大数据技术和人工智能技术通常在同一语境中使用，但各有侧重。其中，大数据偏重于数据分析底层技术，配合硬件、数据库和网络实现高效的数据采集、存储、传输和提取。人工智能技术则提供了简单高效的分析、发掘复杂数据中特征和规律的方法，数据分析流程不再需要通过复杂的统计学建模，降低技术门槛，使得复杂数据分析可以广泛应用到不同专业领域。

在医学检验工作流程中，大数据人工智能解决的问题可以分为两大类：提高医学检验质量以及提高为临床医生和患者的服务水平。前者更注重于医学检验实验室内部的检验质量管理，而后者则注重于实验室外部的质量管理，即如何为临床医生和患者提供更多的医疗价值。在提高实验室内部检验质量方面，王绵生等探讨了智能化实验室在检验部门的应用，通过整合气动物流传输、自动排样、自动质控、智能监测、自动审核等系统，实现了检验全过程的智慧化。研究显示，各项智能技术的应用显著提升了工作效率。其中，实施气动物流传输系统后，样本传送到接收效率提升了64.9%；样本从接收到上机检测效率提高了75.6%；通过自动质控3h内报告率从28.68%提高到38.26%；整体自动审核通过率达到28.19%；实验室内TAT周转时间(turn around time，TAT)从203min减少到177 min; 危急值通报及时率达到99.52%；门诊生化免疫的TAT中位数由222min降至145min；合格率从86.88%提高到96.32%。智慧检验实验室提高了检验工作效率和质量，为临床诊疗提供了更高效和准确的支持。崔俊华等[3]的研究通过利用检验历史大数据和人工智能技术优化甲状腺功能五项检测项目的自动审核系统。优化后，该系统的自动审核通过率从69.56%提升至81.32%。这种改进不仅提高了检验报告的准确性和工作效率，还展示了大数据分析在风险控制中的有效价值。依托大数据和人工智能的自动审核系统在医学实验室中具有广泛的应用前景，为未来提升检验后流程的智能化和规范化提供新思路。

在提高对临床和患者服务水平的方面，李利毛等通过结合表面增强拉曼光谱技术和机器学习算法，开发了一种用于结直肠癌早期筛查的血清检测方法。利用金纳米六角板阵列增强表面增强拉曼光谱信号，对采集自健康受试者及不同分期结直肠癌患者的血清进行分析。采用主成分分析-支持向量机模型处理高维复杂的表面增强拉曼光谱数据，取得了90.9%的分类准确率、96.5%的敏感度和99.4%的特异度，曲线下面积为98.3%。研究表明，表面增强拉曼光谱在识别癌症相关的生化分子变化方面具有显著优势，而机器学习能够有效提取和分类这些特征，提高筛查的准确性和效率。这一方法不仅减少了样本需求，提高了检测效率，还为结直肠癌及其他疾病的早期诊断提供了一个高效、可靠的技术平台，利用大数据与人工智能技术为临床提供更为准确和丰富的结直肠癌诊断信息。

大数据与人工智能技术正不断革新实验室检测与分析的方式，不仅可以提高检验质量和效率，还可以增强临床诊疗和患者服务水平。这些技术的创新应用在解决检验医学领域的难点、痛点问题方面展现出巨大潜力，有助于推动检验医学更好地向智能化、精准化方向发展。

——本文摘自《中华检验医学杂志》2025年2月第48卷第2期