“检验医学”遇上“人工智能”(4)

陈瑜：“AI+检验”有无限的想象空间和应用可能，但现实非常残酷，真正的应用乏善可陈。假设在理想AI支持下，实现了检验诊断性报告,(1)检验基本信息:包括患者基本资料和检验结果，不同的异常程度用不同颜色进行标注;(2)结果摘要：健康指数、结果等级、可能患有的疾病，包括复检时间和个性化建议；(3)项目解读：基于知识图谱的解释和问答；(4)历史结果、人群分布；(5)提供病例匹配算法，查找相似患者资料和人群数据概况。这时检验数据库管理员或检验医师的职能增加了AI算法和性能优化，诊断性报告的审核，疾病队列建立和预测，参加多学科综合治疗(MDT)。

郭玮：从目前的发展趋势来看，AI在检验医学领域的普及还有很长的路要走，但这并不妨碍从当下出发，思考在AI时代检验工作者的职能范畴。当然，那时的职能绝不仅仅是检验数据管理人员或检验医师。因为即使在当下，检验工作也是多维度的，并不是简单的仪器数据收集和检验结果解读，就像外科医生并不等于内科医生加手术机器人，实际情况要复杂得多。

因此，可以换一个角度，从AI的本质来思考，AI对于检验工作究竟意味着什么。正如上文所述，虽然AI能够以相对于人类更快速地进行学习和发现人类不易发现的信息，但是其最终目的是为了提供等同甚至超出人类的智能。在检验工作中，人类智能是通过一个个检验工作者来体现的。AI的引入也就意味着多了一名或多名检验工作者进行数据判读、报告审核、结果解读等工作。一方面，这会导致人力资源转移到低通量、人工较重的项目，如和临床医生及患者的沟通工作。另一方面，这也导致更多检验工作者从常规岗位中解放出来，成为管理者，完成组员到组长的身份转化。与之前不同的是，组长管理的将是AI，但同样需要进行带教、管理、监管的工作，也就是从事AI的优化、维护和监控，这将会对检验工作者在计算科学、数据科学方面的知识储备提出新的要求。

刘善荣：检验医学的发展及其对临床的支撑需要检验技师和检验医师。检验技师主要进行项目和操作流程管理，确保项目的规范化开展及操作流程的标准化，保证检验结果的准确；检验医师主要是对结果的解读及与临床进行沟通交流。随着AI的发展和深度介入医学检验，检验全过程的管理都有可能由AI完成。检验工作者就需要进行转型，由重技术、懂管理、重质控、懂临床的技术型人才向重问题、重方向、懂临床、重转化的创新型人才转化。在这个转化过程中注重以下3个方面：不断扩充自己的专业知识，不断探索新理论、新技术、新方法，逐步形成系统扎实的研发知识结构；不断提升自己对学科发展方向的敏锐性，善于把握医学科学新动向，拓展新思维，增强对研发全过程的技术指导、把控能力和产品意识；丰富自己与临床沟通的经验，强化为临床医师合理解读检验结果、实施临床诊治的能力；能够深入了解临床疾病诊疗的新需求，并评估需求的合理性与可实现性。随着AI在医学检验的介入力度，临床检验检测会变得简洁高效，检验工作者的转型无论对从业人员和学科都非常重要。

4 陈鸣：检验数据众多，某些指标可能不被人们认识或了解，如何从海量的医疗数据中提取潜在的信息和模式，AI在传统指标二次开发中有哪些应用和挑战？

崔巍：传统的检验项目的解读是条例式的，每个项目结果对应一个或几个可能的病理、生理状态，如血糖升高既可能是因糖尿病患者胰岛素分泌减少所致，也可能是应激状态下的高血糖，或是甲状腺素分泌过多导致甲状腺功能亢进高血糖等；反之，某一病理状态也会导致多个检验项目异常，如肝功能损伤可导致转氨酶、谷氨酰胺转肽酶、胆碱酯酶、碱性磷酸酶、总胆汁酸等生化指标异常，也会导致D-二聚体等凝血项目的异常，当然，也可能从病原学角度检测到肝炎病毒或抗体。鉴于疾病的复杂性、患者个体的差异，以及检测系统性能的差异，单一检验项目的临床价值是有限的，其对特定疾病诊断治疗的灵敏度和特异性并不能完全满足临床的需求。解决这一问题的方法之一就是将尽可能多的相关检验项目组合在一起，形成多维度数据集进行分析，这类似于采用数字编码技术的细菌鉴定，根据同一细菌的不同生化、免疫、发酵反应结果进行综合判读，鉴定出细菌的菌属。这种多维度的数据集就是通常所指的大数据，AI技术就是对大数据进行统计、分析、判定的最佳技术路径。采用机器学习对大数据进行分析，可以提取单一检验项目所无法提供的信息，更具临床价值。例如提高疾病风险预测的准确性，预测患者的预后及住院时间。在实现这一目标的过程中，最大的挑战仍然是数据的获取和数据的质量及标准化。

文章来源：《检验医学与临床》 网址: http://www.jyyxylczz.cn/qikandaodu/2020/0904/430.html