2023年，IVD行業(yè)里時(shí)不時(shí)有一些企業(yè)因為人工智能加持而名氣大增，高頻詞-機器深度學(xué)習被廣泛認知、重視。顯現了人工智能的巨大影響力，其主要應用在樣本處理、形態(tài)學(xué)檢驗、物流轉運、檢驗結果審核和報告分析等，當前IVD檢驗設備進(jìn)入全自動(dòng)時(shí)代，檢驗數據呈現指爆發(fā)性增長(cháng)態(tài)勢，此時(shí)人工智能興起也是恰逢其時(shí)，以機器深度學(xué)習為主要內容，必將數據價(jià)值更大程度地釋放出來(lái)。

最初，人工智能以計算機為基礎，對語(yǔ)音、圖像進(jìn)行識別，后發(fā)展語(yǔ)言處理系統、專(zhuān)家系統、圖像處理等多個(gè)中轉樞紐，隨著(zhù)研究的深入和突破，精準度提高及深度學(xué)習系統的問(wèn)世，人工智能的概念逐漸成熟，可以應對大量的數據“來(lái)襲”，可代替人工大量重復工作，贏(yíng)得該有的地位，正式進(jìn)入應用階段。事實(shí)上，各行各業(yè)均有需要，顛覆性改革勢在必行，展望2024年的檢驗領(lǐng)域，人工智能必然會(huì )在原有的基礎上繼續更迭、升級，發(fā)揮更強的影響力

檢驗過(guò)程的升級

檢驗人知道，樣本開(kāi)始采集就要開(kāi)啟質(zhì)控，過(guò)去由于多是人工操作，即使經(jīng)過(guò)專(zhuān)業(yè)培訓，仍帶有極強的主觀(guān)影響，因此，樣本采集環(huán)節仍對整個(gè)檢驗流程和結果有制約。長(cháng)期以來(lái)，對阻斷人員因素的全自動(dòng)采集探索，孜孜不倦，以血液采集為例，過(guò)去15年里，先是有全自動(dòng)化采血的興起，首先解決了可能和不可能的問(wèn)題；隨后引入機器人智能交互、導航控制、生物識別等智能技術(shù)，從內容看主要是利用紅外線(xiàn)、超聲波、視覺(jué)系統、智能選擇算法進(jìn)行精準采血，其二解決準不準的問(wèn)題。

然而作為初級階段，該種處理方式具有一定的局限，成功率也并非理想。一種新技術(shù)概念或許可以改變這個(gè)局限，基于Hessian算子的多尺度自適應靜脈濾波提取方法，加上人工智能有望進(jìn)一步提高一次性穿刺成功率。針對采集過(guò)程的不良發(fā)生率，可通過(guò)在樣本采集或接收窗口應用人臉識別系統，規避一些頂替采樣的潛在風(fēng)險及其他主觀(guān)性錯誤，有望降低投訴及不良事件。這是解決理想不理想的問(wèn)題，看起來(lái)像是現有科技革命的終極方案，也是實(shí)現人工轉設備全自動(dòng)化的初衷。

在轉運方面，中大型醫學(xué)實(shí)驗室的樣本前處理系統通常僅局限于配套的檢測流水線(xiàn)，而要往更大范圍的區域裝卸樣本，依靠現有的系統或將無(wú)法實(shí)現。自從有了深度學(xué)習的應用之后，結合現有的識別系統，可實(shí)現在全院范圍將樣本送達制定檢驗區，并且擁有較好的無(wú)菌環(huán)境及最大程度的穩定性，有主動(dòng)糾偏的能力。例如智能軌道、氣動(dòng)管道傳輸系統。盡管目前還有一些人工篩選、轉運時(shí)效無(wú)法保證、過(guò)程無(wú)法追蹤等問(wèn)題，但隨著(zhù)多個(gè)信息系統的整合、互聯(lián)互通，更多人工智能整合系統出現，這些問(wèn)題將一步一步化解。

人工智能的應用趨勢

人工智能的應用潛力方方面面，幾乎可以貫穿檢驗的始末。以檢驗前的申請為開(kāi)端，臨床醫生所開(kāi)具的檢驗單受限于就診人自訴、醫生的個(gè)人專(zhuān)業(yè)判斷、過(guò)往使等，缺少第三方的較為中立、更豐富的判斷，機器學(xué)習可結合雙方提供的信息，對適宜的檢驗項目進(jìn)行篩選，精準醫療，提高就診效率，降低投訴率和醫療成本等系列醫療優(yōu)化。

在檢驗過(guò)程中，通過(guò)在全自動(dòng)化流水線(xiàn)添加智能模塊，設定時(shí)間進(jìn)行質(zhì)控，判定質(zhì)控結果狀態(tài)，是當前人工智能在質(zhì)控方面的主要應用形式。近年來(lái)，一種新的實(shí)時(shí)質(zhì)量檢測方案，對實(shí)驗室誤差進(jìn)行實(shí)時(shí)監測，在深度學(xué)習的幫助下，能對各參數進(jìn)行驗證和持續優(yōu)化，提高質(zhì)控水平。而且，隨著(zhù)數據共享程度的提高，各實(shí)驗室間有望實(shí)現標準統一，實(shí)現智能化的室間質(zhì)評。

人工智能在檢驗的應用知名度較高的應該是對報告的分析解讀，給醫務(wù)人員現成、多維度的報告參考，將極大解放智力勞動(dòng)；對患者來(lái)說(shuō)，附帶異常結果提示、關(guān)鍵結果解釋、趨勢對照等更詳細便利的解讀，趨于標準化的結果，有利于自身的健康管理。

自深度學(xué)習被運用之后，使得報告解讀的意義得到極大的擴寬，第一層面上，結合多項檢驗指標及病理學(xué)、影像學(xué)檢查結果的疾病診斷模型擁有更全面的參考因素，得出的報告的結論將更全面，不遺漏，這是過(guò)去人工無(wú)法企及的，不單是解放解讀報告的工作，而且是提高解讀報告的專(zhuān)業(yè)度。

第二層面，隨著(zhù)更強的算法算力出現，足夠的數據量、訓練量助推之下，疾病診斷模型不再局限于已構建的疾病類(lèi)型，可能會(huì )發(fā)現不在模型里面的疾病類(lèi)型，機器深度學(xué)習自身可以一定程度上探索未知領(lǐng)域。

總結

檢驗醫學(xué)里新技術(shù)的發(fā)展，必然是結合人工智能、機器深度學(xué)習來(lái)改變整個(gè)檢驗業(yè)態(tài)。

于人工智能而言，算法算力等的限制導致當下的應用程度仍然不足，應用領(lǐng)域也較為局限，同期發(fā)展伴隨的數據安全與倫理問(wèn)題應對方案尚待完善，從這個(gè)端來(lái)看，人工智能還處在發(fā)展早期，這對所有IVD企業(yè)都是一樣的機遇，誰(shuí)充分掌握這個(gè)機會(huì )，或將提升其在業(yè)內原有的位序。

于檢驗人而言，盡管傳統熟悉的檢驗新技術(shù)會(huì )繼續層出不窮，更強的性能更快的速率會(huì )刷新對新設備試劑、原料等的認知，但最核心的可能要跳出包括這在內的檢驗圈事業(yè)，對人工智能需有更情深的了解和學(xué)習，并掌握相關(guān)技能，理論和實(shí)踐相結合，最大程度的與人工智能發(fā)展腳步同步、甚至超前。

文章來(lái)源：小桔燈網(wǎng)