2022年检验医学质量与信息化管理“圆桌论坛第五期“讲座精彩节选- 浙江大学医学院附属第一医院 - 杨大干教授 -
自动化是信息化的基础，数字化是信息化的发展，智能化是目前发展的必然趋势，智慧化是智能化的升级。
人工智能最基本的概念就是智能机器模拟人类的智能进行判断、推理、学习和解决问题的相关活动。目前仍处于初始阶段，大家无需把AI想得太高大上。临床诊疗中信息负载高、医生重复劳动强度大、基层医院诊疗错误易发等最需要智能化、智慧化支持。AI在检验中的应用也分为检验前、检验中、检验后以及实验室管理。
AI + 检验前
挂号、缴费：实名制可与历史结果关联，分时段预约可减少人员拥挤、实时挂号实现脱卡支付、手机支付，使用电子发票，更便捷患者就诊。
互联网医院：常见病、慢性病（复诊）患者可在线复诊，药品直接配送到家或到医院、附近药店取药；检验报告网上查看下载、预约检查；可实现自助申请采样，检验抢单跟结果解释。检验结果互认：建立互认共享的数据标准，达到检验同质化管理要求，利用大数据、云计算和人工智能等新兴技术自动监管检验互认质量。
智能医嘱：根据症状或临床诊断来给出合理的检查推荐，减少误诊。
采血机器人：自动完成扎压脉带、喷消毒液、装载采血针、装载采血管、识别血管、精准穿刺、采血量控制、血液混匀等全链条血液标本采集工作。标本交接：全场景自动选管贴标，精准记录标本采集时间；智能采血管分拣系统实现全自动标本分类；无人化标本运输无缝对接分拣机，将选定的标本直接轨道传送至流水线，实现跨楼层、楼栋快速传送标本，无缝连接采血点及实验室检测设备。
中间件：指的是用于连接仪器和LIS的软硬件，可支持仪器控制、质量管理、标本检测、规则过滤和结果自动审核等。目前几乎所有大的厂家都有开发专属中间件。细胞自动识别：以专业人员经验积累和实践为基础，通过人工神经网络来识别血细胞；利用机器视觉技术，以自动形态学方法对尿中有形成分进行自动识别与分类计数；骨髓细胞难度很高，基本上是细胞识别里的天花板。也不断有公司通过新的技术发展骨髓细胞自动识别技术。
自动审核：统一审核标准，70%通过自动审核，员工可致力于疑难、复杂标本的检验。对未通过标本以不同颜色和重要性标识，员工按危急程度处理标本。让医生更有效解读报告，让患者看懂检验报告。检验更好地为临床服务，提供技术职称。
解释性报告：通过软件分析，识别异常值并计算可能疾病相似度，给出个性化诊疗建议，最终建立一种人工智能的解释性报告技术，辅助人工解释。解释性注释：实现基于循证的高级别临床决策支持，包括检验与分析前、检测方法、疾病诊断、治疗指导、患者教育等智能分析和决策。结果智能解读：通过建立多个虚拟参数和多种AI算法实现智能解读。
疾病诊断和风险预测：疾病种类很多，所以需要建立多种疾病的诊断和预测模型，再通过机器学习平台运行，不断提高AI算法诊断性能。AI + 实验室信息系统
危急值：危急值结果出来之后检验科审核，审核的同时结果上报，就是审核的同时上报，医生护士收到后再确认即终止，若都没有确认，还要二次上报医生，全程记录，闭环管理。日志：因按岗位不同的不同的就是要每天记录岗位职责内容。知识库：质量手册、程序文件、题库、知识文档等全部电子化，方便随时查阅。
AI + 管理
培训、管理模式改变：通过线上直播，现场+线上+回放，实现跨时空培训。POCT：不同厂家的POCT产品全部联网对接统一平台，可以很方便、很清楚地看到质量控制情况。科研：过去做人工智能相关科研对团队要求较高，现在可以通过跨团队合作、应用方式来完成科研工作。所以大家只要有想法，收集好数据，就可以做很好的科学研究。利用实验室数据建立人群健康管理模型、医疗决策模型和精神卫生管理模型最终做到改善患者预后、降低医疗费用和提高患者满意度等。方法和愿景
夯实医疗数据基础，提供数据标注、高质量、完整的资料，建立起检验大数据，实现个体化疾病诊断和风险评估。健全应用标准及评估体系，建立复杂检验的智能诊断报告，研发实验室流程和质量控制的智慧系统。研究医、工、信跨领域的核心技术平台，培养人才，让检验数据说话，提升检验学科地位。
实验室信息化涉及医嘱、电子病历、收费、检验、仪器等系统，逐渐形成由众多环节和系统组成的具有上下游关系、相互作用和联系的万物互联AI生态圈。
