数分析·智检验 | 第三届医学科研大数据分析与AI应用实践研讨会成功召开

贝克曼库尔特全球副总裁、中国区总经理陈小穗女士在开场致辞中说道，后疫情时代，面对IVD行业内外部环境的挑战，数字化到数智化的转型，是一个必选项。我们的客户需要从数据智能中应对变化，降本增效，寻找新的发展的机会。贝克曼库尔特数智化策略由智研、智控、智医三个板块组成，希望充分利用数字、数据来为我们的客户赋能，让我们的实验室更智能、运营更有效，并为临床和最终的客户带来更大的价值。

贝克曼库尔特市场部负责人杨金龙先生在致辞中表示，贝克曼库尔特致力于推动医疗行业发展，除了提供精准的检测设备和系统，也提供精准的检测结果，并专注于智慧实验室的创新。DxAI智研平台就是贝克曼库尔特为临床和检测提供的一个面对海量数据进行数据分析，将实验室数据价值进行深入挖掘的具体解决方案，期待各位临床专家在应用智研平台中的经验和分享，能为各位与会老师在寻找自己科研转化之旅提供启发。

作为本次研讨会的特邀主持人，同时也是机器学习与人工智能应用的探索者，中国医科大学附属盛京医院检验科主任秦晓松教授从检验医学数据的体量之大，类型之多，分析难度之高，对速度的要求之迫切的现状，对检验科面临的挑战进行了深入的分析，也对检验数据的巨大应用潜力做出了展望，并认为「传统的数据统计分析方法已经不再适用，而数据挖掘技术是一种有效的分析方法，具有十分重要的作用」。

在致辞中，秦晓松教授同时对传统临床诊断模型和机器学习建模的优势做了详细的对比和解读，也期望与广大检验同仁一道通过学习演讲嘉宾的应用经验，了解大数据分析与人工智能机器学习为代表的医学检验研究新技术，启发思路，推进工作的研究深度。

来自北京大学第一医院检验科的杜佳琳老师在《机器学习在红斑狼疮诊断模型建立中的应用与探索》中分享了北京大学第一医院检验科基于大数据分析的疾病队列建立的经验。

杜老师详细介绍了如何整合LIS和EMR的信息，根据疾病的ICD编码入组队列，构建红斑狼疮的队列，并使用xgboost的方法来建模分析。杜老师还分享了模型选择、模型评价等方面的相关知识和经验。她特别提到关于阳性队列和对照队列不平衡的问题，并分享了对应的处理经验。

在研究之外，杜老师也分享了她在撰写文章讨论部分以及在投稿和杂志选择中的经历和经验——如何回复审稿人的意见，让观众更好地了解到审稿人如何评价一篇机器学习的临床研究，以及投稿人如何在回复这些问题时体现自己研究的意义和价值。

吉林大学第一医院检验科主任黄晶教授在《机器学习在临床疾病鉴别诊断中的应用》中，分享了机器学习在检验领域的现状和应用，介绍了人工智能在鉴别诊断、提高恶性疾病的基层检出率、风险预测、治疗以及预后情况判断等领域应用。

黄主任不但结合检验科的日常，分析了人工智能在结果预测的应用场景，和可供参考、落地的科研方向，还介绍了从科研选题、课题设计、整理收集资料到最后结果呈现的全流程。

通过实际案例，黄主任生动地描述了她的团队是如何通过机器学习，将日常工作与科研流程中的痛点相结合，有效地提升科研的创新性。在介绍肝纤维化的研究中，她特别提到，在模型建立不理想的情况下，团队如何深入查找原因，从纳排分组的角度调整，避免了一些混杂因素对结果的干扰。在分享的最后，黄主任表达了希望通过机器学习，检验科能够产出更多科研成果，对临床有更多的支撑。

中南大学湘雅医院汪维博士，结合自身经验，从检验科的科研优势、临床问题的提出等多个角度介绍了她对检验科科研的临床思考。她在《免疫学检验中临床科研思维的应用与探索》中，介绍了三个她的团队的实际案例。第一个案例是面对临床对于结核感染的实验室检测不确定结果、提出较多质疑，如何从小处入手，抽丝剥茧、分析结果异常的原因，以数据驱动，逻辑推理，实现检验科和临床的更高效沟通。这部分结果也发表在检验杂志的顶刊上。

第二个案例是其团队利用自身临床实际工作观察，借助文献阅读切入，寻找科学问题。

第三个案例是关注工作中的特殊检验结果，如何做好病例报道。汪博士还分享了其团队如何利用机器学习来进行数据挖掘的经验，并从特异度灵敏度npv ppv多维度，如何选择最有效的机器学习模型。

本次研讨会不仅有来自检验科的专家，还有西安交通大学附属第一医院泌尿外科的梁亮博士。作为一名临床医生，梁亮博士在《机器学习在前列腺癌鉴别诊断模型建立中的应用与探索》中，介绍了他和团队是怎样从自身的临床实践入手、聚焦现在前列腺PSA异常患者假阳性的问题，提升穿刺的阳性率。

梁博士特别分享了在解决这个临床实际难题过程中的三个重点，首先是利用血清学指标建立多指标建模，极大地拓展了检验指标的内涵，让多指标解读超越单一的cut off值判读，临床应用检验指标从定性解读走向定量解读；注重日常工作中临床病例的积累，建立西部地区的当地研究队列，为之后的研究提供了基础；同时他与团队在机器学习结果分析过程中，从临床数据可及性的角度，尝试评价的不同模型，从而建立可用可行的临床模型。

秦晓松教授在会议总结时指出：「智研平台给我们提供了一个没有门槛的机器学习平台，简化了我们在数据分析和机器学习的过程或难度，解决了我们需要去掌握这门工具的困难，可以让我们更好去关注临床上提出的科研问题」。

秦主任希望和全体与会同仁一道，通过本次会议，学习演讲专家在临床工作中从临床问题出发，利用机器学习和人工智能的工具进行科研的应用经验，启发思路，推动研究工作越走越深入。