文章來源：中華檢驗(yàn)醫(yī)學(xué)雜志, 2021,44(10) : 882-886
作者：郝曉柯 李卓
摘要
人工智能技術(shù)在檢驗(yàn)醫(yī)學(xué)領(lǐng)域的應(yīng)用現(xiàn)已顯示出了巨大潛力，但也面臨著諸多挑戰(zhàn)和困境。了解人工智能的基本原理、評(píng)價(jià)方法、應(yīng)用場(chǎng)景及其優(yōu)勢(shì)和局限性，有助于更好地指導(dǎo)工作實(shí)踐。在不久的將來，AI將會(huì)全方位應(yīng)用于臨床檢驗(yàn)中，使檢驗(yàn)醫(yī)學(xué)在疾病診斷、療效監(jiān)測(cè)、預(yù)后判斷等方面發(fā)揮更加精準(zhǔn)的作用。在AI技術(shù)的助力之下，檢驗(yàn)醫(yī)學(xué)的發(fā)展未來可期。
人工智能（artificial intelligence，AI）是一個(gè)寬泛的術(shù)語，它是將計(jì)算科學(xué)與數(shù)學(xué)建?？茖W(xué)結(jié)合形成的交叉學(xué)科，開發(fā)出能夠模擬人類智能解決問題和學(xué)習(xí)的模型。AI技術(shù)現(xiàn)已衍生出一系列新的分支學(xué)科，其中機(jī)器學(xué)習(xí)（machine learning，ML）已成為本領(lǐng)域的關(guān)注熱點(diǎn)［1］。隨著大數(shù)據(jù)和AI時(shí)代的全面來臨，盡管ML模型，特別是深度學(xué)習(xí)（deep learning，DL）現(xiàn)已蓬勃發(fā)展，但目前在臨床實(shí)驗(yàn)室中的應(yīng)用還比較有限，大多仍停留在初始階段［2, 3］。
目前，通過AI與臨床實(shí)驗(yàn)室相結(jié)合，在疾病診斷模型的建立、形態(tài)學(xué)檢驗(yàn)的智能分析、檢驗(yàn)流程優(yōu)化、結(jié)果自動(dòng)審核、人工學(xué)習(xí)結(jié)果解讀等方面［4］均有嘗試和報(bào)道。本期收錄了4篇以AI為主題的文章，分別以疾病診斷模型的建立［5］、形態(tài)學(xué)檢驗(yàn)的智能分析［6］、AI在檢驗(yàn)領(lǐng)域的新發(fā)展新方向［7］，以及應(yīng)用研發(fā)中的問題剖析和應(yīng)對(duì)策略［8］為切入點(diǎn)，深入介紹了AI的臨床應(yīng)用進(jìn)展及挑戰(zhàn)。
一、現(xiàn)有AI技術(shù)在臨床檢驗(yàn)中的應(yīng)用
（一）疾病診斷AI模型的建立
傳統(tǒng)臨床診斷模型一般是應(yīng)用Logistic回歸分析方法得到疾病預(yù)測(cè)價(jià)值的指標(biāo)來構(gòu)建疾病模型，并以ROC曲線來評(píng)價(jià)模型的臨界值以及相應(yīng)的靈敏度和特異度。此類診斷模型多需要數(shù)據(jù)呈線性分布，對(duì)疾病模型的建立有極大的局限。而近些年來ML技術(shù)的出現(xiàn)顯示出敏感性高、高維信息挖掘和高通量計(jì)算等能力。隨著算法的改進(jìn)，新的算法逐漸替代了傳統(tǒng)的算法模型，通過線性回歸與Logistic回歸、K最近鄰法、支持向量機(jī)、決策樹、隨機(jī)森林、梯度增強(qiáng)機(jī)、極端梯度提升［9］等算法，以非線性和高度交互的方式建立AI疾病預(yù)測(cè)及分層模型，在復(fù)雜數(shù)據(jù)的挖掘分析方面具有巨大優(yōu)勢(shì)，有助于發(fā)現(xiàn)數(shù)據(jù)間的潛在關(guān)聯(lián)及隱藏價(jià)值，因此廣泛應(yīng)用于疾病的早期診斷［10］、鑒別診斷［11］、預(yù)后評(píng)估［12］和生存分析［13］，在Clinical Chemistry等期刊中均有相關(guān)報(bào)道，涉及癌癥［10，14, 15］、新型冠狀病毒肺炎［16］、心血管疾病［17］、感染性疾病［18］，以及神經(jīng)系統(tǒng)疾病［19］等起病隱匿、樣本難以獲取或現(xiàn)有方法難以鑒別的疾病。例如本期刊登的《基于檢驗(yàn)大數(shù)據(jù)的結(jié)直腸癌風(fēng)險(xiǎn)預(yù)測(cè)模型建立與驗(yàn)證》［5］，作者采用極限梯度提升、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林4種機(jī)器學(xué)習(xí)算法挖掘患者的常規(guī)檢驗(yàn)數(shù)據(jù)，構(gòu)建了包含糞隱血、癌胚抗原、紅細(xì)胞分布寬度、淋巴細(xì)胞計(jì)數(shù)、白蛋白/球蛋白、高密度脂蛋白膽固醇和乙型肝炎病毒核心抗體7個(gè)特征的結(jié)直腸癌風(fēng)險(xiǎn)預(yù)測(cè)模型，并證明該模型的診斷效能明顯優(yōu)于常規(guī)檢驗(yàn)項(xiàng)目糞隱血，且對(duì)糞隱血陰性及小于50歲人群的結(jié)直腸癌具有較高的診斷準(zhǔn)確性。從側(cè)面展現(xiàn)了ML技術(shù)在疾病診斷中的應(yīng)用前景。
（二）形態(tài)學(xué)檢驗(yàn)智能分析
以往形態(tài)學(xué)檢驗(yàn)基本上都是依靠專業(yè)人員在顯微鏡下進(jìn)行識(shí)別與鑒定，其主觀性特征需要人員的不斷培訓(xùn)與經(jīng)驗(yàn)積累，需要大樣本的實(shí)踐經(jīng)驗(yàn)，而這往往是檢驗(yàn)科的一塊短板，尤其對(duì)于基層醫(yī)療機(jī)構(gòu)的檢驗(yàn)人員，這種經(jīng)驗(yàn)性的培養(yǎng)過程勢(shì)必更加困難與漫長(zhǎng)，因此實(shí)驗(yàn)室需要一種標(biāo)準(zhǔn)化的圖像分析手段和技術(shù)方法。以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的圖像識(shí)別及專家系統(tǒng)便應(yīng)運(yùn)而生。該系統(tǒng)可以大大減輕實(shí)驗(yàn)室工作人員的培養(yǎng)成本，再輔以線上專家會(huì)診系統(tǒng)，不僅可以縮短患者的診療時(shí)間，還有助于提升偏遠(yuǎn)地區(qū)的醫(yī)療水平。
人工神經(jīng)網(wǎng)絡(luò)可以看作是受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的學(xué)習(xí)數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)目前提供了針對(duì)圖像識(shí)別、語音識(shí)別和自然語言處理領(lǐng)域諸多問題的最佳解決方案。其中前饋神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)，是最基本、最常用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，適用于大多數(shù)龐大而復(fù)雜的數(shù)據(jù)集。目前已經(jīng)應(yīng)用于數(shù)字血細(xì)胞分析、尿液有形成分分析、計(jì)算機(jī)輔助精液分析、糞便自動(dòng)化分析、自動(dòng)化陰道分泌物和宮頸細(xì)胞學(xué)檢驗(yàn)、分枝桿菌顯微掃描拍攝系統(tǒng)等［20］。該技術(shù)在醫(yī)學(xué)圖像處理方面具備諸多優(yōu)勢(shì)，如：可以彌補(bǔ)人類視覺捕捉不全以及易于疲勞的缺點(diǎn)，減少肉眼遺漏的微小病變；省時(shí)省力，減少由于人為誤差或主觀差異而引起的漏診；具有可重復(fù)性，減少實(shí)驗(yàn)室內(nèi)、實(shí)驗(yàn)室間的結(jié)果差異［21］，為以往難以實(shí)現(xiàn)規(guī)范化、標(biāo)準(zhǔn)化的手工檢驗(yàn)項(xiàng)目指明了未來發(fā)展方向。
本期刊登的《深度學(xué)習(xí)在抗核抗體檢測(cè)應(yīng)用的進(jìn)展及挑戰(zhàn)》［6］，講述了以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)在間接免疫熒光法抗核抗體檢測(cè)結(jié)果判讀中的應(yīng)用進(jìn)展，被認(rèn)為是數(shù)字圖像技術(shù)、形態(tài)學(xué)識(shí)別與智能化判斷相融合應(yīng)用最為廣泛的一個(gè)領(lǐng)域［22］，為AI技術(shù)在形態(tài)學(xué)檢驗(yàn)智能分析中的應(yīng)用提供了范例。
（三）檢驗(yàn)流程優(yōu)化
傳統(tǒng)的實(shí)驗(yàn)室質(zhì)控多為工作人員每日到崗后取質(zhì)控品復(fù)融進(jìn)行檢測(cè)，整個(gè)過程均為人工操作，因此對(duì)工作人員的操作手法、復(fù)融時(shí)間及人員素質(zhì)等因素均有較高要求，往往導(dǎo)致實(shí)驗(yàn)室質(zhì)控結(jié)果不穩(wěn)定，影響臨床樣本的檢測(cè)。隨著實(shí)驗(yàn)室自動(dòng)化和智能化水平的逐步提升，質(zhì)控過程的自動(dòng)化已成為實(shí)驗(yàn)室未來發(fā)展的一個(gè)新趨勢(shì)。自動(dòng)化質(zhì)控或者叫作自動(dòng)化質(zhì)量管理，即盡量采用減少人工干預(yù)的模式運(yùn)行的質(zhì)量管理程序。在臨床檢驗(yàn)領(lǐng)域則特別指向臨床實(shí)驗(yàn)室內(nèi)的日常質(zhì)量控制（或管理）以通過軟件和硬件的結(jié)合，以自動(dòng)化和智能化模式運(yùn)行的技術(shù)［23］。目前已報(bào)道的方法包括基于室內(nèi)質(zhì)控室間化的自動(dòng)化質(zhì)控方案，和基于患者數(shù)據(jù)的移動(dòng)均值質(zhì)控方案。
基于室內(nèi)質(zhì)控室間化的自動(dòng)化質(zhì)控方案，是在自動(dòng)化分析流水線上添加智能化的質(zhì)控模塊，每日設(shè)置預(yù)定的時(shí)間啟動(dòng)質(zhì)控程序，流水線設(shè)備自動(dòng)測(cè)定質(zhì)控樣本，自動(dòng)填入質(zhì)控?cái)?shù)據(jù)并繪制質(zhì)控圖，自動(dòng)判定質(zhì)控結(jié)果并可通過信息系統(tǒng)發(fā)送消息給儀器使用者或管理者，提示在控或失控及相應(yīng)的處理方案。按照程序?qū)π屡?hào)質(zhì)控物的靶值進(jìn)行自動(dòng)累積測(cè)定和智能化統(tǒng)計(jì)學(xué)分析，確定靶值并設(shè)定變異范圍［24］。未來，隨著自動(dòng)化質(zhì)控的普及推廣，將會(huì)減輕實(shí)驗(yàn)室工作人員的質(zhì)控工作量、降低人員之間的質(zhì)控操作差異、優(yōu)化和標(biāo)準(zhǔn)化質(zhì)控流程、降低質(zhì)控的失控率，提高實(shí)驗(yàn)室質(zhì)量管理、整體縮短實(shí)驗(yàn)室樣本周轉(zhuǎn)時(shí)間，并且促進(jìn)更加智能化的實(shí)驗(yàn)室建設(shè)方案的落實(shí)［25］。
移動(dòng)均值則是一種利用患者數(shù)據(jù)來對(duì)實(shí)驗(yàn)室誤差進(jìn)行監(jiān)測(cè)，作為室內(nèi)質(zhì)控的方法。與傳統(tǒng)的利用質(zhì)控品進(jìn)行質(zhì)控相比，基于患者數(shù)據(jù)的質(zhì)量控制方法具有成本低、無基質(zhì)效應(yīng)、無互換性問題、可連續(xù)對(duì)分析性能進(jìn)行監(jiān)測(cè)等諸多優(yōu)點(diǎn)［26］?；诨颊邩颖緦?shí)時(shí)實(shí)驗(yàn)室質(zhì)量控制可以在每個(gè)患者樣本結(jié)果生成后進(jìn)行計(jì)算，可實(shí)時(shí)監(jiān)控檢測(cè)系統(tǒng)［27］。實(shí)時(shí)實(shí)驗(yàn)室質(zhì)量控制通過在模擬數(shù)據(jù)上進(jìn)行建模，確定算法與各種參數(shù)的最優(yōu)值。隨后在另一個(gè)相對(duì)的數(shù)據(jù)集上進(jìn)行驗(yàn)證、評(píng)估誤差檢出的性能與時(shí)效性，最終在實(shí)踐中進(jìn)行驗(yàn)證與不斷優(yōu)化，如此則可在不額外增加人力和物力成本的情況下實(shí)時(shí)監(jiān)測(cè)檢測(cè)系統(tǒng)的穩(wěn)定性和判斷有無“失控”情況［28］。因此，借助計(jì)算機(jī)的幫助，實(shí)驗(yàn)室可以同時(shí)利用質(zhì)控品和患者數(shù)據(jù)進(jìn)行室內(nèi)質(zhì)控，而相比之下采用患者數(shù)據(jù)的質(zhì)控方法是一種更加個(gè)性化的室內(nèi)質(zhì)控方法，給實(shí)驗(yàn)室提供了另一種室內(nèi)質(zhì)控思路，從而提高了實(shí)驗(yàn)室檢驗(yàn)結(jié)果的準(zhǔn)確性和整體質(zhì)量水平。
除了質(zhì)控管理以外，隨著日益復(fù)雜的實(shí)驗(yàn)流程及要求，綜合智能化將成為實(shí)驗(yàn)室自動(dòng)化的下一步進(jìn)程。以傳統(tǒng)意義上自動(dòng)化水平較低的微生物實(shí)驗(yàn)室為例，眾所周知微生物檢驗(yàn)因?yàn)槠涫止げ僮鞫?、?shí)驗(yàn)步驟繁瑣和周轉(zhuǎn)時(shí)間長(zhǎng)，常常受到臨床的詬病。近年來在保證微生物檢驗(yàn)質(zhì)量的基礎(chǔ)上，已有部分實(shí)驗(yàn)室在嘗試發(fā)展自動(dòng)化和智能化的微生物實(shí)驗(yàn)室模式。他們采用全自動(dòng)微生物流水線，實(shí)現(xiàn)自動(dòng)接種、智能培養(yǎng)以及智能閱板的培養(yǎng)過程，達(dá)到同質(zhì)化接種、全過程可控。并且可以通過智能化系統(tǒng)對(duì)實(shí)驗(yàn)室內(nèi)所有儀器的運(yùn)行情況進(jìn)行實(shí)時(shí)監(jiān)控，實(shí)現(xiàn)對(duì)檢驗(yàn)環(huán)節(jié)的全流程把控，提高實(shí)驗(yàn)室效率和檢驗(yàn)質(zhì)量。為傳統(tǒng)手工實(shí)驗(yàn)室的未來發(fā)展方向提供了思路和借鑒。
（四）自動(dòng)審核
傳統(tǒng)的檢驗(yàn)報(bào)告審核是由人工對(duì)檢驗(yàn)結(jié)果及樣本相關(guān)信息進(jìn)行綜合分析，排除分析前、中、后存在的潛在問題后發(fā)出檢驗(yàn)報(bào)告的過程。不僅耗時(shí)耗力，還容易出現(xiàn)審核失誤。作為AI在醫(yī)學(xué)檢驗(yàn)領(lǐng)域目前的主要應(yīng)用之一，自動(dòng)審核可以提升實(shí)驗(yàn)室檢測(cè)質(zhì)量與效率，將實(shí)驗(yàn)室從信息化、自動(dòng)化帶向智能化［29］。
自動(dòng)審核系統(tǒng)是將人工審核的經(jīng)驗(yàn)進(jìn)行總結(jié)并轉(zhuǎn)換成計(jì)算機(jī)語言，通過計(jì)算機(jī)預(yù)設(shè)的規(guī)則進(jìn)行報(bào)告審核判斷。能快速而準(zhǔn)確地識(shí)別異常結(jié)果、執(zhí)行邏輯關(guān)系判斷，有助于縮短周轉(zhuǎn)時(shí)間，減少人工分析審核環(huán)節(jié)的工作量，提高工作人員對(duì)異常結(jié)果的關(guān)注度，確保審核質(zhì)量［30, 31］。不僅推動(dòng)檢驗(yàn)報(bào)告的規(guī)范化建設(shè)，更是提升了實(shí)驗(yàn)室高效處理海量檢測(cè)數(shù)據(jù)的能力。
但是自動(dòng)審核系統(tǒng)的建立應(yīng)該是基于臨床經(jīng)驗(yàn)的積累和檢驗(yàn)大數(shù)據(jù)進(jìn)一步挖掘的成果，從簡(jiǎn)單到復(fù)雜，慎重而緩慢地逐步提升檢驗(yàn)項(xiàng)目自動(dòng)審核通過率，而不是盲目地追求高通過率。其永遠(yuǎn)無法代替人腦的深度思維能力，且實(shí)驗(yàn)室本身的人員水平、自動(dòng)化水平、實(shí)驗(yàn)室信息技術(shù)水平?jīng)Q定了自動(dòng)審核的完善程度。
（五）人工學(xué)習(xí)檢驗(yàn)結(jié)果解讀
傳統(tǒng)的檢驗(yàn)報(bào)告在出具后需要由醫(yī)師進(jìn)行多項(xiàng)目的綜合判斷，對(duì)醫(yī)師的知識(shí)儲(chǔ)備與綜合分析能力有很大的要求。而人工學(xué)習(xí)檢驗(yàn)結(jié)果解讀能夠?qū)⒒颊咧委煼桨福ㄌ貏e是化療和放射治療）、藥物影響因素、標(biāo)本采集條件、檢驗(yàn)項(xiàng)目的不確定度等結(jié)果的發(fā)展變化與患者具體診斷治療情況結(jié)合進(jìn)行大數(shù)據(jù)的綜合分析，并給出其發(fā)展變化趨勢(shì)及預(yù)后等信息。智能化的信息系統(tǒng)在判斷結(jié)果的過程中，可提供該項(xiàng)目在某類疾病診斷中的敏感性和特異性，該指標(biāo)的進(jìn)一步應(yīng)用及相關(guān)檢驗(yàn)檢查的追加選擇建議等，甚至可以結(jié)合更多的患者臨床資料和實(shí)驗(yàn)檢查結(jié)果，匯集給臨床醫(yī)師，給出診斷選項(xiàng)，輔助臨床診斷或提出治療方案選擇。一些與此關(guān)聯(lián)的檢驗(yàn)項(xiàng)目還可以進(jìn)行綜合分析判斷，給審核者提供建議［31］。
除此之外，AI技術(shù)在檢驗(yàn)中常見的應(yīng)用還有很多。例如，本期刊登的《人工智能在檢驗(yàn)領(lǐng)域的新發(fā)展新方向》［7］一文，從優(yōu)化檢驗(yàn)流程、促進(jìn)精準(zhǔn)檢驗(yàn)以及其在新型冠狀病毒疫情背景下的應(yīng)用（包括助力檢驗(yàn)試劑的研發(fā)、提高病情評(píng)估的效率、自動(dòng)審核化解檢驗(yàn)資源擠兌的風(fēng)險(xiǎn)）幾個(gè)方面，詳細(xì)介紹了AI技術(shù)在檢驗(yàn)醫(yī)學(xué)領(lǐng)域的應(yīng)用現(xiàn)狀和發(fā)展前景，具有較強(qiáng)的可讀性。
二、AI技術(shù)發(fā)展的瓶頸
在檢驗(yàn)醫(yī)學(xué)領(lǐng)域，盡管AI在改善實(shí)驗(yàn)室流程效率和優(yōu)化診斷工作流程方面頗具潛力，但將其轉(zhuǎn)化為常規(guī)實(shí)踐仍然存在諸多挑戰(zhàn)［32］，實(shí)施起來往往進(jìn)展緩慢。究其原因，可能包括以下幾個(gè)方面。
1.數(shù)據(jù)和算法是人工智能的核心。機(jī)器學(xué)習(xí)依賴于數(shù)據(jù)的準(zhǔn)確性，因此，一個(gè)算法的推廣往往需要進(jìn)行多中心的數(shù)據(jù)學(xué)習(xí)。而推廣不同實(shí)驗(yàn)室的數(shù)據(jù)認(rèn)可，可能是未來AI技術(shù)在檢驗(yàn)醫(yī)學(xué)領(lǐng)域的應(yīng)用中需要重點(diǎn)考慮的內(nèi)容。
2.在進(jìn)行數(shù)據(jù)一致化處理的過程中，患者的數(shù)據(jù)安全也將成為嚴(yán)峻的問題。除了與患者隱私相關(guān)的要素外，ML模型的實(shí)施還將帶來一系列的倫理挑戰(zhàn)，可能無法針對(duì)性別、社會(huì)經(jīng)濟(jì)地位和種族等因素進(jìn)行同樣可靠的結(jié)果預(yù)測(cè)。
3.由于某些算法無法對(duì)最終結(jié)果的計(jì)算給出合理解釋，因此會(huì)出現(xiàn)與產(chǎn)品和醫(yī)療事故有關(guān)的責(zé)任問題，最終不清楚誰將對(duì)ML模型的錯(cuò)誤負(fù)責(zé)，是算法的開發(fā)者、軟件公司、醫(yī)生還是醫(yī)療機(jī)構(gòu)？更甚者AI是否可以擁有知識(shí)產(chǎn)權(quán)？如何確保患者信息與數(shù)據(jù)的安全以及AI的所屬范圍，相關(guān)的制度和法律尚待完善。
4.雖然自動(dòng)化質(zhì)控已經(jīng)有了一些嘗試，但無論是國(guó)外還是國(guó)內(nèi)對(duì)自動(dòng)質(zhì)控的流程開發(fā)都僅限于信息需求方面。其臨床應(yīng)用仍處在探索階段，受到各種因素的影響，如質(zhì)控品的穩(wěn)定性、不同應(yīng)用平臺(tái)的硬件條件不同、迄今仍少有專門針對(duì)自動(dòng)化質(zhì)控的軟件開發(fā)等。
5.高投資成本、缺乏經(jīng)證實(shí)的臨床獲益，也是現(xiàn)今AI在檢驗(yàn)醫(yī)學(xué)領(lǐng)域推廣的一大難題。因此簡(jiǎn)化AI的流程與降低成本，多中心證實(shí)其臨床獲益對(duì)于AI的推廣將具有重大推動(dòng)作用。
6.AI給檢驗(yàn)醫(yī)學(xué)帶來機(jī)遇的同時(shí)也帶來了嚴(yán)峻的挑戰(zhàn)，AI技術(shù)的應(yīng)用極有可能改變當(dāng)前臨床實(shí)驗(yàn)室工作人員的命運(yùn)。國(guó)外一項(xiàng)調(diào)查研究表明［1］：臨床實(shí)驗(yàn)室員工普遍認(rèn)同AI技術(shù)在實(shí)驗(yàn)室的未來建設(shè)中具有可行性，并且能接受AI技術(shù)的實(shí)施；但與此同時(shí)，多數(shù)人在檢驗(yàn)質(zhì)量問題和就業(yè)保障方面存有疑慮，認(rèn)為AI技術(shù)對(duì)于質(zhì)量的控制并不能完全與人工等同，且AI技術(shù)的普及應(yīng)用會(huì)影響就業(yè)崗位數(shù)量，造成部分檢驗(yàn)從業(yè)者的失業(yè)。
針對(duì)這些疑慮，作為檢驗(yàn)醫(yī)學(xué)從業(yè)人員，調(diào)整心態(tài)迎接AI時(shí)代的到來并積極參與到AI技術(shù)的開發(fā)和轉(zhuǎn)化中來至關(guān)重要，否則我們將面臨被淘汰風(fēng)險(xiǎn)。與此同時(shí)我們應(yīng)該認(rèn)識(shí)到，在沒有實(shí)驗(yàn)室專業(yè)人員合作或咨詢的情況下設(shè)計(jì)的AI模型，可能會(huì)導(dǎo)致實(shí)驗(yàn)結(jié)果被曲解，同時(shí)面臨單個(gè)企業(yè)對(duì)AI技術(shù)的壟斷等威脅，最終影響實(shí)驗(yàn)室服務(wù)質(zhì)量。因此有必要提高實(shí)驗(yàn)室工作人員對(duì)AI的認(rèn)識(shí)，深刻了解其面臨的挑戰(zhàn)和機(jī)會(huì)，重要的是要認(rèn)識(shí)到AI不會(huì)立即替代專業(yè)的實(shí)驗(yàn)室工作人員，而是作為一種有力的支持工具，能夠增加患者獲得最佳醫(yī)療保健的幾率。檢驗(yàn)醫(yī)學(xué)從業(yè)人員的角色范圍，也應(yīng)該從被動(dòng)地提供數(shù)據(jù)到有效使用已有的數(shù)據(jù)，再到開發(fā)全新的算法。
除了上述問題，本期刊登的另一篇文章《人工智能在檢驗(yàn)醫(yī)學(xué)應(yīng)用研發(fā)中的問題剖析及應(yīng)對(duì)策略》［8］，通過針對(duì)數(shù)據(jù)集質(zhì)量、機(jī)器學(xué)習(xí)模型的可解釋性、研究設(shè)計(jì)的偏差、人才隊(duì)伍減少、安全隱患等內(nèi)容進(jìn)行剖析，中肯地提出了目前AI技術(shù)在檢驗(yàn)醫(yī)學(xué)領(lǐng)域應(yīng)用和研發(fā)過程中所面臨的問題，并給出了相應(yīng)的應(yīng)對(duì)策略。為我們正確認(rèn)識(shí)、理性看待和更好地運(yùn)用AI技術(shù)，提供了借鑒和參考。
盡管當(dāng)前AI技術(shù)的全面應(yīng)用面臨著諸多挑戰(zhàn)，但毫無疑問，AI技術(shù)有潛力深刻改變檢驗(yàn)醫(yī)學(xué)未來的發(fā)展方向。不久的將來，“無人值守實(shí)驗(yàn)室”將會(huì)成為可能，在AI技術(shù)的幫助下，實(shí)驗(yàn)室工作人員大部分時(shí)間內(nèi)在中央控制區(qū)即可完成日常操作，實(shí)現(xiàn)全程質(zhì)量管理、結(jié)果自動(dòng)審核和實(shí)驗(yàn)室間結(jié)果互認(rèn)；遠(yuǎn)程專家會(huì)診平臺(tái)的采用也會(huì)降低公共醫(yī)療資源發(fā)展不均衡問題；通過建立新的診斷模型，AI技術(shù)可以綜合檢驗(yàn)大數(shù)據(jù)實(shí)現(xiàn)更加精準(zhǔn)的診斷，減少患者經(jīng)濟(jì)負(fù)擔(dān)；通過AI智能助理與數(shù)字化POCT，可以對(duì)糖尿病、高血壓等慢性疾病進(jìn)行監(jiān)測(cè)，提升患者依從性、降低并發(fā)癥及不良預(yù)后……
綜上，我們相信在不久的將來，AI將會(huì)全方位應(yīng)用于臨床檢驗(yàn)中，使檢驗(yàn)醫(yī)學(xué)在疾病診斷、療效監(jiān)測(cè)、預(yù)后判斷等方面發(fā)揮更加精準(zhǔn)的作用。在AI技術(shù)的助力之下，檢驗(yàn)醫(yī)學(xué)的發(fā)展未來可期。
參考文獻(xiàn)（略）
聯(lián)系客服
