sistemas de análisis. Un nivel de exactitud del 99 % puede parecer aceptable en primera
instancia, pero el error resultante del 1 % puede ser demasiado grande en un sistema en
el que se producen muchas incidencias, como el de las pruebas analíticas.

Los laboratorios producen resultados analíticos que se utilizan de manera generalizada

en los contextos clínicos y de salud pública y los resultados relacionados con la salud
dependen de la exactitud de los análisis y de su notificación. Si los resultados son
inexactos, las consecuencias pueden ser muy significativas, entre ellas:

- Tratamientos innecesarios;
- Complicaciones del tratamiento;
- Falta de proporcionar el tratamiento adecuado;
- Retrasos en el diagnóstico correcto;
- Pruebas diagnósticas adicionales e innecesarias.

Estas consecuencias incrementan los gastos tanto en tiempo como en esfuerzos del
personal y a menudo dan lugar a malos resultados para el paciente.

Para poder lograr el más alto nivel de exactitud y fiabilidad, es esencial realizar todos
los procesos y procedimientos del laboratorio de la mejor forma posible. El laboratorio
es un sistema complejo, que implica muchos pasos de actividad y a muchas personas.
La complejidad del sistema exige que se lleven a cabo de forma adecuada diversos
procesos y procedimientos. Por tanto, el modelo de sistema de gestión de la calidad, que
examina todo el sistema, es muy importante para lograr un buen rendimiento en el
laboratorio.

Calidad de los procesos

La gestión de procesos comprende varios factores que son importantes para asegurar la
calidad de los procesos de análisis del laboratorio. Estos factores incluyen: el control de
la calidad de los análisis, la correcta gestión de muestras, que incluye la recogida y
manipulación de las mismas, y la verificación y validación de los métodos.

Cuando todos los procedimientos y procesos del laboratorio se organizan en una

estructura comprensible y práctica, aumentan las oportunidades de garantizar que todo
se gestiona de forma adecuada. El modelo de la calidad que se utiliza aquí organiza
todas las actividades del laboratorio en 12 elementos clave del sistema de la calidad.
Estos elementos clave del sistema de la calidad son un conjunto de actividades
coordinadas que sirven de elementos constitutivos de la gestión de la calidad. Si se
pretende lograr una mejora global en la calidad del laboratorio, es necesario abordar
cada uno de ellos.

Capacitación de los RRHH

Las medidas diagnósticas y terapéuticas, que se toman en base a los análisis de

laboratorio, le imponen al mismo una gran responsabilidad, por eso el papel del
Laboratorio Clínico como medio complementario del diagnóstico médico cobra cada día
más relevancia. Garantizar que sus resultados sean altamente confiables no es una tarea
fácil, pues no es suficiente trabajar simplemente con un máximo de cuidado, debe
existir, además, un sistema bien establecido que ejerza un efectivo control y que
garantice el funcionamiento óptimo de los laboratorios clínicos, esta actividad es el
control de calidad (C. C).

Diferencias fundamentales entre igualdad y equidad

A diferencia de la igualdad, la equidad no consiste en tratar a las personas del mismo

modo, sino en tener en cuenta las circunstancias personales y establecer acciones
concretas para subsanar las desventajas para que todos puedan partir de una posición
igualitaria.

Ambos términos determinan la justicia social o la falta de ella en una sociedad. En las
sociedades más desarrolladas aún queda mucho por hacer para conseguir que estos dos
elementos, la justicia y la sociedad, conformen un único criterio. Sin embargo, la
realidad es mucho más terrible en aquellos lugares en los que la falta de equidad e
igualdad ponen en peligro la supervivencia de sus gentes.

Igualdad y equidad son dos palabras que suelen utilizarse de forma indistinta y,

aunque es cierto que están relacionadas, su significado es diferente como también lo es
el reconocimiento institucional que se concede a cada uno de los términos.

La definición que nos da la Real Academia Española de la Lengua (RAE) del vocablo
igualdad es: «Principio que reconoce la equiparación de todos los ciudadanos en
derechos y obligaciones». 

La igualdad es un derecho humano reconocido en la Declaración Universal de los

Derechos Humanos de las Naciones Unidas que quiere garantizar el trato igualitario a
todas las personas ante la ley sin discriminaciones ni privilegios.
La equidad es definida por la RAE como: «Justicia natural, por oposición a la letra de la
ley positiva», es decir, la guía para aplicarla no es tanto el texto de la ley como lo que se
concibe como justo actuando en conciencia.

He aquí la mayor diferencia entre ambos términos. La igualdad es una idea de cómo
debería ser el trato personal y social, mientras que la equidad es una realidad que
implica el reconocimiento de características y condiciones personales y
sociales para que la aplicación de la igualdad sea justa.

Uno de los ejemplos donde se percibe más claramente la diferencia entre la igualdad y
la equidad es en el trato a las personas según su género. La igualdad de género estipula
que hombres y mujeres tengan los mismos derechos y en las sociedades más
desarrolladas esto es así sobre el papel. El problema es que la igualdad formal no tiene
en cuenta las barreras invisibles que suponen los valores y las normas imperantes.

La equidad de género va un paso más allá al considerar los factores que constituyen el
pensamiento social para evitar las trabas que evitan la aplicación del espíritu y la
intención de la norma.

Exponemos algunos datos relevantes:

 El informe del Índice de Género e Instituciones Sociales (SIGI), del Centro de 

Desarrollo de la OCDE, que evalúa la situación de las mujeres en 180 países del
mundo, determina que la legislación vigente en 88 países impide a las mujeres
ejercer determinadas profesiones.

 Los datos de la Oficina Estadística de la Unión Europea (EUROSTAT)

establecen en un 15,7% la brecha salarial entre hombres y mujeres en Europa.

 El Informe Global de Brecha de Género 2020 del Foro Económico Mundial

establece en un 55% el porcentaje de las mujeres, entre los 15 y los 64 años,
activas en el mercado laboral frente al 78% de los hombres.

La igualdad necesita de la equidad para que la idea normativa se convierta en parte de la

ética social pasando de la uniformidad legal a la aceptación de la subjetividad real en
función del concepto de justicia social. Las medidas de discriminación positiva son
decisiones equitativas para lograr la igualdad.

Ventajas y desventajas de la automatización en el laboratorio clínico

Automatización de laboratorios: Las ventajas

1. Reducción de los costes de las pruebas

La automatización del laboratorio ha pasado de la organización por lotes de un grupo de

pruebas a la capacidad de realizar un amplio menú de pruebas dentro de un pequeño
conjunto de plataformas. Integrado con sistemas de clasificación y alicuotado, un gran
menú de pruebas puede ser realizado por un número limitado de personal, eliminando
grandes cantidades de trabajo manual. Lo que no se menciona es que la flexibilidad de
las plataformas permite que las pruebas se realicen en un espacio limitado, lo que
reduce los costes de los servicios públicos y de los equipos, lo que significa que los
gastos de capital pueden amortizarse en un mayor número de pruebas.

2. Procesamiento más rápido

La eliminación de la necesidad de que los humanos manipulen las muestras significa

que éstas pueden prepararse para las pruebas mucho más rápidamente. Esto significa
que las pruebas bioquímicas pueden realizarse más rápidamente, y las tecnologías de
diagnóstico molecular, cromatografía líquida e incluso cultivo de microbios y tejidos
pueden realizarse sin necesidad de intervención. Esto significa que las pruebas se
pueden realizar más rápidamente de lo que se puede hacer manualmente, lo que permite
un tiempo de respuesta más rápido para los resultados de las pruebas.

3. Facilidad de interacción con los sistemas LIS/HIS

Los sistemas de información de laboratorio se han utilizado para rastrear los resultados
y seguir las tendencias de los pacientes. Lo que la automatización del laboratorio puede
hacer con los sistemas LIS es permitir una ordenación más sofisticada de las pruebas
para sugerir las que pueden ser apropiadas según los resultados. Integrada con los
sistemas de información sanitaria, esta información puede servir de base para la toma de
decisiones sobre el tratamiento y orientar hacia tratamientos más eficaces en función de
cómo los tratamientos anteriores han dado lugar a resultados de laboratorio con
pronósticos concretos.

4. Modularidad

Los sistemas de automatización de laboratorios son personalizables para satisfacer las

necesidades de un determinado laboratorio. El número y los tipos de módulos
disponibles permiten añadir y eliminar diferentes tecnologías de pruebas a medida que
la tecnología se pone en marcha. Esto permite a los laboratorios evolucionar con su
población de pacientes y con la tecnología, lo que significa que los servicios ofrecidos
serán más relevantes para las poblaciones de pacientes. Esto también limita el riesgo de
obsolescencia, lo que justifica el coste de capital global.

5. Más tiempo para consultar

The reduction of manual labor means that laboratory professionals have more free time
to communicate with their salud colleague on how laboratory tests work. They can
guide them towards tests that will help them answer clinical questions effectively, and
avoid tests that may be unnecessary. They can also help explain the science behind the
tests as to better assist healthcare professionals as to what is going on with the patient in
front of them, allowing them to make adjustments in treatment as appropriate.

Automatización de laboratorios: Desventajas o retos

1. Curva de aprendizaje

La automatización del laboratorio cambia la forma en que las personas interactúan con
las pruebas. En lugar de tener que interactuar con las muestras en algún momento para
realizar las pruebas, la automatización hace todo el trabajo. Sin embargo, hay que tomar
decisiones con respecto a la publicación de los resultados de las pruebas, la supervisión
de los equipos, la realización de pruebas de control de calidad y la decisión de realizar
el mantenimiento. Entender los ritmos de funcionamiento de las pruebas con estos
equipos puede ser un reto, sobre todo porque los flujos de trabajo pueden cambiar en un
laboratorio.

2. Entender el software

La automatización del laboratorio requiere un sofisticado software para hacer un

seguimiento de las órdenes de pruebas, dirigir las muestras en la dirección adecuada,
mantener los resultados de los pacientes y del control de calidad y vigilar los
indicadores del equipo. Adquirir el hábito de supervisar el software puede ser un reto,
ya que requiere comprender a nivel sistémico lo que la automatización está haciendo y
por qué. Para los que han trabajado con las manos en el banco, entender cómo se
traduce eso a la automatización puede ser un reto.

3. Solución de problemas
Entender qué significa un error en un sistema complejo puede ser un problema. Aunque
hay algunos problemas obvios que pueden abordarse directamente, los problemas sutiles
pueden aparecer con el tiempo. Esto requiere el seguimiento y la supervisión de los
sistemas para detener los problemas antes de que empiecen. También significa aportar
una mentalidad diferente a las operaciones del sistema, y grandes habilidades de
comunicación entre el personal y profesionales de la saludEn particular, los que pueden
trabajar en diferentes mierdas, con el fin de abordar las preocupaciones de las pruebas.

4. Pérdida de conocimientos institucionales

Cuando llega una nueva tecnología, la antigua se va. Si bien es cierto que esto supone
un aumento de la productividad, se pierden algunas habilidades y conocimientos del
sistema antiguo. Dado que la atención médica se desarrolla a lo largo de varios años, es
necesario saber por qué se hacía algo de una manera determinada en el pasado para
garantizar que cualquier información nueva sobre las pruebas de un paciente se entienda
dentro de un contexto más amplio. Deshacerse de las técnicas de prueba más antiguas
hace que sea difícil mantener ese nivel de conocimiento accesible. Además, los
conocimientos más antiguos pueden ser útiles para la resolución de problemas de los
nuevos equipos, incluso cuando esos conocimientos no se utilizaban con mucha
frecuencia.

5. Cambio en la mezcla de pruebas

A medida que las ventajas de la automatización se hacen patentes, puede resultar

rentable incorporar algunas pruebas a la empresa, mientras se suprimen o se
subcontratan otras. Estas nuevas pruebas requieren cambios en los suministros, lo que
repercute en el almacenamiento de reactivos y en las necesidades de personal. La
comprensión de los nuevos flujos de trabajo, que pueden crear nuevas demandas de
mano de obra, puede crear desafíos de personal, ya que la gente tiene que acostumbrarse
a nuevas horas y nuevas responsabilidades. La superación de estos retos puede crear
cargas imprevistas que dificulten el cambio a la automatización del laboratorio.
Citas bibliográficas

1. Symson E. Laboratory Automation: Practical Planning for a successful

outcome. AACC. October 11-12, 2000, Arlington Virginia.
2. Hoffman GE. Concepts for the t5hird generation of laboratory sytems. Clin
Chim Acta 1998; 278, 203-16.
3. Sasaki M, Kageoka T, Ogura H, Ueta T, Sugihara S. Total Laboratory
Automation in Japan Past, present and future. Clin Chim Acta 1998; 278 (2):
229-42.
4. Demers LM. Laboratory Automa- tion: Practical Planning for a suc- cessful
outcome. AACC. October 11-12, 2000, Arlington Virginia.
5. Markin RS,Whalen SA. Laboratory Automation: Trajectory, Technology and
Tactics. Clin Chem 2000; 46:5, 764-71.
6. Casis E, Garrido A, Zufiaurre MC, Uranga B. Procesos de automatiza- ción,
Estructuras Core Lab. Todo Hospital 2000; 168, 449-53.
7. Casis E, Garrido A, Uranga B, Vives A, Zufiaurre MC. Virtual Automa-
tion. Clinical leadershipo & Mana- gent Review. 2001; 15 (2): 89-91.
8. Orsulak PJ. Stand Alone Automa- ted solutions can enhance labara- tory
operations. Clin Chem. 2000; 46: 5, 778-83.
9. Pawlick GF. Task Targeted automa- tion. AACC. October 11-12, 2000;
Arlington Virginia.
10. Mortland KK. Trends in Lab Desing: Preparing for robotics. AACC. Oc-
tober 11-12, 2000, Arlington Virginia.