人工智能对我国检验医学的机遇与挑战

的指导下学习专业前沿相关的研究进展、操作技术
、
论文撰写等方面的知识,培养和发掘自己的创新理念
和创新思维,充分发挥个人特长,为社会创造更大的
价值
[１２Ｇ１４]
.课程设计构思详见图２.

发展创新实践教育,培养合格的高技术应用型人

才,必须走产学研结合的道路.产学研结合是以学术
研究、专业教育与行业生产相结合,实现校企双赢全
方位合作的医学检验技术培训模式
[１５Ｇ１６]
.
在医学检

验技术专业开展“创新实践教学”是顺应时代发展,符
合本科生教学方针,培养应用型医学检验人才的有效
教学途径.应该在不断的实践教学过程中加以完善
,
提高医学检验技术专业创新实践课程的教学质量,培
养出既具有专业特色又富有实践操作技能的高端应
用型医学检验人才
[１７]
.

参考文献
[１]
马晓娣

．

我国医学检验本科专业人才培养的问题与对策

研究[D]．沈阳:东北大学
,
２０１０．
[２]MCGEEJB,
KANTERSL．Howwedevelopandsustain

innovationinmedicaleducationtechnology:KeystosucＧ
cess[J]．MedTeach,２０１１,３３(４):２７９Ｇ２８５．
[３]
PFEIFERCM．AprogressivethreeＧphaseinnovationto

medicaleducationintheUnitedStates[J]．MedEducOnＧ
line,２０１８,２３(１):１４２７９８８Ｇ１４２７９９２．
[４]PETTYE,
GOLDENRN．EmbracinginnovationinmediＧ

caleducation[J]．WMJ,２０１７,１１６(３):１７９Ｇ１８０．
[５]邓均,郑峻松,黄辉,
等

．

医学检验本科生科研能力培养与

实践的教学改革探讨[J]．国际检验医学杂志
,
２０１２,３３
(２):
２４３Ｇ２４４．

[６]祝思路,付玉荣,
伊正君

．

应用型医学检验技术专业教师

教学能力提升的策略[J]．医学教育研究与实践
,
２０１７,２５
(３):
４０５Ｇ４０７．

[７]WOODSM,ANDERSONL,
ROSENBERGME．InspirＧ

inginnovationinmedicaleducation[J]．MinnMed,２０１４
,

９７(９):４７Ｇ４８．
[８]李海侠,郑磊,杨佳,
等

．

医学检验专业创新创业人才培养

模式的初探[J]．中国高等医学教育
,
２０１４(３):３９Ｇ４０．
[９]向阳,
毛旭虎

．

医学检验本科生科研能力训练与创新素质

的培养[J]．国际检验医学杂志
,
２０１６,３７(９):１２９８Ｇ１２９９．
[１０]
吕世静

．

医学检验专业学生科研能力与创新能力的培养

与探索[J]．中华医学教育杂志
,
２００５(３):１３Ｇ１５．
[１１]曾常茜,赵彩红,
丁宁

．

发挥综合性大学优势,推进医学检

验实践教学[J]．实验技术与管理
,
２０１２,２９(１１):１６Ｇ１７．
[１２]梁航华．医学检验专业的教学改革与实践[J]
．

生物技术

世界
,
２０１５(６):１７２Ｇ１７３．
[１３]刘成玉,
管洪在

．

医学检验专业课程体系的改革与实践

[J]．医学教育探索,２００９,８(１):
２７Ｇ３０．

[１４]陈丽华,陈辉,宋明胜,
等

．

医学检验技术专业应用型创新

人才培养模式的探索与实践[J]．中国高等医学教育
,
２０１７(４):２４Ｇ２５．
[１５]谭静,王凡平,
王明永

．

医学检验实践教学体系改革与实

践[J]．中国高等医学教育
,
２０１２(１２):７３Ｇ９６．
[１６]张国军,吕虹,
康熙雄

．

医学检验教育传承、创新、发展的

探索与实践[J]．中国实验诊断学
,
２０１２,１６(１０):１９６４Ｇ

１９６５．
[１７]吴芹,赵霄,马桂芳,
等

．

医学检验技术专业教学促就业
、

引招生举措的实践和研究[J]．实验与检验医学
,
２０１７,３５
(４):
６１０Ｇ６１２．

(收稿日期:２０１８Ｇ０９Ｇ２０　修回日期:２０１８Ｇ１２Ｇ２８)

△
　通信作者,EＧmail:liyanqiuyong＠１２６．com
.
本文引用格式:张桐硕,逄瑷博,任鹤菲,等．人工智能对我国检验医学的机遇与挑战[J]．国际检验医学杂志,２０１９,４０(８):１０１８Ｇ１０２２．

管理􀅰教学
人工智能对我国检验医学的机遇与挑战

张桐硕
１,逄瑷博２,任鹤菲１,魏茂提３,李艳秋１△
(１．武警特色医学中心检验科,天津３００１６２;２．武警北京总队执勤第十一支队卫生队,北京１０００００;
３．武警后勤学院部队流行病学教研室,天津３００３０９
)

摘　要:人工智能(AI
)应用于医疗健康领域是大势所趋,将全方位推动检验医学的变革.
该文结合我国检

验医学的发展现状,探讨了AI相关技术在提升检验流程的自动化程度、挖掘检验数据的辅助诊断价值、重塑检
验行业服务模式中的应用潜力,进而从检验医学工作者的角度,设想未来面临AI取代检验科日常工作带来的
冲击,如何实现向检验数据管理人员或检验医师的职能转型,开创人－机协同的检验医学新时代.期望该文对
检验医学领域AI发展方向的推演能为广大检验同仁及智能医疗从业者提供启发和参考
.
关键词:检验医学
;
　人工智能;　大数据;　辅助诊断;　
检验医师

DOI
:１０．３９６９/
j
．issn．１６７３Ｇ４１３０．２０１９．０８．０３３中图法分类号:TP１８

文章编号:１６７３Ｇ４１３０(２０１９)０８Ｇ１０１８Ｇ０５文献标识码
:
B

作为一门利用计算机程序模拟人类学习行为以改善自身性能的学科[１],人工智能(AI
)借助互联网、

􀅰８１０１􀅰
国际检验医学杂志
２０１９年４月第４０卷第８期　IntJLabMed,April２０１９,Vol．４０,No．８
大数据、云计算等新兴技术的支撑,在近年来取得了突破性的进步.２０１７年７月国务院印发的«新一代人工智能发展规划»正式将AI上升到国家战略的高度,其中针对医疗方向提出了“推广应用人工智能治疗新模式新手段,建立快速精准的智能医疗体系”的任务部署[２].如今,AI在医疗领域的研究成果频出,国内外高科技企业相继布局智能医疗行业[３].AI已经逐步融入医疗健康领域,出现了医学影像智能判读、病历理解与检索、手术机器人、可穿戴生理监测、新药研发、健康管理等诸多应用场景[４].现今的检验科无论从技术含量还是仪器设备的多元密集性都是其他科室所无法比拟,体现了检验医学对待新技术更为敏锐,为AI预备了广阔的技术转化平台.另一方面,临床对检验结果日益高标准的质量要求、个体化结果的分析和咨询及庞杂数据的处理压力都迫切需要AI为检验医学注入新的活力.然而,AI参与检验数据的生成和辅助诊断在国内检验医学领域尚处于起步阶段.文献计量结果显示,我国在AI医学装备技术领域的研究与报道聚焦在医学影像学、临床病理学、放射治疗等方面,而检验医学对AI技术开发相对薄弱[５].本文立足于AI在医学应用中的最新进展,总结出AI与检验医学在各个层面的结合途径,并剖析目前的制约因素,为检验工作者在AI浪潮中进行前瞻性准备、提升核心竞争力提出一些建设性意见.１　AI对整个检验流程的覆盖１．１　检验前阶段的标本采集与传送　检验分析前(包括标本的采集、储存与运送)的人员涉及面广、潜在因素多,是质量管理最薄弱的环节,６０％~７０％的检验差错来源于此.医疗机器人是AI控制技术应用在医疗器械上的典型代表,除了为人熟知的达芬奇手术机器人,医疗机器人的种类已涵盖了导诊、运送、护理辅助等医疗保健流程.血液检验是临床检验中最重要的内容,然而人工采血耗时费力,不仅患者排队等待就医体验不佳,而且项目识别和人工贴条码过程易出差错.美国初创公司VascuLogic研制的采血机器人通过AI算法综合分析手臂的红外和超声信号,定位静脉最佳采血位点,根据血流量自动调整进针深度,相比护士采血更加安全高效,也将大大缓解患者对采血的畏缩情绪.再如我国少数几家医院率先开展的门诊智能采血管理系统[６Ｇ７],实现了排队叫号、判断患者检验信息、核实检验项目、血样传输的全程自动化,极大提高了检验效率,同时化解了困扰已久的医患纠纷,发挥了良好的示范效应.１．２　检验中阶段的深度学习助力形态学判别　以卷积神经网络为标志的深度学习是驱动此轮AI爆发的核心,它突破了非结构性数据分析的瓶颈,尤为擅长分析图像信息.基于图像识别的AI对皮肤癌[８]、乳腺癌[９]和先天性白内障[１０]等疾病的鉴定水准已经达到甚至超过专业医生,此类研究成果２０１６年以来陆
续发表在Nature、JAMA等重磅医学期刊.２０１８年
初,美国食品药品监督管理局
(
FDA
)
批准了全球首个

深度学习影像临床应用平台
ArterysCardioDL
.
腾

讯推出的AI医学产品“腾讯觅影”包含早期食管癌
、
肺结节、乳腺癌、糖尿病视网膜病变等多病种的影像
筛查,并落地国内１００余家三甲医院.谷歌旗下的
Deepmind开始将更精确全面的３D
图像技术应用于

深度学习.AI在影像学领域的科研和商业化走在了
前列,为形态学检验提供了可借鉴的经验.从上世纪
８０
年代就有学者开始对血细胞、尿液有形成分等样本

的图像识别进行尝试,但受制于算法结构和细胞数据
库的规模,效果并不令人满意,如今的主流仍是利用
流式细胞技术转换成的光电信号间接识别,再通过人
工镜检确认.以深度学习催生的新一代计算机视觉
技术为依托,无论是血细胞、骨髓细胞、精子,还是尿
液和粪便颗粒,乃至细菌形态和染色体,都有望遵循
着数字扫描成像、图像特征提取、多层模型训练的范
式开发分析系统并在形态学检验领域推广
[１１]
,
攻克检

验项目全自动化的最后难关
.
１．３　
检验后阶段的个性化报告审核　检验报告是检

验后阶段的重要质量指标,审核和报告检验结果不仅
要求及时、准确,并尽量实现不同审核者间的标准化
.
审核检验结果的难点在于标本取自的患者状况千差
万别,不能机械地依据指标的参考区间判断异常值
,
患者指标相对于其个体基础水平的动态变化有时才
是重要的.这要求检验工作者密切结合临床信息加
以综合评估,必要时查询病历或电话追问患者的主治
医生,是对其工作经验和责任心的极大考验.基于患
者自身情况建立个体检验指标的参考区间,实现个性
化审核是智能化审核系统的改进目标.例如判断心
肌肌钙蛋白
I(cTNI
)检测结果的可靠程度时,
系统将

自行调取心脏病发病史或手术史以及cTNI的历史结
果等一系列临床诊疗进程的指标输入审核模型,若不
能通过审核,会自动制定复检方案并切换至人工确
认.而个性化AI审核的前提是LIS和HIS系统对接
保证数据共享
.
２　
基于检验数据的AI辅助诊断

２０１８年４月国务院发布了«关于促进“互联网＋

医疗健康”发展的意见»,其中包括推进“互联网＋人
工智能”应用服务,研发基于AI的临床诊疗决策支持
系统.在发达国家,７０％~８０％的医疗决策依赖于实
验室检查结果[１２].通过AI挖掘检验指标与疾病之
间隐含的联系或规则,无疑能为临床提供更有价值的
诊断意见,充分体现检验医学意义.早期的计算机辅
助诊断由手动编制的大量逻辑规则组成知识库,采用
符号推理的方式,无法在临床实践中自我校正、弥补
知识缺陷,因而临床应用非常局限[１３].如今AI为辅
助诊断开辟了新的途径,其凭借强大的自学能力灵活

􀅰９１０１􀅰
国际检验医学杂志
２０１９年４月第４０卷第８期　IntJLabMed,April２０１９,Vol．４０,No．８