在物聯(lián)網(wǎng)，大數(shù)據(jù)，人工智能等技術(shù)不斷創(chuàng)新與突破的時代背景下，檢驗(yàn)醫(yī)學(xué)正在發(fā)生巨大的變革：將從自動化走向智能化，智能檢驗(yàn)將成為檢驗(yàn)醫(yī)學(xué)的重大目標(biāo)之一。應(yīng)用物聯(lián)網(wǎng)技術(shù)將所有的檢驗(yàn)設(shè)備聯(lián)網(wǎng)，各類檢驗(yàn)數(shù)據(jù)將匯聚成數(shù)據(jù)海洋。大數(shù)據(jù)分析技術(shù)不斷挖掘檢驗(yàn)大數(shù)據(jù)的價值和規(guī)律，從不同維度發(fā)現(xiàn)疾病和檢驗(yàn)結(jié)果的相關(guān)性，帶來全新的醫(yī)學(xué)研究方法。人工智能算法及模型的建立，機(jī)器學(xué)習(xí)的深入應(yīng)用，經(jīng)過大數(shù)據(jù)的學(xué)習(xí)訓(xùn)練，檢驗(yàn)醫(yī)學(xué)將在疾病預(yù)防、篩查、診斷等方面更加精準(zhǔn)實(shí)現(xiàn)真正的智能化。 ?????????????

1.檢驗(yàn)醫(yī)學(xué)走向智能化的基本前提——在于深入應(yīng)用物聯(lián)網(wǎng)技術(shù)

物聯(lián)網(wǎng)技術(shù)是現(xiàn)代信息技術(shù)發(fā)展的必然產(chǎn)物，與移動互聯(lián)網(wǎng)結(jié)合應(yīng)用，突破了時間和空間的限制，將現(xiàn)實(shí)世界不同程度地數(shù)字化，信息化。如今，中心實(shí)驗(yàn)室的檢驗(yàn)設(shè)備絕大多數(shù)都已經(jīng)通過LIS系統(tǒng)接入網(wǎng)絡(luò)。隨著技術(shù)的發(fā)展，檢驗(yàn)設(shè)備變得微型化，簡便化，比如POCT，因而可以走出中心實(shí)驗(yàn)室，走向社區(qū)醫(yī)院，走向千家萬戶。檢驗(yàn)設(shè)備大量普及使用后檢驗(yàn)數(shù)據(jù)將呈現(xiàn)指數(shù)級增長，應(yīng)用物聯(lián)網(wǎng)技術(shù)將所有這些檢驗(yàn)設(shè)備的數(shù)據(jù)接入數(shù)據(jù)中心，數(shù)據(jù)的河流和小溪終將匯聚成數(shù)據(jù)的海洋，成為大數(shù)據(jù)分析的基礎(chǔ)。 ????????

2.檢驗(yàn)醫(yī)學(xué)走向智能化的核心要素——在于大數(shù)據(jù)的分析

大數(shù)據(jù)分析與傳統(tǒng)數(shù)據(jù)分析有很大不同，主要體現(xiàn)在如下三個方面：傳統(tǒng)數(shù)據(jù)分析針對隨機(jī)樣本進(jìn)行分析，而大數(shù)據(jù)分析針對全體數(shù)據(jù)進(jìn)行分析；傳統(tǒng)數(shù)據(jù)分析要求數(shù)據(jù)是精確的一致的，而大數(shù)據(jù)分析可以接受混雜的數(shù)據(jù)，甚至是非結(jié)構(gòu)化的數(shù)據(jù)；傳統(tǒng)數(shù)據(jù)分析的目標(biāo)是揭示客觀現(xiàn)象的因果關(guān)系，而大數(shù)據(jù)分析的目標(biāo)是發(fā)現(xiàn)客觀現(xiàn)象的相關(guān)關(guān)系。

檢驗(yàn)醫(yī)學(xué)利用大數(shù)據(jù)分析發(fā)現(xiàn)醫(yī)療價值和規(guī)律將面臨數(shù)據(jù)，技術(shù)，及思維的挑戰(zhàn)。

數(shù)據(jù)的挑戰(zhàn)在于海量檢驗(yàn)數(shù)據(jù)的傳輸，歸類，存儲，這需要大量的網(wǎng)絡(luò)和設(shè)備資源投入。這些檢驗(yàn)數(shù)據(jù)，在它產(chǎn)生的瞬間，可以作為疾病的診斷參考，但隨著時間流逝后就不再有直接的價值了，因而，在以前通常是存儲一段時間后的數(shù)據(jù)被刪除替換，騰挪出存儲空間；大數(shù)據(jù)對于這些歷史數(shù)據(jù)要求能夠一直存儲在數(shù)據(jù)海洋中，數(shù)據(jù)的價值可以在歷史數(shù)據(jù)中挖掘。

技術(shù)的挑戰(zhàn)在于對海量檢驗(yàn)數(shù)據(jù)進(jìn)行快速有效的分析。對大數(shù)據(jù)進(jìn)行分析的技術(shù)是面向程序員和算法設(shè)計師的，比如當(dāng)前流行的Hadoop框架，應(yīng)用于大數(shù)據(jù)分析仍需要做非常多的系統(tǒng)及程序設(shè)計。當(dāng)前還不具備像Office那樣直接拿來可用的通用大數(shù)據(jù)分析軟件。因而對于檢驗(yàn)醫(yī)學(xué)專家來說，數(shù)據(jù)分析處理的技術(shù)要求很高。

思維的挑戰(zhàn)在于對數(shù)據(jù)敏銳的洞察和創(chuàng)新再利用。數(shù)據(jù)本身并不會直接告訴人們價值和規(guī)律，數(shù)據(jù)分析處理的結(jié)果也不會直接告訴人們價值和規(guī)律，而只有對數(shù)據(jù)及其分析的結(jié)果有獨(dú)特的思考和洞察，才能挖掘其潛在的價值和規(guī)律。這也是檢驗(yàn)醫(yī)學(xué)專家在大數(shù)據(jù)方面發(fā)揮的業(yè)務(wù)專長所在。比如，對一個不同年齡組檢驗(yàn)項(xiàng)目歷史數(shù)據(jù)的分析，可能找出某些疾病的前兆特征，進(jìn)行疾病預(yù)測；可以通過分析某個檢驗(yàn)項(xiàng)目的檢測平均值變化來對檢驗(yàn)設(shè)備和試劑進(jìn)行有效質(zhì)控；可以通過分析不同檢驗(yàn)項(xiàng)目之間的相關(guān)關(guān)系來給出不同疾病之間的關(guān)聯(lián)性。 ?????????????

3.檢驗(yàn)醫(yī)學(xué)走向智能化的技術(shù)演進(jìn)——在于人工智能

人類的成長和進(jìn)步在于不斷學(xué)習(xí)，機(jī)器具備學(xué)習(xí)能力才是真正意義上的人工智能。檢驗(yàn)醫(yī)學(xué)的許多項(xiàng)目是機(jī)器學(xué)習(xí)發(fā)揮價值的地方。比如細(xì)胞分析，使用基于圖像的模式識別技術(shù)，隨者機(jī)器學(xué)習(xí)技術(shù)的不斷完善，大數(shù)據(jù)提供的海量學(xué)習(xí)樣本，將變得越來越精確。比如DNA序列分析，使用基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，隨者理論的提升和突破，半導(dǎo)體產(chǎn)業(yè)的進(jìn)步，將會變得更加精準(zhǔn)快速。

LIMS——物聯(lián)網(wǎng)，大數(shù)據(jù)，人工智能，這三大技術(shù)相輔相成，將共同幫助檢驗(yàn)醫(yī)學(xué)走向智能化。