“检验医学”遇上“人工智能”
陈鸣
陈鸣：人工智能(AI)是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门新兴学科，其发展最早可溯源至20世纪50年代，1956年McCarthy在美国达特默斯的一次学术会议上第一次提出“人工智能”的概念。近年来，随着AI相关学科发展、理论建模、技术创新、软硬件的整体发展，AI技术取得了突破性的进展。2017年7月8日国务院印发的《新一代人工智能发展规划》正式将AI上升到国家发展规划高度，其中针对医疗领域提出了“推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系”的任务部署。我国检验医学发展从原始的手工检验起步，经历了半自动化分析到全自动化分析的检验现代化阶段，目前正处在全实验室自动化和实验室信息化时代，而AI可能为检验医学的下一步发展注入新的活力。目前，以专家系统(MES)、人工神经网络(ANN)、数据挖掘(DM)为支撑的AI技术在疾病诊断、提升检验流程自动化程度、个体化结果的分析和DM等医学检验领域得到了广泛应用。本期主持人邀请了国内从事智能检验研究的多位专家，一起来探讨AI技术目前在智能检验领域的优势与挑战，同时对下一步AI技术领域的方法方向进行了展望。
1 陈鸣：AI作为引领未来的战略性技术，其在检验医学应用中有何优势，对分析前、分析中、分析后检验有哪些贡献？
崔巍
崔巍：AI是引领新一轮科技革命和产业变革的战略性技术，主要包括图像识别、自然语音识别、决策支持和语言转换等研究领域。从历史上看，科学的进步、工程技术的发展都会应用于医学并推动医学技术的发展，AI更是如此。通过检索PubMed可发现，过去几年中有83 000余篇文献涉及AI在医学领域的应用。检验医学是现代医学的重要组成部分，临床决策所需信息70%来自检验，其主要工作为样本的检测和结果的解读，这正是包括图像识别和决策系统等AI技术发挥巨大作用的领域，甚至能颠覆现有的技术和应用。
AI在分析前阶段中的应用主要集中在标本采集、转运和不合格样本识别，如抽血机器人、样本转运机器人、自动样本传送的无人机及不合格样本的自动识别。在分析中阶段，图像识别是最具发展前景的技术，可帮助解决检验项目中的形态学判读问题，包括骨髓片、血涂片、尿沉渣、荧光切片、细菌菌落等。通过深度学习和神经元网络，计算机已经能够根据细胞形态对红细胞进行分类。在分析后阶段，AI能够发挥更大的作用。采用机器学习技术，可以进行智能化的报告审核与复检、危急值报告，甚至通过对多个检测项目的历史数据分析发现试管标签错误。而且，AI技术可以帮助实现从检验报告到诊断报告的转变。采用AI技术，通过多参数的数据发掘，可以找到外周血中与心房颤动相关的关键指标，预测急性心肌梗死的风险，这是传统地靠单一检验项目做不到的。
陈瑜
陈瑜：“云大物移智”在检验医学中应用，将颠覆现有技术，突破人类极限，产生许多新的细化领域。分析前，有自动分管和贴码、机器人采血、机器物流、标本分拣机，实验室内有全自动标本前处理系统。分析中，有智能质控、中间件、自动审核、细胞阅片、远程检验等新技术。分析后，有智能解释、疾病诊断、疾病相关因素分析和检验效能评价等。这些新技术的应用主要优势有：优化检验流程，实现机器换人；提升检验工作质量和效率；保证实验室生物安全；增加患者服务可及性和检验价值。
郭玮
郭玮：AI在21世纪得到了飞跃性的发展。检验医学的高度数据化则为AI的应用创造了条件。首先，自动化高通量检验设备的发展使得实验室产生了海量的数据，人工无法通过常规手段进行有效的分析，需要能够自我学习和处理数据的AI技术；其次，检验医学通过量化的指标描述患者的状态，采用实验室信息系统(LIS)一类的关系型数据库存储数据，这样的数据类型和数据库形式便于AI的学习。高度数据化的特点也促成了AI在检验医学应用中的优势。
为了能够准确地反映患者的状态，检验工作者在日常工作中采集了检验各个环节的信息，尝试去了解这些环节对检验结果和患者诊疗的影响，包括分析前、分析中、分析后各个阶段，这也构成了AI的应用场景。
分析前，AI可以参考患者信息，为临床医生推荐检测项目，避免遗漏以及浪费；分析检验前标本运输时间，提升运转效率；检查标本检验前状态，自动识别问题标本或不合格标本。检验耗材以及人员等安排管理也可由AI优化。
