人工智能在檢驗醫學中的應用場景分析

修云霞，章魯瑤，樊金宇，張洋

（1.牡丹江醫學院附屬第二醫院檢驗科，黑龍江 牡丹江 157011；2.牡丹江醫學院基礎醫學院，黑龍江 牡丹江 157011）

0 引言

根據國務院2018年4月發布的“關于促進‘互聯網+醫療健康’”發展的指導意見，基于互聯網的人工智能應用服務列入“互聯網+醫療健康”的應用體系。在檢驗醫學中，“自動化標本采集、自動化流水線、自動化審核、專家系統、移動終端、云計算”等應用人工智能技術，在未來十年內將獲得普遍應用。目前，基于人工智能技術的新型檢驗醫學實驗室利用新方法、新標準，優化實驗室工作流程，在醫療領域進行智能診療決策。

人工智能在檢驗醫學中的應用場景包括實驗室的構建（設計、建設、運行）、基于物聯網，互聯網，大數據等技術的機器學習，模擬決策的的思維過程與行為。人工智能常用的算法包括K-Means、決策樹、樸素貝葉斯、FCN、CNN、遺傳等算法，利用這些人工智能算法對標簽數據集進行訓練，不斷地調整參數，提高和深化訓練模型的鑒別能力。在檢驗醫學領域，智能接口、專家決策、大數據智能科研、智能管理等是人工智能技術最重要的應用場景。

1 檢驗醫學中的檢測智能化

檢驗醫學實驗室對多種有形顆粒成分形態學進行定性與定量分析[1]，需要對圖形和圖譜進行目標檢測。基于圖形的分析包括血細胞、骨髓細胞、糞便、精液、陰道分泌物等。應用人工智能檢測技術，可實現對標本的數字掃描圖像進行形態學特征提取，定量與定性分析數據計算的流程。基于圖譜的智能化檢驗如基質輔助激光解吸飛行時間質譜技術。該技術可實現分析鑒定核酸、蛋白質等有機物，在特定的細菌、真菌鑒定中發揮重要的作用，具有較高的靈敏度與特異度[2-5]。在菌種的分型中，該技術極大的縮短了細菌均屬、種或亞種的水平。目前，該技術特別適用于菌血癥、敗血癥等重污染的情況。

基于深度學習的算法模型對于微生物的鑒定發揮重要的作用。不斷改進的深度學習算法，對蛋白質組學的發展提供了契機，如通過智能化與大數據技術，可有效的將蛋白質組學數據進行有序的存儲與二次發掘[3-7]。一些國外的學者開發出蛋白質組學數據分析系統（Perseus System)，該系統采用交互式界面，應用機器學習模塊分組人群，提供診斷和預后判斷決策。用戶通過自己編寫的程序來實現插件擴展與共享功能。

2 檢驗醫學中的自動化、智能化審核

檢驗醫學中的結果審核機制是檢驗結果質量的檢查程序[4-8]。該檢查程序包括實驗室儀器的狀態、質量控制狀態、血清指數、極值、臨界值等自動化審查模塊。應用自動化、智能化的審核程序，極大的規范和標準化醫師的審核水平。能夠縮短審核周期，提高標本檢測容量。應用自動化、智能化審核技術，在臨床生化、免疫、血液、尿意、凝血等諸多方面都具有廣泛的應用價值[9-13]。自動化審核是基于人工智能的算法模型，這種算法模型來源于布爾邏輯和審核規則的審核決策執行。近些年來，隨著人工智能算法的不斷演進，一些國外學者開發了具有優化高度非線性的總損失函數分類標本，對高度復雜和非線性的決策邊界進行模擬，具有高靈敏度和特異度的特性。并且，在必要時該算法支持模型結構修改[10-15]。隨著深度學習、布爾模型的發展，應用二者的結合模式，可極大的提高審核的自動化水平。

未來的智能化審核將涵蓋自動化與專家決策融合，其目的在于改善患者狀況多樣性、提高檢驗項目參考區間的邏輯判斷及基于臨床大數據的綜合判斷，實現對檢驗結果的預警提示、危急值提醒、治療意見等，即將傳統的被動型審核轉變為系統主動性判斷和智能化建議。

3 檢驗醫學中的大數據專家決策系統

在實驗室醫學檢驗系統運行中，專家系統可利用臨床大數據信息對醫生進行建議，包括當前實驗室選擇建議、檢驗前因項目審查，減少選擇不當對患者的不利影響。臨床醫生利用專家決策系統可獲得患者病情診斷、風險分層、方案那擬定等多維度、多方面決策[16-17]。

基于組學檢驗指標的專家決策系統日益成熟，在分子診斷領域，利用專家決策系統對腫瘤的組織病理學特征、免疫學特征、組織化學特征進行特征分析、提取構建深度學習分類器模型。人工智能在感染預防和控制方面具有重大的潛力，大數據專家決策系統為患者的分層、早期干預提供指導性建議。

4 檢驗醫學中的智能管理

檢驗醫學實驗室管理是醫學檢驗中的重要一環。檢驗實驗室的智能化與標準化是檢驗實驗室的必然之路。根據醫學檢驗中的工作內容，如檢驗標本的實時監控、記錄與流程的跟蹤管理，制定醫學檢驗的流程智能化管理，檢驗標本的檢測、審核、質控等各個管理領域優化，可節約醫療成本。檢驗醫學實驗室的智能化管理系統構建與建設，可有效提高信息收集信息與追溯檢驗結果，實現臨床結果的便捷與及時。

5 結語

基于人工智能技術的檢驗醫學應用，極大的優化實驗室的工作，推動實驗室檢測水平提高，優化臨床診斷決策。利用大數據、物聯網、互聯網、人工智能數據資料，實現疾病控制、篩查、診療的應用價值最大化，加速改善醫學檢驗實驗室的發展進程。