智慧智能技術在自身抗體檢測中的應用*

王克芬，翟建昭，張 蘋，應斌武 綜述，武永康，2△ 審校

四川大學華西醫院:1.實驗醫學科;2.門診部互聯網醫院管理辦公室，四川成都 610041

自身抗體是指針對自身組織、器官、細胞、細胞亞結構、體內蛋白分子、體內核酸等所有自身抗原的抗體總稱，其本質為B淋巴細胞分泌的免疫球蛋白(Ig)。高效價自身抗體是自身免疫性疾病(AID)的特點之一，大部分AID都伴有特征性的自身抗體，自身抗體是臨床確診AID的重要依據[1]。據報道，目前發現的自身抗體達數百種[2]，其中臨床常規檢測項目約40種，主要包括抗核抗體(ANA)及其抗體譜、抗中性粒細胞胞質抗體(ANCA)及其抗體譜、抗磷脂抗體譜、自身免疫肝病抗體譜及肌炎抗體譜等。自身抗體檢測方法種類較多，按照自動化程度分為三類[3]：第一類為全手工單通量檢測，以間接免疫熒光法(IIF)為主要代表，為定性檢測結果，由于IIF操作簡單、對檢測試劑和系統要求較低，以及檢測結果具有直觀性、廣泛應用性等諸多優點，因此IIF作為ANA推薦檢測方法[4]，在近幾年，大部分臨床實驗室仍然采用該方法進行ANA等自身抗體檢測[5]；第二類為半自動單通量或多通量檢測，主要包括放射免疫法、免疫印跡法、酶聯免疫吸附測定(ELISA)等方法，檢測結果以半定量或定量檢測為主；第三類為全自動高通量檢測，磁珠微?；瘜W發光法和液相芯片技術逐漸應用于臨床，為定量檢測結果[6]。自身抗體檢測過程分為分析前、分析中及分析后，根據檢測方法不同，檢測結果分為定量數值型和圖像定性滴度型。從發展的角度來看，自身抗體檢測走向自動化、高通量、標準化及多元化是必然，最終實現不同實驗室結果互相認證，減少大量重復、過度、低效的檢驗，降低不必要醫療資源浪費。

互聯網高速發展的今天衍生出大量智慧智能技術，將人工智能技術、物聯網技術及自動化信息技術等結合，可更好地打造智慧醫療環境。人工智能是計算機科學的一個分支，可以生產出一種新的能以人類智能相似的方式做出反應的智能機器，包括圖像識別、語言識別、自然語言處理和專家系統等[7]。醫療物聯網是指將物聯網技術和現代通信技術結合起來，致使醫護人員、患者、各種醫療設備可以連接起來，在自身抗體檢測中實時反映檢測狀態，最終實現自身抗體標本自動識別、定位、采集、跟蹤、集中管理、共享數據等目標，進一步提高檢驗準確性、便利性[8]。本文主要以自身抗體的分析前、中、后等檢測流程為主線，結合不同檢測方法和結果，探討和展望智慧智能技術在自身抗體檢測中的應用前景。

1 醫療物聯網在自身抗體檢測分析前的應用

1.1采用物聯網技術采集標本 患者可以通過線上診療就醫，醫生線上開具不同的自身抗體檢測指標，醫療系統根據這些指標檢測方法不同，提示患者需要空腹血或非空腹血進行檢測，提高檢測結果的準確性；患者通過系統提示選擇就近的標本采集機構，提前預約時間進行采血，也可以預約護士上門進行采血，確保所有血液標本在規定時間內送到指定實驗室進行檢測。

目前，大部分實驗室檢測自身抗體主要采用IIF、ELISA法或免疫印跡法等手工或半自動方法進行檢測。這些自動化程度較低的方法在檢測前需要進行試劑準備、底物配液等工作，消耗大量工作時間[9]；通過物聯網技術實時對標本狀態進行監測并傳輸數據至醫療系統，檢測技術人員就能夠提前知曉標本數量、具體項目及標本到達實驗室的時間，使實驗室技術人員統籌安排好工作計劃，最終達到提高效率、減少處理步驟和周轉時間(TAT)的目的。

1.2采用物聯網技術運輸標本 目前通過第五代移動通信技術(5G)和物聯網技術的結合，實現標本的遠程實時監控和集中管理。市場上已有標本自動監控配送系統，主要由三部分組成，即標本架、標本箱和軟件系統。當護士上門進行標本采集時，采血護士可以采用手持便攜智能打印機打印條碼。由于便攜智能打印機已與標本自動監控配送系統連接，當患者標本被采集完成后插入試管架，試管架底部感應器檢測到試管并與條碼關聯，試管架通過藍牙連接便攜智能打印機，便攜智能打印機通過5G網絡發送檢測項目、采血人員、采血時間及采血地點至標本自動監控配送系統。當標本架放入標本箱后，箱中的溫度和濕度及運輸軌跡實時傳輸至檢測實驗室監控大屏。此外，依據運行速度和全球衛星定位系統或北斗定位距離，測算出送達實驗室的準確時間，工作人員可以依據監控數據提前進行實驗準備，該原理同樣適用于基層醫院的采血工作，將自身抗體檢測標本放置于智能標本架上，放入智能標本運輸箱中，最終送達具有檢測能力的實驗室進行檢測。通過以上技術結合有效解決了基層醫院患者自身抗體檢測困難、TAT較長及距離較遠等問題。

目前，超過30 km標本通常采用汽車運輸，在長時間運輸途中，需要在標本轉運箱中加入冰袋或車載冰箱進行冷鏈運輸，并且可以實時監控溫度，避免反復凍融，溫度變化過大會導致血液標本中的自身抗體效價降低產生假陰性結果[10]。就檢測準確性而言，自身抗體檢測要求標本運輸時間盡可能短。此外，新穎的運輸方式還有無人直升機運輸，經民航管理局航線審批后，無人直升機通過在線測量的方式自動識別，利用超聲波遇到障礙物被反射回接收系統的原理，規劃路線，自動避開障礙物[11]。最終實現30 km直線距離的標本運輸，約30 min即可到達檢測實驗室，極大縮短TAT，對于患者和醫生而言，均減少了不必要的等待時間，有效提高工作效率。

現有院內標本運輸方式分為人工運輸、氣動運輸、軌道式運輸、智能機器人運輸[12]。大型醫院檢驗科通常采用人工運輸標本的方式，將標本從醫院各個病區、門診、急診等區域運輸至檢驗科進行檢測，該方式存在人力成本較高，并且不易集中監控管理、運輸方式較隨意等不足之處；不少醫院采用真空管道標本運輸系統或軌道筐系統進行標本運輸，可以實現智能雙向點對點傳輸[13]。但上述兩種方法應用成本較高，在運輸過程中會對部分項目檢驗結果產生一些影響，并且需要改造基建，建造專用軌道才能運行；智能機器人是一種輪式移動機器人，配有自動導引運輸車柔性傳輸系統，在運輸標本過程中可以實現無人駕駛運輸作業、自動上下電梯、躲避障礙活動、平穩運輸標本及自動充電等功能。智能機器人與上述幾種方案相比無需鋪設軌道等固定裝置，不受場地、道路和空間的限制，并可與周圍環境交互，靈活性高，已在部分醫院開始測試使用[14]。

2 自動化信息技術在自身抗體分析中的應用

2.1圖像識別實現標本自動批量簽收 自身抗體作為自身免疫疾病患者的常規檢測項目，一般由大型醫院或第三方實驗室進行檢測，需要接收本機構或其他醫療機構的標本，要求標本及時被簽收及驗收，確定包含自身抗體檢測項目申請的標本在規定時間內進行檢測。目前，自身抗體檢測實驗室通常采用人工掃描槍逐個掃描標本條碼號錄入相關信息，速度慢且花費大量人力；為方便后續尋找標本，標本上的條碼號必須與標本架對應位置相關聯，增加了工作量。為解決上述問題，可以設置標本架條碼號及插孔位置條碼號，采用圖像采集方式自動獲取標本架條碼、插孔位置條碼及插入相應位置的標本上的條碼。后續將采集的圖像傳輸給計算機處理，對多個條碼計算出所在區域，即最小邊框坐標，檢測成功后再通過邊框坐標截取出條碼圖像，交給識別單元進行處理，從而獲取條碼的信息，再通過接口獲取該標本的檢測項目信息。另外依據標本架及位置信息，可以將標本進行準確定位，從而實現標本的自動簽收自動定位，顯著提高自身抗體檢測水平和管理效率，從而為臨床提供準確、及時、可靠的檢驗結果打下堅實基礎[15]。

2.2遠程監控系統應用 目前，大部分自身抗體檢驗項目采用半自動或全自動檢驗儀器進行檢測，這些檢驗儀器均由電腦進行控制。當出現需要人為干預的狀況時，電腦會彈出報警信息提示操作人員及時處理。如果工作人員沒有及時處理，儀器將處于待機停止工作狀態，從而造成檢測停止或終止，影響出報告時間。為避免此類問題的產生，很多實驗室需要配備專職值守人員，浪費大量的人力資源。自動化實驗室期望全程無人值守。通過信息技術、自動化和統籌法的技術延伸及應用，當檢驗儀器顯示器出現報警提示信息時，醫療系統通過手機短信和微信通知操作人員，操作人員即使不在現場，也可及時收到短信和微信，立即到現場處理相關事情，有效提高工作效率，避免不必要的資源浪費。采用后臺運行程序，實時將截屏的圖片通過網絡上傳至報警信息比對端。報警信息比對端逐條實時對比上傳的截屏圖片，當屏幕截圖中的信息與報警信息知識庫中的圖片一致時，即觸發報警信息傳送端發送短信和微信至工作人員手機。檢驗儀器自動報警通知系統是人工智能產品在臨床檢驗實際操作中的應用，可達到解放人力，提高效率的目的[16]。

2.3智能輔助診斷系統的應用

2.3.1自身抗體檢測結果的內審機制 臨床醫生為患者申請自身抗體項目檢測時通常還會申請免疫功能評估項目，這是由于AID的共性是各種因素介導的免疫耐受喪失，且伴隨自身抗體產生[17]。理論上，自身抗體檢測結果之間存在一定的邏輯關系，這種理論基礎是人工智能輔助內審機制的基礎，其主要包括3個方面，即自身抗體與Ig的關系，自身抗體與細胞免疫的關系，不同自身抗體檢測之間的關系。

(1)自身抗體與Ig的關系。自身抗體的本質是Ig，在臨床實踐中，自身抗體檢測的種類可以為IgA，IgG或IgM[18]，因此，定性檢測時，當自身抗體呈強陽性時，該抗體對應的Ig通常應該是升高的狀態；若是定量檢測自身抗體，那對應Ig的水平應高于自身抗體的水平，否則理論上是不成立的。

(2)自身抗體與細胞免疫的關系。B淋巴細胞是唯一分泌Ig的細胞[19]。自身抗體作為Ig的一個種類，其檢測結果的顯著升高，必然是由某個克隆的B淋巴細胞異常活躍所造成。因此，當臨床檢測B淋巴細胞百分比或絕對水平顯著降低而自身抗體呈強陽性時，需要核實檢測結果的正確性。

(3)不同自身抗體檢測之間的關系。自身抗體有很多種，有采用細胞為底物的IIF檢測的ANA和ANCA，還有通過純化抗原免疫印跡法或化學發光法進行檢測的ANA譜，以往通常檢測ENA。從理論上講，底物細胞中包含所有對應自身抗體譜檢測的抗原種類，并且特定的自身抗體對應特定的熒光圖譜模型。以ANA為例，抗dsDNA抗體對應的熒光模型應為均質型，抗U1小核糖核蛋白抗體對應的ANA熒光模型應為核大顆粒型等。而對ANCA而言，抗MPO抗體對應的ANCA熒光模型應為核周型，而蛋白酶3特異性抗中性粒細胞胞質抗體對應的ANCA熒光模型為胞質型等。因此，當熒光法為陰性時，自身抗體譜出現陽性或相應的自身抗體出現截然不同的熒光模型時，應予以仔細核查，必要時應予以復查。

臨床結果審核過程中，可將上述規則設置在相應的審核機制中，當出現某種與規則相悖的情況，予以報警；對于小概率出現的情況應予以警示，提示檢測技術人員或報告審核人員予以注意，避免出現不必要的錯誤。

2.3.2圖像檢測結果的輔助智能判斷系統 自身抗體中有部分項目為采用IIF進行檢測的指標，例如ANA和ANCA，以及以綠繩短膜蟲為底物的抗dsDNA抗體和以靈長類動物食管為底物的抗角蛋白抗體等。多數IIF法基本上針對單一抗體進行檢測，而ANA和ANCA則是以細胞為底物進行一大類抗體檢測，可以呈現不同的熒光模型。以ANA檢測為例，ANA是抗細胞核及細胞質全細胞抗原成分的自身抗體的總稱。目前推薦采用人喉表皮樣癌細胞作為基質的IIF法進行檢測，通過熒光顯微鏡觀察細胞核熒光著色，形態直觀[19]。但目前ANA的熒光結果判讀高度依賴于人工，但人工工作量大，檢測速度慢，自動化程度低，判讀者的熟練程度、經驗、視力對結果影響較大，需要資深的人員進行判讀才能保證檢驗結果的質量，以上原因導致ANA檢測結果差別較大[20]。因此對ANA熒光圖譜判讀的標準化及客觀化是進一步推動ANA自動化檢測及實現結果互認最為重要的一環，該技術也是人工智能在醫學檢驗領域中的具體應用。目前基于神經網絡深度學習的人工智能將會在多層面上改變自身抗體檢測。所謂神經網絡，是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型，這種網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的。

近年來，隨著信息技術的發展，該技術也逐漸應用到醫學圖像處理領域，本課題組前期研究已經發明了“基于機器學習和深度學習的ANA熒光片自動識別方法”的專利技術(授權專利號：201910078013.3)，今后將改進和結合傳統圖像處理方法，通過深度學習將細胞核、細胞質、熒光強度等圖像細節提取特征，轉變為數字參數，以此為基礎建立相應模型和算法，與大數據結合用于ANA結果陰陽性判斷、熒光模型分類和滴度判讀[21]。

ANA單個熒光圖像模型包括細胞核型、細胞質型和分裂期細胞型等，細胞核型又細分為核均質型、核顆粒斑點型、著絲點型、核仁型、核點型等。細胞質型又分為胞質顆粒型、胞質纖維型等[22]。每一種單個熒光模型可以提示一種或數種自身抗體類型，極大縮小自身抗體預測種類范圍，同時也縮小了疾病診斷的范圍，因此準確可靠的熒光模型將對疾病的診斷和鑒別具有重要意義。

復合模型指兩種或兩種以上混合的熒光模型，有時一份血清內含有多種自身抗體，可出現不同的染色模型。在人工或計算機識別單個模型的基礎上，將其圖像重合得到復合模型圖像，對于這種圖像，人工判讀比較困難。而對于計算機，隨著技術的發展，利用深度學習先進的算法其判讀效果將可能等同或超越技術經驗豐富的操作人員，為AID實驗室診斷領域注入新的力量。

在實際操作中，圖片采集器自動采集熒光圖像并自動上傳檢測的圖片，通過深度學習算法得出判讀結果，將吻合度大于98%的結果直接返給患者，低于或等于98%的結果返給判讀技術專家，由專家校驗確認后再返給報告系統，平臺自動記錄校驗后的數據并自我學習，不斷修正判讀模型，自我優化，保證檢測準確度的不斷提高。

3 智能審核自身抗體檢測分析后的應用

3.1智能審核規則 首先，實驗室完成臨床醫生申請的全部檢驗項目后，檢驗工作人員需要對患者報告進行綜合評估，當發現自身抗體項目檢測結果與臨床表現不符合的個體時，應將患者的年齡、疾病史、ANA的滴度及熒光模式、檢測反應原理等因素充分考慮，如圖1審核規則所示。例如女性是大多數AID的高危群體，中青年女性更是高發年齡階段；需考慮該檢測反應原理及標本情況，標本是否為空腹血理論上并不影響檢測結果，但餐后嚴重脂血或溶血標本可能影響免疫反應或底物顯色反應。不同檢測方法影響程度不同，ELISA法溶血影響顯色反應較大，而化學發光法影響較小，后者的檢測靈敏度更高，定量檢測結果更為精準；判斷檢測結果是否正確的核心是要結合臨床表現或診斷，例如非自身免疫疾病患者及少數健康人群在沒有自身免疫疾病臨床相應癥狀時也可能出現低滴度的自身抗體。因此應用自身抗體診斷AID時，不能僅憑抗體結果陽性診斷疾病，健康人群也會產生自身抗體，應該進行細分，半定量檢測需要制訂最佳稀釋濃度，定量檢測需要制訂最佳臨界值；以上可以較好地解決假陽性或假陰性造成的錯誤診斷。最后實驗室檢測應該以臨床表現作為主要依據，對沒有特異性自身免疫疾病臨床表現的患者或個體不建議進行自身抗體的篩查[23]；對于臨床醫生高度懷疑自身免疫疾病的患者，如果出現某一種方法自身抗體的檢測結果為陰性或弱陽性及陽性檢測結果與臨床表現不符合時，建議使用其他檢測方法對該檢測指標進行復查，確認結果[24]。

圖1 自身抗體檢測智能審核規則

上述多因素指標可以建立疾病診斷或預警模型，通過人工智能系統的不斷調試、廣泛模擬和迭代優化，從而結合多因素對自身抗體檢測報告進行解釋，對疾病進行輔助診斷，為臨床醫生疾病診斷提供參考。

3.2自身抗體異常結果智能外呼通報系統的應用 自身抗體檢測結果異常并不是一種危急值結果，對于患者和醫生而言，自身抗體陽性應予以重視。從臨床實踐上講，出現自身抗體陽性通常有3種臨床處理意見，一是若患者相關臨床表現不明顯或無相關疾病史，建議患者進一步檢測相關檢查或檢驗項目；二是若患者存在或疑似相關臨床表現，結合患者年齡、性別等因素傾向于診斷為某種疾病，建議患者及時治療；三是生理性自身抗體普遍存在，并且早于相關臨床癥狀出現，影響了自身抗體檢測結果的解讀，建議患者定期復查，以觀察實驗室指標的變化，然后才能做出診斷或預測其轉歸。

實際上，對于上述診斷意見或建議按照不同的陽性結果分類進行預警提示。當實驗室檢測結果為陽性時，實驗室工作人員綜合評價該抗體對個體預后的影響，自動觸發語音或推送短信等通知內容給患者，以便患者及時接收信息。值得注意的是需要備注相關信息解釋檢測結果，因為生理性抗體普遍存在，避免抗體陽性增加患者心理負擔，引起慌亂。最后，在互聯網診療逐漸普及的過程中，患者接收到上述推送信息后，可以在線上咨詢醫生，醫生早期干預，可有效阻止病情進展，或消除患者疑慮[25]。

4 小 結

全自動化、高通量和標準化是檢驗醫學發展的必然趨勢。自身抗體檢測在檢驗醫學中具有其獨特特點，首先檢測方法多樣，具有定性、定量及圖像分析等不同的方法。此外，目前自身抗體檢測自動化程度相對較低，而且標準化進程較慢，結果互認短時間內還有一定的困難。再者，自身抗體檢測對于疾病診斷或預后具有重要意義，而且通常需要多個自身抗體指標聯合檢測才能提高疾病診斷的特異性，這些特點對于人工判斷具有一定的難度，而人工智能模型算法、物聯網應用等可以解決上述檢測方法的局限性。因此，人工智及物聯網能在檢驗醫學中展示出巨大的應用前景，特別對于手工步驟比較多的自身抗體檢測項目，在其檢測過程前、中、后及結果解釋階段顯示出重要的價值，為臨床更好地運用自身抗體指標提供技術支撐。