谈到人工智能大家并不陌生，基于互联网、大数据、云计算等新兴技术的支撑，近些年在IVD行业也是有了极大的发展。早在2017年7月的时候，国务院就印发了《新一代人工智能发展规划》正式将AI上升到国家战略层面，而在医疗方向上提出了“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。当下在医疗行业已经出现了很多关于AI技术应用的报道，在医疗影像智能判读、病历理解和检索、手术机器人等等。一个项目在检验过程中，从样本的采集、运输和保存直到检测的过程中涉及多个人员，因此在有研究表明60-70%的检验差错来源于此。拿血液样本的采集来举个例子，美国一家初创公司VascuLogic研制的采血机器人能够通过AI算法综合分析手臂的红外和超声信号，然后寻找到最佳的采血点，根据血流量自动调节进针深度，让采血变得更加安全和高效。而我国有一些医院已经开展的门诊智能采血管理系统，实现了排队叫号、判读患者信息、核实检验项目、血样传递过程全自动化，极大的提高了检验效率。在检验中AI技术擅长分析图像信息，而很多IVD项目都是基于图像识别，对病原体或者人体细胞的形态学进行鉴定。比如血细胞、尿液这些样本，传统的主流技术仍然是利用流式细胞技术转化成光电信号间接识别，在通过人工镜检确认。而基于深度学习的AI技术在血细胞、骨髓细胞、精子、尿液、粪便以及病原体的形态、核酸都有望通过数字扫描成像、图像特征提取促使检验项目全自动化。AI技术在检验后阶段的应用主要还是在检验报告的处理上，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，而尽量实现不同审核者间的标准化。检验结果的审核不能机械的依据指标的参考区间判断异常值，每个患者的基础水平不同，所以判断的标准应该综合这些信息，有时候甚至还需要一些临床信息，所以在这一方面，AI技术或许能做的更好。纵观整个IVD行业，分子诊断的增长速度最快，但是伴随而来的是分子诊断获取的大量数据的处理问题，就拿测序来说，时下最火热的病原体宏基因组测序一次能鉴定4000-16000余种微生物。但是遇到的问题也很明显，哪些属于致病菌，哪些属于定植菌呢？大数据分析是精准医疗的基石，但是带给检验行业的挑战也是极大的，如果利用AI技术进行合理的建模，通过多参数诊断模型来诊断疾病。都说掌握数据的一方，将会在未来的IVD行业发展中拥有巨大的优势。那么目前能够产生大量数据的地方，第三方检验所绝对是一个最容易引入AI技术的一个场景。通过第三方检验所能将一些门槛比较高的医疗技术下沉到基层医疗机构，但是在技术下沉的过程中必然面临着缺乏专业的检验技师、报告解读医师等等，AI技术就能把检验技师的误差排查和专家的诊断经验固化下来。弥补医疗技术下沉过程中的短板。通过AI赋能检验，第三方检验所和POCT源源不断的产生数据，而这些数据被AI学习，优化升级整个系统，进而形成良性循环。随着国家分级诊疗的推行，POCT会不会形成一个更巨大的市场呢？这是有可能的，但是POCT的质量控制能不能通过AI技术进行控制呢？答案也是肯定的！深圳有一家公司主要做这一块，通过AI软件连接POCT机器和云端数据质量管理服务系统，实现了远程监护和质量控制，在检测完成之后，又能与病史信息、体征指标进行整合，输入AI模型之后，由系统给出最终的诊疗建议。之前在与一个检验科的朋友聊天时，谈到一个问题，随着科技的发展，检验设备越来越智能化，是不是未来就不需要更多的检验技师了，为此深感焦虑。想必一个新的技术出现，伴随的都是一场革新，AI技术能够带给检验行业很大的变化，也会带给众多IVD企业弯道超车的机会。对于检验技师而言，未来或许不需要有那么重复劳动的工作，但是新的场景下一定需要更加专业、更符合未来的检验技师。对于IVD企业来说，尤其是传统的IVD单一生产型企业，随着行业的发展也是迫切的想要转型。知识和数据的富集度越高，在未来所拥有的竞争力将越大，也希望所有的IVD企业能在这波AI浪潮中找到适合自己的风口。
参考资料：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）；1018-1022
