2023年，IVD行业里时不时有一些企业因为人工智能加持而名气大增，高频词-机器深度学习被广泛认知、重视。显现了人工智能的巨大影响力，其主要应用在样本处理、形态学检验、物流转运、检验结果审核和报告分析等，当前IVD检验设备进入全自动时代，检验数据呈现指爆发性增长态势，此时人工智能兴起也是恰逢其时，以机器深度学习为主要内容，必将数据价值更大程度地释放出来。
最初，人工智能以计算机为基础，对语音、图像进行识别，后发展语言处理系统、专家系统、图像处理等多个中转枢纽，随着研究的深入和突破，精准度提高及深度学习系统的问世，人工智能的概念逐渐成熟，可以应对大量的数据“来袭”，可代替人工大量重复工作，赢得该有的地位，正式进入应用阶段。事实上，各行各业均有需要，颠覆性改革势在必行，展望2024年的检验领域，人工智能必然会在原有的基础上继续更迭、升级，发挥更强的影响力
检验过程的升级
检验人知道，样本开始采集就要开启质控，过去由于多是人工操作，即使经过专业培训，仍带有极强的主观影响，因此，样本采集环节仍对整个检验流程和结果有制约。长期以来，对阻断人员因素的全自动采集探索，孜孜不倦，以血液采集为例，过去15年里，先是有全自动化采血的兴起，首先解决了可能和不可能的问题；随后引入机器人智能交互、导航控制、生物识别等智能技术，从内容看主要是利用红外线、超声波、视觉系统、智能选择算法进行精准采血，其二解决准不准的问题。
然而作为初级阶段，该种处理方式具有一定的局限，成功率也并非理想。一种新技术概念或许可以改变这个局限，基于Hessian算子的多尺度自适应静脉滤波提取方法，加上人工智能有望进一步提高一次性穿刺成功率。针对采集过程的不良发生率，可通过在样本采集或接收窗口应用人脸识别系统，规避一些顶替采样的潜在风险及其他主观性错误，有望降低投诉及不良事件。这是解决理想不理想的问题，看起来像是现有科技革命的终极方案，也是实现人工转设备全自动化的初衷。
在转运方面，中大型医学实验室的样本前处理系统通常仅局限于配套的检测流水线，而要往更大范围的区域装卸样本，依靠现有的系统或将无法实现。自从有了深度学习的应用之后，结合现有的识别系统，可实现在全院范围将样本送达制定检验区，并且拥有较好的无菌环境及最大程度的稳定性，有主动纠偏的能力。例如智能轨道、气动管道传输系统。尽管目前还有一些人工筛选、转运时效无法保证、过程无法追踪等问题，但随着多个信息系统的整合、互联互通，更多人工智能整合系统出现，这些问题将一步一步化解。
人工智能的应用趋势
人工智能的应用潜力方方面面，几乎可以贯穿检验的始末。以检验前的申请为开端，临床医生所开具的检验单受限于就诊人自诉、医生的个人专业判断、过往使等，缺少第三方的较为中立、更丰富的判断，机器学习可结合双方提供的信息，对适宜的检验项目进行筛选，精准医疗，提高就诊效率，降低投诉率和医疗成本等系列医疗优化。
在检验过程中，通过在全自动化流水线添加智能模块，设定时间进行质控，判定质控结果状态，是当前人工智能在质控方面的主要应用形式。近年来，一种新的实时质量检测方案，对实验室误差进行实时监测，在深度学习的帮助下，能对各参数进行验证和持续优化，提高质控水平。而且，随着数据共享程度的提高，各实验室间有望实现标准统一，实现智能化的室间质评。
人工智能在检验的应用知名度较高的应该是对报告的分析解读，给医务人员现成、多维度的报告参考，将极大解放智力劳动；对患者来说，附带异常结果提示、关键结果解释、趋势对照等更详细便利的解读，趋于标准化的结果，有利于自身的健康管理。
自深度学习被运用之后，使得报告解读的意义得到极大的扩宽，第一层面上，结合多项检验指标及病理学、影像学检查结果的疾病诊断模型拥有更全面的参考因素，得出的报告的结论将更全面，不遗漏，这是过去人工无法企及的，不单是解放解读报告的工作，而且是提高解读报告的专业度。
第二层面，随着更强的算法算力出现，足够的数据量、训练量助推之下，疾病诊断模型不再局限于已构建的疾病类型，可能会发现不在模型里面的疾病类型，机器深度学习自身可以一定程度上探索未知领域。
总结
检验医学里新技术的发展，必然是结合人工智能、机器深度学习来改变整个检验业态。
于人工智能而言，算法算力等的限制导致当下的应用程度仍然不足，应用领域也较为局限，同期发展伴随的数据安全与伦理问题应对方案尚待完善，从这个端来看，人工智能还处在发展早期，这对所有IVD企业都是一样的机遇，谁充分掌握这个机会，或将提升其在业内原有的位序。
于检验人而言，尽管传统熟悉的检验新技术会继续层出不穷，更强的性能更快的速率会刷新对新设备试剂、原料等的认知，但最核心的可能要跳出包括这在内的检验圈事业，对人工智能需有更情深的了解和学习，并掌握相关技能，理论和实践相结合，最大程度的与人工智能发展脚步同步、甚至超前。
文章来源：小桔灯网
