在物聯(lián)網(wǎng)，大數(shù)據(jù)，人工智能等技術不斷創(chuàng)新與突破的時代背景下，檢驗醫(yī)學正在發(fā)生巨大的變革：將從自動化走向智能化，智能檢驗將成為檢驗醫(yī)學的重大目標之一。應用物聯(lián)網(wǎng)技術將所有的檢驗設備聯(lián)網(wǎng)，各類檢驗數(shù)據(jù)將匯聚成數(shù)據(jù)海洋。大數(shù)據(jù)分析技術不斷挖掘檢驗大數(shù)據(jù)的價值和規(guī)律，從不同維度發(fā)現(xiàn)疾病和檢驗結果的相關性，帶來全新的醫(yī)學研究方法。人工智能算法及模型的建立，機器學習的深入應用，經(jīng)過大數(shù)據(jù)的學習訓練，檢驗醫(yī)學將在疾病預防、篩查、診斷等方面更加精準實現(xiàn)真正的智能化。 ?????????????

1.檢驗醫(yī)學走向智能化的基本前提——在于深入應用物聯(lián)網(wǎng)技術

物聯(lián)網(wǎng)技術是現(xiàn)代信息技術發(fā)展的必然產(chǎn)物，與移動互聯(lián)網(wǎng)結合應用，突破了時間和空間的限制，將現(xiàn)實世界不同程度地數(shù)字化，信息化。如今，中心實驗室的檢驗設備絕大多數(shù)都已經(jīng)通過LIS系統(tǒng)接入網(wǎng)絡。隨著技術的發(fā)展，檢驗設備變得微型化，簡便化，比如POCT，因而可以走出中心實驗室，走向社區(qū)醫(yī)院，走向千家萬戶。檢驗設備大量普及使用后檢驗數(shù)據(jù)將呈現(xiàn)指數(shù)級增長，應用物聯(lián)網(wǎng)技術將所有這些檢驗設備的數(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。 ????????

2.檢驗醫(yī)學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)分析針對隨機樣本進行分析，而大數(shù)據(jù)分析針對全體數(shù)據(jù)進行分析；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)，甚至是非結構化的數(shù)據(jù)；傳統(tǒng)數(shù)據(jù)分析的目標是揭示客觀現(xiàn)象的因果關系，而大數(shù)據(jù)分析的目標是發(fā)現(xiàn)客觀現(xiàn)象的相關關系。

檢驗醫(yī)學利用大數(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，及思維的挑戰(zhàn)。

數(shù)據(jù)的挑戰(zhàn)在于海量檢驗數(shù)據(jù)的傳輸，歸類，存儲，這需要大量的網(wǎng)絡和設備資源投入。這些檢驗數(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。

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

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)及其分析的結果有獨特的思考和洞察，才能挖掘其潛在的價值和規(guī)律。這也是檢驗醫(yī)學專家在大數(shù)據(jù)方面發(fā)揮的業(yè)務專長所在。比如，對一個不同年齡組檢驗項目歷史數(shù)據(jù)的分析，可能找出某些疾病的前兆特征，進行疾病預測；可以通過分析某個檢驗項目的檢測平均值變化來對檢驗設備和試劑進行有效質控；可以通過分析不同檢驗項目之間的相關關系來給出不同疾病之間的關聯(lián)性。 ?????????????

3.檢驗醫(yī)學走向智能化的技術演進——在于人工智能

人類的成長和進步在于不斷學習，機器具備學習能力才是真正意義上的人工智能。檢驗醫(yī)學的許多項目是機器學習發(fā)揮價值的地方。比如細胞分析，使用基于圖像的模式識別技術，隨者機器學習技術的不斷完善，大數(shù)據(jù)提供的海量學習樣本，將變得越來越精確。比如DNA序列分析，使用基于神經(jīng)網(wǎng)絡的機器學習算法，隨者理論的提升和突破，半導體產(chǎn)業(yè)的進步，將會變得更加精準快速。

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