LIMS 专注您的专注

在物联网，大数据，人工智能等技术不断创新与突破的时代背景下，检验医学正在发生巨大的变革：将从自动化走向智能化，智能检验将成为检验医学的重大目标之一。应用物联网技术将所有的检验设备联网，各类检验数据将汇聚成数据海洋。大数据分析技术不断挖掘检验大数据的价值和规律，从不同维度发现疾病和检验结果的相关性，带来全新的医学研究方法。人工智能算法及模型的建立，机器学习的深入应用，经过大数据的学习训练，检验医学将在疾病预防、筛查、诊断等方面更加精准实现真正的智能化。              

1.检验医学走向智能化的基本前提——在于深入应用物联网技术

物联网技术是现代信息技术发展的必然产物，与移动互联网结合应用，突破了时间和空间的限制，将现实世界不同程度地数字化，信息化。如今，中心实验室的检验设备绝大多数都已经通过LIS系统接入网络。随着技术的发展，检验设备变得微型化，简便化，比如POCT，因而可以走出中心实验室，走向社区医院，走向千家万户。检验设备大量普及使用后检验数据将呈现指数级增长，应用物联网技术将所有这些检验设备的数据接入数据中心，数据的河流和小溪终将汇聚成数据的海洋，成为大数据分析的基础。         

2.检验医学走向智能化的核心要素——在于大数据的分析

大数据分析与传统数据分析有很大不同，主要体现在如下三个方面：传统数据分析针对随机样本进行分析，而大数据分析针对全体数据进行分析；传统数据分析要求数据是精确的一致的，而大数据分析可以接受混杂的数据，甚至是非结构化的数据；传统数据分析的目标是揭示客观现象的因果关系，而大数据分析的目标是发现客观现象的相关关系。

检验医学利用大数据分析发现医疗价值和规律将面临数据，技术，及思维的挑战。

数据的挑战在于海量检验数据的传输，归类，存储，这需要大量的网络和设备资源投入。这些检验数据，在它产生的瞬间，可以作为疾病的诊断参考，但随着时间流逝后就不再有直接的价值了，因而，在以前通常是存储一段时间后的数据被删除替换，腾挪出存储空间；大数据对于这些历史数据要求能够一直存储在数据海洋中，数据的价值可以在历史数据中挖掘。

技术的挑战在于对海量检验数据进行快速有效的分析。对大数据进行分析的技术是面向程序员和算法设计师的，比如当前流行的Hadoop框架，应用于大数据分析仍需要做非常多的系统及程序设计。当前还不具备像Office那样直接拿来可用的通用大数据分析软件。因而对于检验医学专家来说，数据分析处理的技术要求很高。

思维的挑战在于对数据敏锐的洞察和创新再利用。数据本身并不会直接告诉人们价值和规律，数据分析处理的结果也不会直接告诉人们价值和规律，而只有对数据及其分析的结果有独特的思考和洞察，才能挖掘其潜在的价值和规律。这也是检验医学专家在大数据方面发挥的业务专长所在。比如，对一个不同年龄组检验项目历史数据的分析，可能找出某些疾病的前兆特征，进行疾病预测；可以通过分析某个检验项目的检测平均值变化来对检验设备和试剂进行有效质控；可以通过分析不同检验项目之间的相关关系来给出不同疾病之间的关联性。              

3.检验医学走向智能化的技术演进——在于人工智能

人类的成长和进步在于不断学习，机器具备学习能力才是真正意义上的人工智能。检验医学的许多项目是机器学习发挥价值的地方。比如细胞分析，使用基于图像的模式识别技术，随者机器学习技术的不断完善，大数据提供的海量学习样本，将变得越来越精确。比如DNA序列分析，使用基于神经网络的机器学习算法，随者理论的提升和突破，半导体产业的进步，将会变得更加精准快速。

LIMS——物联网，大数据，人工智能，这三大技术相辅相成，将共同帮助检验医学走向智能化。