人工智能在检验医学中的应用场景分析

修云霞，章鲁瑶，樊金宇，张洋

（1.牡丹江医学院附属第二医院检验科，黑龙江 牡丹江 157011；2.牡丹江医学院基础医学院，黑龙江 牡丹江 157011）

0 引言

根据国务院2018年4月发布的“关于促进‘互联网+医疗健康’”发展的指导意见，基于互联网的人工智能应用服务列入“互联网+医疗健康”的应用体系。在检验医学中，“自动化标本采集、自动化流水线、自动化审核、专家系统、移动终端、云计算”等应用人工智能技术，在未来十年内将获得普遍应用。目前，基于人工智能技术的新型检验医学实验室利用新方法、新标准，优化实验室工作流程，在医疗领域进行智能诊疗决策。

人工智能在检验医学中的应用场景包括实验室的构建（设计、建设、运行）、基于物联网，互联网，大数据等技术的机器学习，模拟决策的的思维过程与行为。人工智能常用的算法包括K-Means、决策树、朴素贝叶斯、FCN、CNN、遗传等算法，利用这些人工智能算法对标签数据集进行训练，不断地调整参数，提高和深化训练模型的鉴别能力。在检验医学领域，智能接口、专家决策、大数据智能科研、智能管理等是人工智能技术最重要的应用场景。

1 检验医学中的检测智能化

检验医学实验室对多种有形颗粒成分形态学进行定性与定量分析[1]，需要对图形和图谱进行目标检测。基于图形的分析包括血细胞、骨髓细胞、粪便、精液、阴道分泌物等。应用人工智能检测技术，可实现对标本的数字扫描图像进行形态学特征提取，定量与定性分析数据计算的流程。基于图谱的智能化检验如基质辅助激光解吸飞行时间质谱技术。该技术可实现分析鉴定核酸、蛋白质等有机物，在特定的细菌、真菌鉴定中发挥重要的作用，具有较高的灵敏度与特异度[2-5]。在菌种的分型中，该技术极大的缩短了细菌均属、种或亚种的水平。目前，该技术特别适用于菌血症、败血症等重污染的情况。

基于深度学习的算法模型对于微生物的鉴定发挥重要的作用。不断改进的深度学习算法，对蛋白质组学的发展提供了契机，如通过智能化与大数据技术，可有效的将蛋白质组学数据进行有序的存储与二次发掘[3-7]。一些国外的学者开发出蛋白质组学数据分析系统（Perseus System)，该系统采用交互式界面，应用机器学习模块分组人群，提供诊断和预后判断决策。用户通过自己编写的程序来实现插件扩展与共享功能。

2 检验医学中的自动化、智能化审核

检验医学中的结果审核机制是检验结果质量的检查程序[4-8]。该检查程序包括实验室仪器的状态、质量控制状态、血清指数、极值、临界值等自动化审查模块。应用自动化、智能化的审核程序，极大的规范和标准化医师的审核水平。能够缩短审核周期，提高标本检测容量。应用自动化、智能化审核技术，在临床生化、免疫、血液、尿意、凝血等诸多方面都具有广泛的应用价值[9-13]。自动化审核是基于人工智能的算法模型，这种算法模型来源于布尔逻辑和审核规则的审核决策执行。近些年来，随着人工智能算法的不断演进，一些国外学者开发了具有优化高度非线性的总损失函数分类标本，对高度复杂和非线性的决策边界进行模拟，具有高灵敏度和特异度的特性。并且，在必要时该算法支持模型结构修改[10-15]。随着深度学习、布尔模型的发展，应用二者的结合模式，可极大的提高审核的自动化水平。

未来的智能化审核将涵盖自动化与专家决策融合，其目的在于改善患者状况多样性、提高检验项目参考区间的逻辑判断及基于临床大数据的综合判断，实现对检验结果的预警提示、危急值提醒、治疗意见等，即将传统的被动型审核转变为系统主动性判断和智能化建议。

3 检验医学中的大数据专家决策系统

在实验室医学检验系统运行中，专家系统可利用临床大数据信息对医生进行建议，包括当前实验室选择建议、检验前因项目审查，减少选择不当对患者的不利影响。临床医生利用专家决策系统可获得患者病情诊断、风险分层、方案那拟定等多维度、多方面决策[16-17]。

基于组学检验指标的专家决策系统日益成熟，在分子诊断领域，利用专家决策系统对肿瘤的组织病理学特征、免疫学特征、组织化学特征进行特征分析、提取构建深度学习分类器模型。人工智能在感染预防和控制方面具有重大的潜力，大数据专家决策系统为患者的分层、早期干预提供指导性建议。

4 检验医学中的智能管理

检验医学实验室管理是医学检验中的重要一环。检验实验室的智能化与标准化是检验实验室的必然之路。根据医学检验中的工作内容，如检验标本的实时监控、记录与流程的跟踪管理，制定医学检验的流程智能化管理，检验标本的检测、审核、质控等各个管理领域优化，可节约医疗成本。检验医学实验室的智能化管理系统构建与建设，可有效提高信息收集信息与追溯检验结果，实现临床结果的便捷与及时。

5 结语

基于人工智能技术的检验医学应用，极大的优化实验室的工作，推动实验室检测水平提高，优化临床诊断决策。利用大数据、物联网、互联网、人工智能数据资料，实现疾病控制、筛查、诊疗的应用价值最大化，加速改善医学检验实验室的发展进程。