人工智能對(duì)我國(guó)檢驗(yàn)醫(yī)學(xué)的機(jī)遇與挑戰(zhàn)

張桐碩，逄璦博,任鶴菲,魏茂提,李艷秋△

(1.武警特色醫(yī)學(xué)中心檢驗(yàn)科，天津 300162；2.武警北京總隊(duì)執(zhí)勤第十一支隊(duì)衛(wèi)生隊(duì),北京 100000；3.武警后勤學(xué)院部隊(duì)流行病學(xué)教研室，天津 300309)

作為一門利用計(jì)算機(jī)程序模擬人類學(xué)習(xí)行為以改善自身性能的學(xué)科[1]，人工智能(AI)借助互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等新興技術(shù)的支撐，在近年來取得了突破性的進(jìn)步。2017年7月國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》正式將AI上升到國(guó)家戰(zhàn)略的高度，其中針對(duì)醫(yī)療方向提出了“推廣應(yīng)用人工智能治療新模式新手段，建立快速精準(zhǔn)的智能醫(yī)療體系”的任務(wù)部署[2]。如今，AI在醫(yī)療領(lǐng)域的研究成果頻出，國(guó)內(nèi)外高科技企業(yè)相繼布局智能醫(yī)療行業(yè)[3]。AI已經(jīng)逐步融入醫(yī)療健康領(lǐng)域，出現(xiàn)了醫(yī)學(xué)影像智能判讀、病歷理解與檢索、手術(shù)機(jī)器人、可穿戴生理監(jiān)測(cè)、新藥研發(fā)、健康管理等諸多應(yīng)用場(chǎng)景[4]。

現(xiàn)今的檢驗(yàn)科無(wú)論從技術(shù)含量還是儀器設(shè)備的多元密集性都是其他科室所無(wú)法比擬，體現(xiàn)了檢驗(yàn)醫(yī)學(xué)對(duì)待新技術(shù)更為敏銳，為AI預(yù)備了廣闊的技術(shù)轉(zhuǎn)化平臺(tái)。另一方面，臨床對(duì)檢驗(yàn)結(jié)果日益高標(biāo)準(zhǔn)的質(zhì)量要求、個(gè)體化結(jié)果的分析和咨詢及龐雜數(shù)據(jù)的處理壓力都迫切需要AI為檢驗(yàn)醫(yī)學(xué)注入新的活力。然而，AI參與檢驗(yàn)數(shù)據(jù)的生成和輔助診斷在國(guó)內(nèi)檢驗(yàn)醫(yī)學(xué)領(lǐng)域尚處于起步階段。文獻(xiàn)計(jì)量結(jié)果顯示，我國(guó)在AI醫(yī)學(xué)裝備技術(shù)領(lǐng)域的研究與報(bào)道聚焦在醫(yī)學(xué)影像學(xué)、臨床病理學(xué)、放射治療等方面，而檢驗(yàn)醫(yī)學(xué)對(duì)AI技術(shù)開發(fā)相對(duì)薄弱[5]。本文立足于AI在醫(yī)學(xué)應(yīng)用中的最新進(jìn)展，總結(jié)出AI與檢驗(yàn)醫(yī)學(xué)在各個(gè)層面的結(jié)合途徑，并剖析目前的制約因素，為檢驗(yàn)工作者在AI浪潮中進(jìn)行前瞻性準(zhǔn)備、提升核心競(jìng)爭(zhēng)力提出一些建設(shè)性意見。

1 AI對(duì)整個(gè)檢驗(yàn)流程的覆蓋

1.1檢驗(yàn)前階段的標(biāo)本采集與傳送 檢驗(yàn)分析前(包括標(biāo)本的采集、儲(chǔ)存與運(yùn)送)的人員涉及面廣、潛在因素多，是質(zhì)量管理最薄弱的環(huán)節(jié)，60%～70%的檢驗(yàn)差錯(cuò)來源于此。醫(yī)療機(jī)器人是AI控制技術(shù)應(yīng)用在醫(yī)療器械上的典型代表，除了為人熟知的達(dá)芬奇手術(shù)機(jī)器人，醫(yī)療機(jī)器人的種類已涵蓋了導(dǎo)診、運(yùn)送、護(hù)理輔助等醫(yī)療保健流程。血液檢驗(yàn)是臨床檢驗(yàn)中最重要的內(nèi)容，然而人工采血耗時(shí)費(fèi)力，不僅患者排隊(duì)等待就醫(yī)體驗(yàn)不佳，而且項(xiàng)目識(shí)別和人工貼條碼過程易出差錯(cuò)。美國(guó)初創(chuàng)公司VascuLogic研制的采血機(jī)器人通過AI算法綜合分析手臂的紅外和超聲信號(hào)，定位靜脈最佳采血位點(diǎn)，根據(jù)血流量自動(dòng)調(diào)整進(jìn)針深度，相比護(hù)士采血更加安全高效，也將大大緩解患者對(duì)采血的畏縮情緒。再如我國(guó)少數(shù)幾家醫(yī)院率先開展的門診智能采血管理系統(tǒng)[6-7]，實(shí)現(xiàn)了排隊(duì)叫號(hào)、判斷患者檢驗(yàn)信息、核實(shí)檢驗(yàn)項(xiàng)目、血樣傳輸?shù)娜套詣?dòng)化，極大提高了檢驗(yàn)效率，同時(shí)化解了困擾已久的醫(yī)患糾紛，發(fā)揮了良好的示范效應(yīng)。

1.2檢驗(yàn)中階段的深度學(xué)習(xí)助力形態(tài)學(xué)判別 以卷積神經(jīng)網(wǎng)絡(luò)為標(biāo)志的深度學(xué)習(xí)是驅(qū)動(dòng)此輪AI爆發(fā)的核心，它突破了非結(jié)構(gòu)性數(shù)據(jù)分析的瓶頸，尤為擅長(zhǎng)分析圖像信息。基于圖像識(shí)別的AI對(duì)皮膚癌[8]、乳腺癌[9]和先天性白內(nèi)障[10]等疾病的鑒定水準(zhǔn)已經(jīng)達(dá)到甚至超過專業(yè)醫(yī)生，此類研究成果2016年以來陸續(xù)發(fā)表在Nature、JAMA等重磅醫(yī)學(xué)期刊。2018年初，美國(guó)食品藥品監(jiān)督管理局(FDA)批準(zhǔn)了全球首個(gè)深度學(xué)習(xí)影像臨床應(yīng)用平臺(tái)Arterys Cardio DL。騰訊推出的AI醫(yī)學(xué)產(chǎn)品“騰訊覓影”包含早期食管癌、肺結(jié)節(jié)、乳腺癌、糖尿病視網(wǎng)膜病變等多病種的影像篩查，并落地國(guó)內(nèi)100余家三甲醫(yī)院。谷歌旗下的Deepmind開始將更精確全面的3D圖像技術(shù)應(yīng)用于深度學(xué)習(xí)。AI在影像學(xué)領(lǐng)域的科研和商業(yè)化走在了前列，為形態(tài)學(xué)檢驗(yàn)提供了可借鑒的經(jīng)驗(yàn)。從上世紀(jì)80年代就有學(xué)者開始對(duì)血細(xì)胞、尿液有形成分等樣本的圖像識(shí)別進(jìn)行嘗試，但受制于算法結(jié)構(gòu)和細(xì)胞數(shù)據(jù)庫(kù)的規(guī)模，效果并不令人滿意，如今的主流仍是利用流式細(xì)胞技術(shù)轉(zhuǎn)換成的光電信號(hào)間接識(shí)別，再通過人工鏡檢確認(rèn)。以深度學(xué)習(xí)催生的新一代計(jì)算機(jī)視覺技術(shù)為依托，無(wú)論是血細(xì)胞、骨髓細(xì)胞、精子，還是尿液和糞便顆粒，乃至細(xì)菌形態(tài)和染色體，都有望遵循著數(shù)字掃描成像、圖像特征提取、多層模型訓(xùn)練的范式開發(fā)分析系統(tǒng)并在形態(tài)學(xué)檢驗(yàn)領(lǐng)域推廣[11]，攻克檢驗(yàn)項(xiàng)目全自動(dòng)化的最后難關(guān)。

1.3檢驗(yàn)后階段的個(gè)性化報(bào)告審核 檢驗(yàn)報(bào)告是檢驗(yàn)后階段的重要質(zhì)量指標(biāo)，審核和報(bào)告檢驗(yàn)結(jié)果不僅要求及時(shí)、準(zhǔn)確，并盡量實(shí)現(xiàn)不同審核者間的標(biāo)準(zhǔn)化。審核檢驗(yàn)結(jié)果的難點(diǎn)在于標(biāo)本取自的患者狀況千差萬(wàn)別，不能機(jī)械地依據(jù)指標(biāo)的參考區(qū)間判斷異常值，患者指標(biāo)相對(duì)于其個(gè)體基礎(chǔ)水平的動(dòng)態(tài)變化有時(shí)才是重要的。這要求檢驗(yàn)工作者密切結(jié)合臨床信息加以綜合評(píng)估，必要時(shí)查詢病歷或電話追問患者的主治醫(yī)生，是對(duì)其工作經(jīng)驗(yàn)和責(zé)任心的極大考驗(yàn)。基于患者自身情況建立個(gè)體檢驗(yàn)指標(biāo)的參考區(qū)間，實(shí)現(xiàn)個(gè)性化審核是智能化審核系統(tǒng)的改進(jìn)目標(biāo)。例如判斷心肌肌鈣蛋白I(cTNI)檢測(cè)結(jié)果的可靠程度時(shí)，系統(tǒng)將自行調(diào)取心臟病發(fā)病史或手術(shù)史以及cTNI 的歷史結(jié)果等一系列臨床診療進(jìn)程的指標(biāo)輸入審核模型，若不能通過審核，會(huì)自動(dòng)制定復(fù)檢方案并切換至人工確認(rèn)。而個(gè)性化AI審核的前提是LIS和HIS系統(tǒng)對(duì)接保證數(shù)據(jù)共享。

2 基于檢驗(yàn)數(shù)據(jù)的AI輔助診斷

2018年4月國(guó)務(wù)院發(fā)布了《關(guān)于促進(jìn)“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見》，其中包括推進(jìn)“互聯(lián)網(wǎng)+人工智能”應(yīng)用服務(wù)，研發(fā)基于AI的臨床診療決策支持系統(tǒng)。在發(fā)達(dá)國(guó)家，70%～80%的醫(yī)療決策依賴于實(shí)驗(yàn)室檢查結(jié)果[12]。通過AI挖掘檢驗(yàn)指標(biāo)與疾病之間隱含的聯(lián)系或規(guī)則，無(wú)疑能為臨床提供更有價(jià)值的診斷意見，充分體現(xiàn)檢驗(yàn)醫(yī)學(xué)意義。早期的計(jì)算機(jī)輔助診斷由手動(dòng)編制的大量邏輯規(guī)則組成知識(shí)庫(kù)，采用符號(hào)推理的方式，無(wú)法在臨床實(shí)踐中自我校正、彌補(bǔ)知識(shí)缺陷，因而臨床應(yīng)用非常局限[13]。如今AI為輔助診斷開辟了新的途徑，其憑借強(qiáng)大的自學(xué)能力靈活調(diào)整參數(shù)、持續(xù)優(yōu)化系統(tǒng)性能，實(shí)現(xiàn)了對(duì)臨床診病思維和推理判斷過程的模擬。我國(guó)的AI輔助診斷還停留在對(duì)國(guó)外的仿效階段，從基于單類型檢查數(shù)據(jù)的輔助診斷，到利用電子病歷、檢驗(yàn)、影像等多類型數(shù)據(jù)源的綜合輔助診斷，再到集診斷、治療、預(yù)防、風(fēng)險(xiǎn)預(yù)測(cè)等功能為一體的醫(yī)療專家系統(tǒng)，將是AI作為醫(yī)療輔助工具的升級(jí)方向。

2.1區(qū)塊鏈為診斷模型提供數(shù)據(jù)保障 隨著深度學(xué)習(xí)算法日趨成熟，人類進(jìn)入了AI的實(shí)踐時(shí)代，大量且優(yōu)質(zhì)的模型訓(xùn)練數(shù)據(jù)成為了提升AI診斷效果的決定因素。最具代表性的是IBM公司的AI機(jī)器人“沃森醫(yī)生”，它吸納了150萬(wàn)份病歷和診斷圖像、200萬(wàn)頁(yè)醫(yī)學(xué)專著或文獻(xiàn)資料來構(gòu)建腫瘤識(shí)別模型，因其優(yōu)異的性能被譽(yù)為“最好的癌癥專家”[14]。中國(guó)在醫(yī)療數(shù)據(jù)方面具有先天優(yōu)勢(shì)，令人遺憾的是，國(guó)內(nèi)醫(yī)院缺乏數(shù)據(jù)互通規(guī)范，醫(yī)療數(shù)據(jù)被分割在不同的部門里，難以發(fā)揮規(guī)模效益[3]。檢驗(yàn)科是醫(yī)療單位中最具大數(shù)據(jù)特征的科室之一，但在檢驗(yàn)數(shù)據(jù)的收集過程中，會(huì)不可避免地涉及到國(guó)民健康信息等國(guó)家基礎(chǔ)安全數(shù)據(jù)和患者隱私等不適宜公開的信息，必須采取必要措施規(guī)避相關(guān)法律和倫理風(fēng)險(xiǎn)。恰好崛起中的區(qū)塊鏈實(shí)現(xiàn)了點(diǎn)到點(diǎn)以及信息流向的精準(zhǔn)識(shí)別，有望成為醫(yī)療大數(shù)據(jù)的傳遞平臺(tái)[15]。檢驗(yàn)科的某項(xiàng)檢測(cè)結(jié)果一旦生成就可加密寫入?yún)^(qū)塊鏈，既能通過時(shí)間戳溯源患者和樣本以確保數(shù)據(jù)準(zhǔn)確，又禁止被無(wú)權(quán)限的人員查看，更杜絕了黑客的攻擊篡改。在患者的授權(quán)下，這些檢驗(yàn)數(shù)據(jù)以一種安全共享的方式在醫(yī)療體系內(nèi)流轉(zhuǎn)，節(jié)約了數(shù)據(jù)獲取的成本，也增加了患者對(duì)院方的信任。未來或以區(qū)塊鏈建立一套醫(yī)療產(chǎn)業(yè)的信用系統(tǒng)，為AI輔助診斷鋪平道路。

2.2數(shù)據(jù)挖掘?qū)鹘y(tǒng)指標(biāo)的二次開發(fā) 相比那些備受矚目但缺乏臨床實(shí)用性的新型標(biāo)志物，大量常規(guī)檢驗(yàn)指標(biāo)的診斷價(jià)值可能被無(wú)意忽略了，在智能醫(yī)療時(shí)代迫切需要被重新認(rèn)識(shí)和開發(fā)。數(shù)據(jù)挖掘在AI領(lǐng)域被視為機(jī)器學(xué)習(xí)和數(shù)據(jù)庫(kù)的交叉，能從海量的醫(yī)療數(shù)據(jù)中提取潛在的信息和模式。對(duì)檢驗(yàn)結(jié)果和病情診斷數(shù)據(jù)的深度挖掘，可以將傳統(tǒng)檢驗(yàn)指標(biāo)的用途推陳出新。一方面，通過數(shù)據(jù)挖掘探索、優(yōu)化多指標(biāo)聯(lián)合診斷方案，使現(xiàn)有的檢驗(yàn)指標(biāo)高度協(xié)同、融合，最大限度地提升診斷效能。如筆者近期完成的一項(xiàng)關(guān)于卵巢癌智能化輔助診斷的研究，利用電子病歷挖掘系統(tǒng)收集了腫瘤標(biāo)志物、血常規(guī)、性激素類等共計(jì)28項(xiàng)血液學(xué)指標(biāo)，然后經(jīng)主成分分析提取這些指標(biāo)的核心特征，最后得出的診斷效能明顯優(yōu)于單項(xiàng)檢測(cè)CA125[16]。另一方面，通過數(shù)據(jù)挖掘?qū)姺钡臋z查項(xiàng)目進(jìn)行篩選，精簡(jiǎn)項(xiàng)目組合，節(jié)約醫(yī)療資源并減輕患者經(jīng)濟(jì)負(fù)擔(dān)。如LIPPI等[17]在對(duì)近4 000例門診樣本的回顧分析中發(fā)現(xiàn)紅細(xì)胞體積分布寬度(RDW)和超敏C反應(yīng)蛋白(hs-CRP)、紅細(xì)胞沉降率(ESR)兩項(xiàng)炎癥指標(biāo)呈明顯正相關(guān)，由此建議在心血管疾病風(fēng)險(xiǎn)預(yù)測(cè)模型中選用更為方便廉價(jià)的RDW替代hs-CRP和ESR。運(yùn)用數(shù)據(jù)挖掘技術(shù)開發(fā)兼顧簡(jiǎn)約與疾病覆蓋面的檢驗(yàn)項(xiàng)目組合將愈發(fā)普遍，同時(shí)也給予檢驗(yàn)工作者更多調(diào)用手邊的數(shù)據(jù)資源開展科研的機(jī)會(huì)。

2.3機(jī)器學(xué)習(xí)解讀分子診斷 在我國(guó)政府大力推動(dòng)精準(zhǔn)醫(yī)療計(jì)劃的背景下，并獲益于生物芯片和基因測(cè)序技術(shù)的進(jìn)步，檢驗(yàn)醫(yī)學(xué)突破了過去以血、尿、便三大常規(guī)為主的工作范圍，拓展到當(dāng)代醫(yī)學(xué)的前沿領(lǐng)域——分子診斷[18]。種類繁多的基因組、蛋白質(zhì)組、代謝組、宏基因組檢測(cè)數(shù)據(jù)是實(shí)現(xiàn)精準(zhǔn)醫(yī)療的必要前提，但高通量組學(xué)數(shù)據(jù)的呈現(xiàn)形式不同于傳統(tǒng)檢驗(yàn)數(shù)據(jù)，全新的解讀分析思路給檢驗(yàn)行業(yè)帶來了挑戰(zhàn)。機(jī)器學(xué)習(xí)是AI研究的基礎(chǔ)內(nèi)容，下分為諸多具體模型，主要思想是利用已知數(shù)據(jù)捕獲未知的概率分布特征。機(jī)器學(xué)習(xí)算法遠(yuǎn)比常規(guī)回歸模型適合處理非線性關(guān)系，而且機(jī)器學(xué)習(xí)的魯棒性強(qiáng)，足以應(yīng)對(duì)分子檢測(cè)伴發(fā)的數(shù)據(jù)噪音干擾。機(jī)器學(xué)習(xí)構(gòu)建起的復(fù)雜精密的多參數(shù)診斷模型已廣泛應(yīng)用于液體活檢、產(chǎn)前篩查等領(lǐng)域。BEST等[19]采用支持向量機(jī)評(píng)估了血小板RNA測(cè)序?qū)Ψ喊┌Y類型的區(qū)分度。CAPPER等[20]自主設(shè)計(jì)機(jī)器學(xué)習(xí)程序分析DNA甲基化指紋來鑒定中樞神經(jīng)系統(tǒng)腫瘤。REN等[21]構(gòu)建了基于腸道微生物診斷早期肝癌的隨機(jī)森林分類器，并在跨地域人群中得到驗(yàn)證。

3 AI與檢驗(yàn)行業(yè)服務(wù)模式的雙向促進(jìn)

承受著民眾醫(yī)療剛需對(duì)檢驗(yàn)與診斷資源的巨大壓力，以綜合性醫(yī)院檢驗(yàn)科為主體的檢驗(yàn)服務(wù)體系正逐步向兩翼分擔(dān)，第三方實(shí)驗(yàn)室和家用即時(shí)檢驗(yàn)(POCT)將承接更多的檢驗(yàn)業(yè)務(wù)。第三方實(shí)驗(yàn)室或區(qū)域檢驗(yàn)中心的高效、完備、集中，與POCT的快捷、便攜、分散的特點(diǎn)相配合，可以滿足不同層次人群的需求。AI可以把技師的誤差排查和專家的診斷經(jīng)驗(yàn)固化下來，彌補(bǔ)以上檢驗(yàn)服務(wù)場(chǎng)景中醫(yī)療專業(yè)人員的缺位，以AI賦能的方式快速拉動(dòng)第三方實(shí)驗(yàn)室和POCT的服務(wù)質(zhì)量，幫助優(yōu)質(zhì)的檢驗(yàn)診斷資源下沉到基層，推進(jìn)分級(jí)診療的落實(shí)；第三方實(shí)驗(yàn)室和POCT源源不斷產(chǎn)生的數(shù)據(jù)又能反哺AI系統(tǒng)性能的升級(jí)迭代，并為AI在檢驗(yàn)醫(yī)學(xué)產(chǎn)業(yè)生態(tài)中的布局開辟?gòu)V闊空間，由此可形成AI適用性與檢驗(yàn)行業(yè)服務(wù)水平的良性循環(huán)式發(fā)展。

3.1AI與第三方實(shí)驗(yàn)室 第三方獨(dú)立醫(yī)學(xué)實(shí)驗(yàn)室起源于美國(guó)，在歐美和日本等發(fā)達(dá)國(guó)家，第三方實(shí)驗(yàn)室已經(jīng)占據(jù)臨床檢驗(yàn)市場(chǎng)的1/3以上。而我國(guó)的第三方醫(yī)學(xué)檢驗(yàn)興起較晚，市場(chǎng)份額只有3%。我國(guó)2017年4月頒發(fā)了《國(guó)務(wù)院辦公廳關(guān)于推進(jìn)醫(yī)療聯(lián)合體建設(shè)和發(fā)展的指導(dǎo)意見》，醫(yī)聯(lián)體成為現(xiàn)今醫(yī)療改革的主題，第三方實(shí)驗(yàn)室作為醫(yī)聯(lián)體的重要組成部分，在政策的鼓勵(lì)下開始在各地建設(shè)起來。屆時(shí)，第三方實(shí)驗(yàn)室負(fù)責(zé)區(qū)域內(nèi)的各家社區(qū)衛(wèi)生機(jī)構(gòu)和中小型醫(yī)院會(huì)將采集完的標(biāo)本通過冷鏈物流體系統(tǒng)一運(yùn)送，伴隨著檢測(cè)工作量的激增，第三方實(shí)驗(yàn)室迫切需要提升檢測(cè)的自動(dòng)化水平以及結(jié)果自動(dòng)解讀能力。AI醫(yī)療流程控制與診斷系統(tǒng)在第三方實(shí)驗(yàn)室配置后，不僅能保證傳回各個(gè)衛(wèi)生機(jī)構(gòu)的檢驗(yàn)結(jié)果的規(guī)范化和標(biāo)準(zhǔn)化，還能附加初步診斷的增值服務(wù)，將一些重點(diǎn)疾病的篩查和預(yù)警工作提前完成，節(jié)省醫(yī)生的反應(yīng)時(shí)間。

3.2AI與POCT POCT是在采樣現(xiàn)場(chǎng)或患者旁邊，利用便攜式分析儀器及配套試劑快速取得檢測(cè)結(jié)果的一類檢驗(yàn)方式，省去標(biāo)本在實(shí)驗(yàn)室的復(fù)雜處理過程，其產(chǎn)品趨于家用化與可穿戴化，在疾病預(yù)防、慢病管理等方面的應(yīng)用市場(chǎng)巨大。AI和POCT類檢測(cè)設(shè)備的結(jié)合日益緊密，融入了更多智能化、信息化元素的智慧POCT(iPOCT)設(shè)備嶄露頭角。iPOCT內(nèi)植入的AI軟件通過訪問基于云端大數(shù)據(jù)的質(zhì)量管理服務(wù)系統(tǒng)，真正實(shí)現(xiàn)遠(yuǎn)程監(jiān)護(hù)和質(zhì)量控制；在檢測(cè)完成后，又能與病史信息、體征指標(biāo)迅速整合，在經(jīng)大樣本反復(fù)訓(xùn)練后的AI模型中進(jìn)行自動(dòng)分析，提供更全面的診療建議。iPOCT與移動(dòng)云平臺(tái)、個(gè)人用戶APP終端以及醫(yī)院的LIS與HIS系統(tǒng)相互連接，可達(dá)成區(qū)域醫(yī)療機(jī)構(gòu)之間結(jié)果互認(rèn)，便于醫(yī)生追蹤用戶的健康狀況，完成院外隨訪數(shù)據(jù)的采集，iPOCT將成為連接家庭、檢驗(yàn)醫(yī)師、社區(qū)衛(wèi)生醫(yī)生的樞紐。以糖尿病管理為例，無(wú)創(chuàng)型連續(xù)血糖監(jiān)測(cè)儀是POCT領(lǐng)域的一大亮點(diǎn)，它通過感應(yīng)器監(jiān)測(cè)皮下組織間液的葡萄糖濃度而間接反映血糖水平[22]。在未來，可利用AI引擎分析用戶的血糖、用藥等數(shù)據(jù)后，將血糖控制的實(shí)時(shí)指導(dǎo)意見快速傳到用戶的手機(jī)、手表等移動(dòng)接收設(shè)備。在此基礎(chǔ)上還能加裝AI精準(zhǔn)調(diào)控的胰島素輸送泵，打造“仿生胰腺”。

4 人-機(jī)結(jié)合時(shí)代檢驗(yàn)人的焦慮與轉(zhuǎn)型

人類曾經(jīng)獨(dú)有的能力范疇不斷被AI侵入，AI對(duì)各行業(yè)的沖擊導(dǎo)致的從業(yè)者焦慮普遍存在[23]，檢驗(yàn)行業(yè)更是這種恐慌情緒的“重災(zāi)區(qū)”。檢驗(yàn)醫(yī)學(xué)的智能化變革已勢(shì)不可擋，抗拒和逃避都只會(huì)讓研究者錯(cuò)失這一輪技術(shù)紅利。AI的優(yōu)越性很大程度上依托于底層的復(fù)雜數(shù)學(xué)原理和高性能計(jì)算技術(shù)，但對(duì)于檢驗(yàn)醫(yī)學(xué)人員較為生疏，導(dǎo)致其難以清晰理解AI的倫理邊界并自覺培養(yǎng)出機(jī)器智能的協(xié)同方式，檢驗(yàn)工作者應(yīng)適當(dāng)學(xué)習(xí)計(jì)算思維與計(jì)算機(jī)方法論[24]，補(bǔ)齊認(rèn)知上的短板。醫(yī)務(wù)人員跟AI并非零和博弈關(guān)系，而是將在合作的基礎(chǔ)上共同演進(jìn)。目前來看，AI時(shí)代的檢驗(yàn)行業(yè)將至少新出現(xiàn)以下兩類人才缺口。

4.1檢驗(yàn)數(shù)據(jù)標(biāo)注技術(shù)員 AI尚處于弱智能階段，不同于強(qiáng)智能通過主動(dòng)向外界獲取信息來抽象出合適的處理邏輯，弱智能不具備獨(dú)立發(fā)展的能力，只能被動(dòng)接受信息的灌輸，處理邏輯的修正依賴數(shù)據(jù)庫(kù)的持續(xù)更新[25]。其次，AI的深度學(xué)習(xí)算法是一個(gè)“黑箱”系統(tǒng)，其內(nèi)部的數(shù)據(jù)處理過程無(wú)法被監(jiān)督，輸入的數(shù)據(jù)中加入小小的改變就很容易誤導(dǎo)深度學(xué)習(xí)，獲取可靠性高的標(biāo)注數(shù)據(jù)成為維護(hù)醫(yī)療AI系統(tǒng)的關(guān)鍵環(huán)節(jié)。于是，實(shí)驗(yàn)室診斷AI對(duì)數(shù)據(jù)的強(qiáng)勁需求將催生數(shù)據(jù)標(biāo)注產(chǎn)業(yè)，需要大量的新型技術(shù)人員為檢驗(yàn)數(shù)據(jù)內(nèi)容打標(biāo)簽、做標(biāo)記，將“營(yíng)養(yǎng)高、易消化”的數(shù)據(jù)“喂”給AI模型。這類“飼養(yǎng)員”不要求計(jì)算機(jī)算法方面過硬的背景或?qū)W歷，但需要檢驗(yàn)醫(yī)學(xué)理論基礎(chǔ)和一定的技術(shù)管理能力，以便完成標(biāo)本數(shù)據(jù)的篩檢分類，并參與構(gòu)建醫(yī)學(xué)診斷知識(shí)圖譜。

4.2檢驗(yàn)醫(yī)師 AI雖能部分模擬人腦的識(shí)別、記憶、計(jì)算、推理判斷等功能，卻無(wú)法重現(xiàn)情感、信念、聯(lián)想、創(chuàng)造等高等級(jí)思維活動(dòng)。AI對(duì)疾病的學(xué)習(xí)側(cè)重于發(fā)現(xiàn)關(guān)聯(lián)，而難以理解疾病過程與預(yù)測(cè)轉(zhuǎn)歸。醫(yī)療決策是富有創(chuàng)造性和人文關(guān)懷的過程，醫(yī)務(wù)人員之間及醫(yī)患之間的溝通互動(dòng)所體現(xiàn)出的人類智慧絕非AI能取代。在AI技術(shù)的倒逼下，遲遲未能落地的檢驗(yàn)醫(yī)師的概念回歸人們的視野。檢驗(yàn)醫(yī)師作為檢驗(yàn)與臨床溝通的橋梁，肩負(fù)著指導(dǎo)選擇檢驗(yàn)項(xiàng)目、解答來自醫(yī)患雙方的疑難檢驗(yàn)問題、參與病例討論提供診斷意見、推廣新技術(shù)新指標(biāo)等多重職責(zé)[26]。歐美日等國(guó)家早年已形成了成熟的檢驗(yàn)醫(yī)師制度，而目前我國(guó)檢驗(yàn)醫(yī)師定位模糊，培養(yǎng)明顯滯后于檢驗(yàn)醫(yī)學(xué)的發(fā)展。AI將檢驗(yàn)工作者從日常繁雜的操作中解放出來，使其有精力和時(shí)間致力于更高層次的實(shí)驗(yàn)室活動(dòng)，并積極關(guān)注外部的需求反饋，深入臨床一線開展指導(dǎo)和咨詢服務(wù)。AI時(shí)代的檢查數(shù)據(jù)量必將極大豐富，各臨床專科醫(yī)生的知識(shí)儲(chǔ)備面對(duì)高通量的檢驗(yàn)項(xiàng)目和AI給出的診斷概率時(shí)必然是淺薄的，檢驗(yàn)醫(yī)師在檢驗(yàn)方法與結(jié)果評(píng)判上將掌握更多話語(yǔ)權(quán)，同時(shí)帶動(dòng)檢驗(yàn)科地位的提高。我國(guó)檢驗(yàn)醫(yī)師人才隊(duì)伍的發(fā)展任重道遠(yuǎn)，需要國(guó)家從長(zhǎng)遠(yuǎn)角度考慮，在檢驗(yàn)醫(yī)師的培養(yǎng)途徑和準(zhǔn)入機(jī)制上加以引導(dǎo)[27]，也需要檢驗(yàn)專業(yè)醫(yī)學(xué)生和工作者抓住AI時(shí)代的契機(jī)加快能力轉(zhuǎn)型，適應(yīng)和擁抱AI的新技術(shù)、新理念。

5 結(jié) 語(yǔ)

總之，AI方興未艾，檢驗(yàn)醫(yī)學(xué)作為一個(gè)重要的智能醫(yī)療板塊正在崛起。隨著醫(yī)聯(lián)體、移動(dòng)醫(yī)療、精準(zhǔn)醫(yī)療等新型醫(yī)療服務(wù)模式的推進(jìn)，帶給了AI與檢驗(yàn)醫(yī)學(xué)更多的結(jié)合點(diǎn)。檢驗(yàn)醫(yī)學(xué)智能化的藍(lán)圖背后，是以產(chǎn)、學(xué)、研多方深度合作為支撐[28-29]。但必須清醒地認(rèn)識(shí)到，將AI領(lǐng)域積累的技術(shù)紅利釋放到檢驗(yàn)行業(yè)的過程面臨著諸多風(fēng)險(xiǎn)和挑戰(zhàn)，涉及監(jiān)管、倫理，以及教育等問題等待求解[30]。通過AI實(shí)現(xiàn)檢驗(yàn)流程和輔助診斷自動(dòng)化的前景令人憧憬，但對(duì)我國(guó)廣大檢驗(yàn)從業(yè)者造成的困境也不容忽視，唯有順勢(shì)而上，調(diào)整角色定位，將職業(yè)規(guī)劃架設(shè)在最新的技術(shù)基礎(chǔ)設(shè)施上才能找到發(fā)展機(jī)會(huì)。期待檢驗(yàn)醫(yī)學(xué)學(xué)科與檢驗(yàn)工作者一同搭上AI的快車，駛向更廣闊的成長(zhǎng)空間。

致謝：感謝飛利浦(中國(guó))醫(yī)療科技有限公司的張恒和南昌大學(xué)附屬九江醫(yī)院檢驗(yàn)科的陳雪禮對(duì)本文提出的寶貴意見和建議。