国家卫健委重磅发文，引导检验科这些工作全面应用AI

本文主要整理总结了其中有关检验医学领域的人工智能应用场景。

在高血压、糖尿病、肝癌、结直肠癌、胃癌、食管癌、肺癌、房颤、脑卒中、抑郁症等疾病的临床诊疗中，多组学基因测序等检验结果信息将参与构建决策模型。

应用人工智能技术结合基层医疗卫生机构常见病、慢性病诊疗规范，构建基层全科诊疗辅助决策模型。

在门急诊诊疗过程中，综合判断患者主诉、现病史、既往史、体格检查、辅助检查结果等疾病信息，为全科医生提供诊断和鉴别诊断的推荐建议，辅助全科医生完成疾病诊断、检验检查推荐等辅助功能，提高基层全科医生医疗服务质量、能力和效率。

实验室检验报告单是医疗文书的重要组成部分。使用自然语言处理、知识抽取、语言大模型等人工智能技术，对检验报告单中的文本、图像等进行数据挖掘处理，构建检验知识库。

实时监控报告单的书写内容，基于知识库实时分析患者诊疗信息，自动识别反馈问题，保证报告单的完整性、合理性、规范性、准确性和时效性，辅助提高报告单质量。

规范和完善医疗核心和医疗辅助规范流程，实现规范化、精细化、科学化、体系化的全面医疗质控管理。

应用人工智能和大数据技术，实时分析患者流量和医疗服务需求，精准预测医务人员需求，智能调整医务人员排班。

自动评估医务人员工作负荷，预防过度劳累，保护身 心健康，提高医务人员满意度和留存率。综合分析医务人员工作表现和发展需求，智能推荐培训课程或培训会，提供个性化培训建议。

预测分析医院业务发展趋势和医务人员需求，实现医院人力资源优化配置。

实时监测医用耗材需求及使用情况，构建医院耗材管理模型，实时动态分析耗材使用问题，可视化展示耗材管理问题，帮助管理人员快速、精准定位耗材信息，分析耗材使用和业务进展的关系，合理调配医用耗材，评估使用合理性，实现医用耗材智能管理，提高运营效率

应用人工智能、物联网等技术，通过智能感知终端实时收集各类医疗设备的状态数据、使用记录、故障信息、维修信息等，实现对医疗设备的智能、实时、综合、科学管理， 提高医疗设备使用效率。

实时识别医疗设备种类、性能、位置、 运行状态等信息，基于性能和故障概率预测模型，分析设备使用情况、设备性能、主要零部件状态、设备故障发生率、次生安全隐患，全面提升医疗设备的可用性、可靠性、安全性。

精识别设备的工作负荷状况、磨损迹象、参数异常、故障征兆等信息，预测医疗设备故障趋势和维修需求，进行预防性维护。

实施监控分析医疗设备空间精准定位、运行效能状态，发现医疗设备闲置或浪费等问题，按照医疗设备的调配路径和优先级 提出优化建议，最短时间锁定调配距离最近且状态良好的医疗设备，实现医疗设备智能调配和共享，提升利用率。

应用智能感应器、RFID等技术，实时监控库存，大数据分析医疗物资消耗数据，预测物流需求，自动生成采购订单，减少人为错误和库存积压。

使用物流机器人或无人机，实现医疗物资的无人化、无接触配送，确保精准调度和物资及时送达，提高医疗服务响应速度，减少人力成本和交叉感染风险，提高自动化仓储物资存取效率。

通过物联网进行运输医疗物资的识别、记录及信息实时上传，记录物资发送端与接收端的操作人员身份信息，实现医疗物资配送、回收的全流程追溯管理，规范配送、回收流程，优化医院物资配置

基于人工智能筛选遗传性疾病标志物，探究标志物和疾病进展相关性，为疾病筛查预测提供决策支持。 

基于大模型及多组学方法，鉴定并筛选遗传性疾 病密切相关新型生物标志物，分析基因组、表观遗传组、转录组、蛋白质组等生物信息，研究新型生物标志物和遗传性疾病进展程度的相关性及其在疾病早期预警中的作用，研究新型生物标志物产生过程，解析其在遗传性疾病发生发展中的作用机制。

基于新型生物标志物构建遗传性疾病预测模型，采用区块链网络，构建遗传性疾病筛查及预测一体化、海量智能大数据管理和协同分析平台，在多中心进行部署，为疾病精准筛查预测提供决策支撑，实现遗传性疾病早期发现、早期干预，提高遗传性疾病防治水平。

采用人工智能导航和定位技术，配备智能传感器和运动控制的配送系统，执行医疗用品等物品配送任务，提高配送效率和准确性，降低人工成本。

通过路径规划和实时避障等技术，应用于各类医疗场所，将药品、医用耗材、手术器械、标本、被服、 餐食、医疗废弃物等物品快速、准确地配送到指定目的地。

在配送任务过程中能够根据周围环境自动调整路径和速度，避免碰撞和意外发生，保证配送安全与稳定。与信息系统或医疗设 备联动，实现物品配送和信息传递的无缝连接，为患者和医护人员提供便捷、高效的配送服务，提升医院物流效率和质量， 降低物流成本，改善医疗服务体验。

利用人工智能技术，整合医学文书、影像、基 因组、转录组、蛋白质组、时序传感等多模态数据，建立全面 分析辅助临床科研的智能平台。

整合多模态医学数据，包括图像、文本、声音、 传感器数据和基因组、转录组、蛋白质组等多组学数据，完成不同时间点、条件下的数据对齐，构建医学科研数据资源库。 

利用数据融合模型与方法，提供跨模态标注算法和标注工具， 揭示跨模态数据之间的语义关联性，帮助分析其相互作用和整 合效果，提高诊断和分析的准确性。

面向不同类型的数据，提供计算机视觉、自然语言处理、图学习等多类算法，对多模态数据进行特征提取、模型训练、统计分析等，以识别疾病标志物和模式。提供科研合作平台，促进跨学科研究团队的协作， 支持将分析结果转化为临床辅助决策支持工具，辅助医生进行 更准确的诊断和治疗规划。