大数据与人工智能技术在检验医学中的展望
郭玮 
·
DOI： 10.3760/cma.j.cn114452-20241203-00658
Expectation of big data and artificial intelligence in clinical laboratory medicine
Guo Wei
·
DOI： 10.3760/cma.j.cn114452-20241203-00658
824
203
0
0
3
1
APP内阅读
摘要
近年来，大数据和人工智能技术已深入各行业，在医学检验中也展现出巨大潜力。在检验医学领域，这些新的技术带来全新的发展思路，提高效率、检验质量和服务，降低患者风险。相关专家在期刊中分享了大数据和人工智能技术应用的经验及伦理和数据安全考量，为医学检验同行践行应用新技术提供经验和案例，指引未来新技术在医学检验实验室的发展。
大数据;人工智能;检验医学
ABSTRACT
In recent years, big data and artificial intelligence (AI) have penetrated into various industries, showing great potential in laboratory medicine as well. In the field of laboratory medicine, these new technologies bring innovative development idea, improving efficiency, quality, and services, and reducing patient risks. Experts in the field share their experiences along with ethical and data security considerations regarding the application of big data and AI technologies in the journal, providing experience and cases for laboratory medicine professionals, and guiding the future development of novel technologies in clinical laboratories.
Big data;Artificial intelligence;Laboratory medicine
Copyright by Chinese Medical Association
No content published by the journals of Chinese Medical Association may be reproduced or abridged without authorization. Please do not use or copy the layout and design of the journals without permission.
All articles published represent the opinions of the authors, and do not reflect the official policy of the Chinese Medical Association or the Editorial Board, unless this is clearly specified.
引用本文
郭玮. 大数据与人工智能技术在检验医学中的展望[J]. 中华检验医学杂志,2025,48(02)：169-171.
DOI:10.3760/cma.j.cn114452-20241203-00658评价本文
*以上评分为匿名评价
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
大数据与人工智能技术的浪潮近年来席卷全球各行各业，基于这些革命性的技术，人类分析、处理和使用的数据量和数据复杂性达到了前所未有的高度。基于大语言模型的各种人工智能应用不断刷新人类对人工智能技术的期待
［
1
］
。2024年，人工智能技术的代表——深度学习的提出者Geoffrey Hinton获得了诺贝尔物理学奖也再次证实了科学界对人工智能技术为人类科技发展所产生的重要作用的认可。大数据技术和人工智能技术通常在同一语境中使用，但各有侧重。其中，大数据偏重于数据分析底层技术，配合硬件、数据库和网络实现高效的数据采集、存储、传输和提取。人工智能技术则提供了简单高效的分析、发掘复杂数据中特征和规律的方法，数据分析流程不再需要通过复杂的统计学建模，降低技术门槛，使得复杂数据分析可以广泛应用到不同专业领域。大数据技术的提升，为人工智能模型提供了充足的计算资源，以及更多、更高维度的训练数据以提升模型性能，而人工智能模型的反馈也能进一步改进底层的数据分析流程，实现不断提升的循环。目前大数据人工智能技术已广泛应用于金融、电子商务以及临床医学领域，创造了前所未有社会经济价值。
对于检验医学，这些新的技术带来全新的发展思路，将过去无法实现的场景变为现实。利用新技术提高工作效率和检验质量、降低患者风险并且为与患者提供更丰富的服务和信息。医学检验部门作为医院中重要的平台学科，是转化医学的重心之一，也是不同学科与医学融合的焦点之一。医学检验实验室工作流程复杂，涉及检验“前、中、后“等环节，以及“人、机、料、法、环“等要素，每一个亚专业、流程和要素都有面临的难点和痛点问题。对于大数据和人工智能技术的应用，关键在于发现检验医学中的难点、痛点问题，当确认和定义这些问题及其特征后，就可以选择合适的数据处理和分析技术。然而，发现和识别工作中的问题并不是每一个人与生俱来的能力，而是需要后天的不断学习和积累才能培养出对发现数据问题的敏感性。首先，需要医学检验同行学习和了解数据科学相关的理论和知识；其次，需要通过学习他人应用大数据和人工智能技术解决问题的经验，以提高自己发现问题的能力，这样才可以更好地和专业的信息和数据领域专家合作，解决实际问题。为了有助于医学检验同行了解更多的相关经验、进展和未来发展方向，本期刊载了国内外杰出的人工智能和检验领域的专家对大数据和人工智能技术在检验医学中应用的理解和研究成果介绍，以及未来广泛应用这些新技术时需要考虑的伦理问题。
在医学检验工作流程中，大数据人工智能解决的问题可以分为两大类：提高医学检验质量以及提高为临床医生和患者的服务水平。前者更注重于医学检验实验室内部的检验质量管理，而后者则注重于实验室外部的质量管理，即如何为临床医生和患者提供更多的医疗价值。在提高实验室内部检验质量方面，王绵生等
［
2
］
探讨了智能化实验室在检验部门的应用，通过整合气动物流传输、自动排样、自动质控、智能监测、自动审核等系统，实现了检验全过程的智慧化。研究显示，各项智能技术的应用显著提升了工作效率。其中，实施气动物流传输系统后，样本传送到接收效率提升了64.9%；样本从接收到上机检测效率提高了75.6%；通过自动质控 3 h内报告率从28.68%提高到38.26%；整体自动审核通过率达到28.19%；实验室内TAT周转时间（turn around time，TAT）从203 min减少到177 min；危急值通报及时率达到99.52%；门诊生化免疫的TAT中位数由222 min降至145 min；合格率从86.88%提高到96.32%。智慧检验实验室提高了检验工作效率和质量，为临床诊疗提供了更高效和准确的支持。
崔俊华等
［
3
］
的研究通过利用检验历史大数据和人工智能技术优化甲状腺功能五项检测项目的自动审核系统。优化后，该系统的自动审核通过率从69.56%提升至81.32%。这种改进不仅提高了检验报告的准确性和工作效率，还展示了大数据分析在风险控制中的有效价值。依托大数据和人工智能的自动审核系统在医学实验室中具有广泛的应用前景，为未来提升检验后流程的智能化和规范化提供新思路。
在提高对临床和患者服务水平的方面，李利毛等
［
4
］
通过结合表面增强拉曼光谱技术和机器学习算法，开发了一种用于结直肠癌早期筛查的血清检测方法。利用金纳米六角板阵列增强表面增强拉曼光谱信号，对采集自健康受试者及不同分期结直肠癌患者的血清进行分析。采用主成分分析-支持向量机模型处理高维复杂的表面增强拉曼光谱数据，取得了90.9%的分类准确率、96.5%的敏感度和99.4%的特异度，曲线下面积为98.3%。研究表明，表面增强拉曼光谱在识别癌症相关的生化分子变化方面具有显著优势，而机器学习能够有效提取和分类这些特征，提高筛查的准确性和效率。这一方法不仅减少了样本需求，提高了检测效率，还为结直肠癌及其他疾病的早期诊断提供了一个高效、可靠的技术平台，利用大数据与人工智能技术为临床提供更为准确和丰富的结直肠癌诊断信息。
本刊还汇集了来自国内外多位学者关于大数据和人工智能技术在检验医学研究中的发展与应用的观点和分析，包括施意等
［
5
］
从人工智能的专业角度，探讨了医学人工智能的应用；曹静和易欣
［
6
］
分析了人工智能技术在检验检测质量控制和临床应用中的作用；王家欣等
［
7
］
研究了大数据和人工智能技术在微生物图像识别及肠道菌群高通量测序中的应用；而冯馨锐等
［
8
］
则总结评估了人工智能在临床血液学检验教学中的应用。这些文章全方位总结和分析了人工智能的应用现状和未来发展。
随着检验医学数据成为医疗大数据一部分，其在临床诊断、决策支持、疾病预防和健康管理中的价值逐渐显现。这也带来了数据隐私和伦理挑战，涉及隐私泄露风险、数据歧视和人工智能算法偏倚等问题。赵秀英
［
9
］
探讨了临床检验大数据中应用人工智能技术的伦理学考虑与未来展望。为有效利用大数据，文章提出了伦理审查的标准和建议，如去标识化、最小风险原则、知情同意、数据捐赠机制等。此外，通过国家立法和隐私保护技术，如差分隐私和数据加密，研究推动大数据的科学应用，确保数据安全和个体隐私保护。整体而言，这些措施不仅提升了数据分析的精准性和效率，还在保障患者隐私的同时推动医学进步，为患者和临床服务提供了更精确和个性化的支持。
虽然上述进展为医学检验领域提供了丰富的大数据和人工智能应用思路，但人工智能在医学检验中的研究常常忽视可重复性问题。目前，这一研究领域仍在起步阶段，许多研究缺乏合理的验证流程和科学性，而可重复性是避免不当模型应用于临床、避免医疗风险及浪费社会资源的关键
［
10
,
11
］
。要实现可重复性，研究团队需公开算法代码和原始数据，使审稿人和其他研究人员能够评估算法的科学性和可靠性。然而，目前能同时公开研究代码和原始数据的研究屈指可数。这种公开模式可能对研究团队带来挑战，但确保研究的可重复性对于建立一个健康、可持续发展的研究环境是至关重要的。
大数据与人工智能技术正不断革新实验室检测与分析的方式，不仅可以提高检验质量和效率，还可以增强临床诊疗和患者服务水平。这些技术的创新应用在解决检验医学领域的难点、痛点问题方面展现出巨大潜力，有助于推动检验医学更好地向智能化、精准化方向发展。与此同时，也需应对随之而来的数据隐私和伦理挑战。在推进大数据与人工智能技术应用的同时必须加强对数据安全的监管和伦理标准的制定。在未来发展中，持续优化技术和管理机制，将是确保大数据与人工智能真正服务于人类健康和福祉的关键。相信大数据与人工智能技术在医学检验部门的广泛应用将推动检验医学朝着更精准、更高效的方向不断前行，为临床医疗和大健康战略带来更加令人瞩目的创新空间。
试读结束，您可以通过登录机构账户或个人账户后获取全文阅读权限。
已是订阅账户?
登录
参考文献
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
备注信息
A
郭玮，Email：
nc.hs.latipsoh-sziew.oug
B
郭玮. 大数据与人工智能技术在检验医学中的展望[J]. 中华检验医学杂志, 2025, 48(2): 169-171. DOI: 10.3760/cma.j.cn114452-20241203-00658.
C
作者声明无利益冲突
评论 （0条）
注册 登录
时间排序
暂无评论，发表第一条评论抢沙发
MedAI助手（体验版）
文档即答
智问智答
机器翻译
回答内容由人工智能生成，我社无法保证其准确性和完整性，该生成内容不代表我们的态度或观点，仅供参考。
生成快照
文献快照
你好，我可以帮助您更好的了解本文，请向我提问您关注的问题。
0/2000
历史对话
本文全部
还没有聊天记录
设置
模式
纯净模式沉浸模式
字号
小中大
