2025年 · 第48卷第12期

人工智能正深刻地重塑检验医学的研究方向与临床实践模式。基于实验室多维度、结构化检测数据，经机器学习等算法模型构建的实验室数字生物标志物，正在重新定义实验室数据在临床诊疗流程中的功能定位与价值体系。值得重视实验室数字生物标志物的概念演化与发展趋势、解析其核心优势与当前挑战。本期中该领域的研究工作值得关注，共同推动检验医学行业加快建立实验室数字生物标志物开发与应用体系。

为规范甲状腺疾病实验室检验项目的临床应用，提高我国甲状腺疾病的诊疗水平，检验医学、内分泌学、核医学和病理学等多个领域的专家基于国内外指南共识和循证证据，结合我国专家临床实践经验，经过充分深入讨论，制订了该共识。共识分为制订方法、甲状腺疾病常用检验项目、常用检验项目的临床检测、常用检验项目的临床应用及展望5个部分，共提出28条推荐意见，旨在指导临床及检验医学工作者了解及合理应用甲状腺疾病实验室检验项目，规范临床诊治。

急性白血病诊断目前国际上通用的是细胞形态学（M）、免疫学（I）、细胞遗传学（C）和分子生物学（M）相结合的分型（MICM分型）。急性白血病患者的细胞形态学呈现特征性改变，骨髓/外周血细胞形态学检验是急性白血病诊断最经济、适合各层次医院开展的项目。某些急性白血病伴有特殊的细胞形态学特征，且这些特征与白血病细胞的免疫学、细胞遗传学、分子生物学特征密切相关。为了更加深刻认识这些特殊的细胞形态学特征对急性髓系白血病诊断、分型的提示作用，规范该类急性髓系白血病形态学分层报告模式，加强形态学报告在不同医疗机构间的可比性及指导临床决策的有效性，由中国中西医结合学会检验医学专业委员会牵头组织国内血液肿瘤和临床检验领域多位专家，最终提出12个问题、12条推荐意见。

目的 建立基于外周血指标的机器学习算法预测模型，用于评估老年噬血细胞综合征（HLH）患者30 d死亡风险。 方法 采用回顾性队列研究设计，纳入2015年1月1日至2023年11月30日南京医科大学第一附属医院确诊的老年（年龄≥65岁）HLH患者，收集所有患者入院时人口学资料，临床表现和检验指标。本研究共纳入204例老年HLH患者，年龄70（68，75）岁，男性134例（65.69%），女性70例（34.31%）。数据集按7∶3比例采用计算机产生随机数方法分为训练集和验证集，根据30 d生存结局，将训练集患者分为死亡组和存活组，通过单因素分析和Boruta算法筛选预测变量，并采用11种机器学习算法构建预测模型。为评估模型性能，我们计算了以下指标：受试者工作特征曲线下面积（ROC）、准确度、敏感度、特异度、阳性预测值、阴性预测值、F1分数、校准曲线和决策曲线分析。此外，采用SHAP分析方法对模型进行解读。 结果 比较训练集死亡组和存活组患者，单因素分析结果显示P<0.05的指标有25个，进一步通过Boruta算法变量筛选，确定9个预测变量，包括尿素、铁蛋白、肌酐（CREA）、D-二聚体（D-D）、血小板（PLT）、活化部分凝血活酶时间（APTT）、天冬氨酸转氨酶（AST）、肌酸激酶（CK）和丙氨酸转氨酶（ALT）。最后通过11种算法建模，受试者工作特征曲线下面积（AUC）结果显示：训练集排名前五的依次为极限梯度提升（XGBoost）=1.000，自适应提升（AdaBoost）=1.000，梯度提升决策树（GBDT）=1.000，决策树（DT）=0.967，随机森林（RF）=0.945；测试集中排名前五的依次为RF=0.812，逻辑回归（LR）=0.792，轻量梯度提升机（LightGBM）=0.769，AdaBoost=0.746，GBDT=0.742；因此RF模型表现最优。SHAP分析表明，尿素对预测结果的贡献度最高。 结论 基于常规实验室指标的机器学习模型能够准确预测老年HLH患者的30 d死亡风险。

目的 基于外周血指标，运用机器学习算法构建并验证新型肺癌预测模型，用于肺癌发生风险评估。 方法 回顾性病例对照分析2020年1月9日至2024年12月31日山东大学齐鲁第二医院收治的194例初诊肺癌患者［男性126例，女性68例，年龄（66.80±9.09）岁］的临床资料作为病例组。同期290名健康体检者［男性155名，女性135名，年龄（61.18±14.31）岁］作为对照组。纳入血常规、凝血、肝功能以及肿瘤相关指标等共计46项外周血指标和2项基本特征（年龄、性别）。训练11种不同的机器学习算法，包括逻辑回归、随机森林、支持向量分类、极端梯度增强、梯度增强决策树、决策树、人工神经网络、k-近邻、LightGBM算法、自适应增强和朴素贝叶斯来早期诊断肺癌。采用受试者工作特征曲线下面积（AUC）、准确度、阳性预测值、阴性预测值、F1评分和95%置信区间（95%CI）来评价预测模型的性能。基于性能选择最优机器学习算法，并根据Shapley Additive Explanation（SHAP）值对特征重要性进行排序。 结果 支持向量分类算法对成功预测肺癌发生风险的性能最好，AUC为0.974（95%CI 0.951~0.989），并被用于建立预测模型，经20轮分层10折交叉验证均值0.950，学习曲线、决策分析曲线及校准曲线证实其泛化能力、临床效用与校准度最佳。SHAPley加性解释与决策树特征重要性一致表明，神经特异性烯醇化酶、癌胚抗原、鳞状细胞癌抗原3个指标是预测肺癌发生风险最重要的特征。 结论 成功建立了基于支持向量分类算法的肺癌预测模型，可用于判定肺癌的发生风险。

目的 基于急性脑梗死（ACI）患者入院时的基线数据，构建预测患者发生早期神经功能恶化（END）的实验室模型。 方法 回顾性队列研究。收集2022年1月1日至2025年5月31日在南京医科大学第一附属医院神经内科首次就诊并住院的502例ACI患者的临床资料，其中男性313例，女性189例，年龄为67（58，73）岁。根据住院7 d内是否发生END将患者分为END组和非END组。通过R 4.4.2软件caret程序包，以是否发生END为分层因子，通过设定随机种子按照7∶3分为训练集（351例）和验证集（151例），并经均衡性检验后分别用于模型构建和验证。使用χ2检验和Wilcoxon秩和检验比较两组患者临床指标的差异。在训练集中，使用Lasso回归筛选与END相关的指标，利用决策树（DT）、随机森林（RF）、轻度梯度增强机（LGBM）、极度梯度提升（XGB）、K最近邻（KNN）、支持向量机（SVM）和逻辑回归（LR）7种机器学习算法构建预测模型。通过网格搜索和5折交叉验证确定最优超参数，根据模型性能选择最优算法。另收集2025年6月1日至8月31日79例ACI患者的临床数据作为测试集，进行独立验证分析，其中男性49例，女性30例，年龄为68（57，72）岁。使用夏普利加性解释（SHAP）量化特征，解释预测模型。SHAP依赖图和交互图用于分析特征变量的非线性关系和交互效应。 结果 502例患者在住院7 d内有166例发生了END。Lasso回归分析筛选出9个变量：高脂血症史，入院时NIHSS评分，淋巴细胞/单核细胞比值（LMR）、血红蛋白、D-二聚体、白蛋白、神经元特异性烯醇化酶（NSE）、同型半胱氨酸（HCY）、维生素B12。7种机器学习算法构建预测模型的受试者工作特征曲线下面积（AUC）在0.709~0.946，其中XGB为最佳预测模型，在训练集和验证集中AUC分别为0.946（95%CI 0.924~0.960）和 0.867（95%CI 0.902~0.933）。SHAP分析结果显示，对END贡献度最高的前5位变量为入院时NIHSS评分、HCY、D-二聚体、高脂血症史和维生素B12。 结论 基于XGB机器学习算法成功构建了END的实验室模型，该模型具有良好的预测性能。

目的 利用机器视觉结合深度学习的方法建立血清指数智能识别模型。 方法 本研究为横断面研究。利用全自动样本前处理系统的图片采集设备获取四川大学华西医院2020年9月21日至2023年1月20日的血清样本图像，采用计算机随机数生成器每天随机选取一个整点小时，纳入在该小时内处理的所有血清样本图像。排除图像不合格和血清指数结果缺失的样本，共纳入5 534份样本，经Python随机重排函数以8∶2的比例分为训练集和测试集，其中训练集4 458份，测试集1 076份。经人工检查并采用MATLAB Image Labeler工具手动标注图像中的血清区域，转换为YOLO格式后，使用YOLO v5算法训练构建血清区域自动提取模型。使用全自动生化分析仪及配套试剂盒测定纳入样本的脂血指数、溶血指数及黄疸指数作为实际值。采用PyTorch 1.10.0深度学习框架，以MobileNet v2为基础网络，构建血清指数回归模型。采用准确率、Kappa系数、敏感度、特异度、阳性预测值和阴性预测值评估模型分级性能，采用均方根误差、平均绝对误差、决定系数（R²）及Bland-Altman分析评价模型回归性能。 结果 模型对脂血指数分级、溶血指数、黄疸指数分级的总体准确率分别为98.88%、95.26%、92.47%，Kappa系数分别为0.72、0.72、0.59。脂血指数的平均绝对误差为5.11，均方根误差为9.77，R²为0.78；溶血指数的平均绝对误差为5.18，均方根误差为8.99，R²为0.89；黄疸指数的平均绝对误差为1.13，均方根误差为3.01，R²为0.71。脂血指数、溶血指数、黄疸指数分别有95.5%、95.1%、95.7%的数据位于一致性区间。 结论 本研究建立了一种基于人工智能的血清指数回归模型，其能够高效、准确地完成血清指数的自动化识别，有助于降低检验成本、提高临床检验工作效率，推动检验智能化发展。

目的 探讨大语言模型DeepSeek辅助教学在医学检验技术专业学生临床思维能力培养中的应用效果。 方法 采用非随机对照研究，在2024—2025学年于湖北中医药大学选取医学检验技术专业二年级的2个班级，分为DeepSeek辅助教学组（A班，n=53）与传统教学对照组（B班，n=53），共计106名学生。2组均采用为期20周的问题导向学习PBL教学框架，教学内容、授课教师及学时保持一致；A班通过“学习通AI”平台引入DeepSeek，开展病例诊断推理、提示语（prompt）构建训练、检验方案制定和结果分析；B班则采用传统PBL教学。通过配对t检验比较A班教学前后临床思维能力、AI互动素养及提示语构建等分值变化；采用独立样本t检验和χ²检验比较两组病例推理成绩、病因分析准确率及教学满意度的差异；并辅以结构化问卷调查对模型辅助教学过程进行评价。 结果 A班教学前后比较结果显示，教学后临床思维能力得分［（4.02±0.45）分比（3.09±0.50）分，t=2.23］与AI互动素养［（4.62±0.41）分比（3.27±0.54）分，t=2.18］显著提高。与B班比较，A班在病例推理成绩［（81.1±3.8）分比（74.3±4.2）分，t=8.97］、病因分析准确率［94.3%（50/53）比81.1%（43/53），χ²=4.29］和教学满意度［（95.6±3.2）分比（82.6±4.8）分，t=11.86］方面均表现更优（P<0.05）。问卷结果显示，模型使用中，学生提示语构建逻辑性由（2.85±0.58）分提升至（4.25±0.50）分（t=14.23，P<0.01），创新性由（2.60±0.53）分提升至（4.05±0.46）分（t=11.57，P<0.05），但提问明确性（77.4%，41/53）与医学术语准确性（43.4%，23/53）仍为主要不足。 结论 在AI与教师协同引导的学习路径中，融入大语言模型，能有效促进学生的自主探究与临床推理能力发展，提升医检专业学生临床思维能力。

目的 通过搭建全玻片数字图像的脑脊液细胞人工神经网络模型，实现脑脊液中肿瘤细胞的快速检测和自动分类。 方法 收集2019年1月2日至2024年12月27日复旦大学附属华山医院共8 692份脑脊液细胞学样本，按照随机分配为训练集（4 961例良性和1 745例恶性）和验证集（1 368例良性和638例恶性）。使用细胞病理扫描仪获取全玻片数字图像，对细胞（团）进行分类标注，通过裁剪图像块构建深度学习模型进行细胞检测和分类。模型性能通过准确率、敏感度、特异度等指标进行评估。比较人工镜检分类效率。 结果 模型对脑脊液细胞分类的平均精度均值达到96.75%，恶性肿瘤细胞的分类准确率为96.61%（mAP=98.36%，AUC=0.97）；对于上皮/上皮样肿瘤和小圆细胞肿瘤的分类准确率分别为97.13%（AUC=0.98）和95.58%（AUC=0.93）。对比人工镜检分类200个细胞用时（9.70±0.82）min、500个细胞用时（18.27±1.21）min、全片通常超过60 min或无法完成，AI模型分类200个细胞用时（3.46±0.49）s、500个细胞用时（6.76±0.82）s、全片中位48.57 s（P<0.001），效率提升约161~170倍，显著提高诊断效率。 结论 本研究搭建的全玻片脑脊液细胞自动化分层深度学习模型能够高效、准确地识别和分类肿瘤细胞，为脑膜癌病的快速诊断提供了有效辅助工具。

目的 总结提高临床色谱串联质谱检测结果一致性的成果。 方法 2021年至2024年由复旦大学附属中山医院招募自愿参加MSHP（临床色谱串联质谱检测结果一致性计划）的实验室，截至202404批次共计76家。其中60家为医疗机构，均为三级医院；16家为第三方实验室。设置比对项目，定期发放比对样品，每一项目的比对样品包括高、中、低3个浓度。比对样品冷链传送，一周内完成检测。以本实验室检测值为靶值，参加实验室检测值在靶值±25%为合格。以Passing-Bablok回归和Bland-Altman分析一致性。 结果 3-甲氧酪胺项目3个水平变异系数从首次比对批次的17.00%、47.18%、4.88%提升至202404批次的9.59%、9.59%、6.1%。参与3-MT比对的5家单位Passing-Bablok回归结果显示，实验室A与靶值存在比例差异，但不存在系统差异｛回归斜率［95%CI（置信区间）］：0.903（0.862~0.952）；回归截距［95%CI（置信区间）］0.912（-1.921~6.073）｝；其余实验室与靶值不存在比例差异和系统差异；其余实验室与靶值不存在比例差异和系统差异［实验室B：1.031（0.961~1.147），-0.733（-4.641~8.272）；实验室C：0.982（0.940~1.009），-0.576（-2.675~1.891）；实验室D：0.973（0.939~1.066），-1.168（-6.108~1.649）；实验室E：0.999（0.905~1.051），-1.876（-6.112~3.508）］。Bland-Altman分析表明5家实验室的检测结果与靶值总体上具有较好的一致性。通过检测质量反馈和优化样本配制浓度，改善检测结果一致性。 结论 临床色谱-质谱检测结果一致性计划有助于提高检验结果可比性。

目的 建立阿尔茨海默病相关等位风险基因组核酸质谱检测平台。 方法 收集2023年12月28日至2024年3月31日于广州医科大学附属脑科医院确诊为阿尔茨海默病的61例患者的全血样本并提取脱氧核酸（DNA），男22例，女39例，年龄（67.36±8.18）岁。筛选出中国人群的17个风险基因位点后设计多重聚合酶链式反应引物、单碱基延伸引物及桑格（Sanger）测序法引物，使用10份样本经Sanger测序及飞行时间质谱进行引物优化与调试，建立检测体系。应用飞行时间质谱仪对剩余样本进行基因分型，并用Sanger测序法验证，进行准确度评价。选择5份样本梯度稀释后进行飞行时间质谱检测，评价检出限。选择3例临床样本、1例大肠埃希菌及1例金黄色葡萄球菌基因组DNA样本，进行交叉反应研究。评估检测体系对样本溶血、乳糜及常规抗凝剂的抗干扰能力。选择2份包含代表性峰形的野生和纯合突变样本各1份，评价抗干扰能力。选取包含体系全部基因位点常见基因型的4份样本，重复测定10次，评价精密度。 结果 单碱基延伸引物在质谱上的最低强度大于最高强度的1/2。筛选的17个风险基因位点均分型成功。61份样本共1 037个位点的飞行时间质谱检测结果显示基因分型检出率为100%。20份DNA样本的基因型和Sanger测序结果完全一致，准确度为100%。5份样本梯度稀释后的质谱检测结果表示，最低检出限为5 ng DNA。反应体系对样本溶血、乳糜、常规抗凝剂、DNA交叉污染具有较强抗干扰能力。同源等位基因干扰及细菌基因组与17个基因位点无交叉反应，不影响风险基因组检测结果。4份样本重复进行10次质谱检测结果显示，精密度为100%。 结论 成功建立阿尔茨海默病风险基因组检测体系，为疾病诊断与发病风险评估提供辅助手段。

目的 分析18例纤溶酶原（PLG）缺陷症患者的基因突变，探讨PLG基因突变引起的临床表现。 方法 本文研究类型为观察性研究-描述性研究：病例系列。收集2021年1月1日至2025年5月31日温州医科大学附属第一医院18例PLG缺陷症患者临床资料，年龄48（16，70）岁，其中男10例，女8例。采集治疗前的抗凝血标本，检测纤溶酶原活性（PLG：A）、纤溶酶原抗原（PLG：Ag）、蛋白C活性、蛋白S活性、纤维蛋白原、抗凝血酶活性、D-二聚体和纤维蛋白（原）降解产物含量等相关指标，并进行分析。采用PCR直接测序法分析患者PLG基因19个外显子及其侧翼序列，对发现的疑似突变用反向测序加以验证。 结果 18例患者的头颅MRI显示均有新鲜脑梗死灶，PLG：A在19%~67%，其余检测指标无明显异常，均表现为异常纤溶酶原血症。基因分析共发现5种PLG基因突变，分别为c.1858G>A（p.Ala620Thr）杂合突变、c.1858G>A（p.Ala620Thr）纯合突变、c.398A>G（p.His133Arg）杂合突变、c.2108G>A（p.Gly703Asp）杂合突变及c.1702G>A（p.Gly568Arg）杂合突变，其中以c.1858G>A杂合突变多见，c.398A>G及c.1702G>A均为首次发现的突变位点。 结论 PLG基因缺陷导致的纤溶酶原缺陷症患者易发生脑梗死事件，可能与PLG基因突变导致机体纤维蛋白溶解功能受损有关。

目的 建立替罗非班致极重度血小板减少症的诊疗策略，为检验人员和临床医生早期准确识别及正确干预提供参考。 方法 本研究为单中心、回顾性队列研究。收集2019年6月1日至2024年12月31日在阜外华中心血管病医院诊治的急性冠脉综合征患者的临床资料，按照纳入标准和排除标准筛选出替罗非班治疗后发生极重度血小板减少症患者12例。其中男性10例，女性2例，年龄（66.08±7.08）岁，收集12例患者的替罗非班使用时间、血小板计数变化、合并用药、治疗策略、并发症等，分析该资料特征并总结诊疗流程图。采用Shapiro-Wilk检验进行正态性分析，采用配对t检验或Wilcoxon检验进行组间比较，P<0.05为差异有统计学意义。 结果 12例患者基线血小板计数基本正常［（166.5±35.27）×109/L］，接受替罗非班治疗后出现严重血小板减少［（4±2.98）×109/L］（P<0.001）。10例患者在使用替罗非班24 h内出现血小板最低值，2例最低值发生在37 h和42 h。11例在血小板减少后停用抗栓治疗，10例血小板恢复至30×109/L以上重启抗栓治疗。3例进行了血小板输注，10例在糖皮质激素冲击的基础上联合升血小板药物治疗。停替罗非班至血小板恢复到>50×109/L的时间为（2.75±1.06）d。主要并发症是出血（n=6）和过敏样反应（n=3）。基于以上临床诊疗信息制定替罗非班所致极重度血小板减少症的诊疗流程图。 结论 临床上使用替罗非班抗栓治疗时，应尽早监测血小板计数以及时识别替罗非班所致极重度血小板减少症，并结合病情动态调整抗栓方案和升血小板治疗。

患者，男，28岁，脾大四年，因腹痛，淋巴结增大2月余于2024年10月16日就诊于海军军医大学第一附属医院，并收治入院。2024年7月31日发觉右上腹疼痛，外院腹部增强CT显示脾肿大；脾门圆形结节影，副脾可能；腹膜后淋巴结增大；外院肿瘤标志物未见异常。8月22日血常规提示白细胞减少2.22×109/L，血红蛋白144 g/L，血小板减少60×109/L。今为进一步明确诊断，2024年8月26日就诊于我院血液科门诊，患者查体一般情况可，脾肋下10 cm，质硬，我院彩超显示右侧甲状腺结节；肝、脾肿大。现因肝脾肿大、腹膜后淋巴结增大，行PET-CT辅助诊断。PET-CT发现患者肝脾明显肿大，腹膜后、肠系膜内多发肿大淋巴结伴代谢增高，四肢骨近端、中轴骨见骨质代谢增高，考虑淋巴血液系统疾病，建议骨髓穿刺活检。患者9月12日行骨髓穿刺活检、骨髓细胞形态学检查、初发淋巴瘤免疫表型、染色体以及淋巴瘤相关FISH检测。9月14日流式、染色体和FISH结果未见异常，骨髓细胞形态人工镜检提示少量淋巴细胞分化欠佳，AI（人工智能）自动扫描分类异常细胞组别中可见疑似“戈谢细胞”。骨髓病理结果考虑组织细胞源性肿瘤伴MF（骨髓纤维化）-2级，肿瘤细胞约占骨髓有核细胞的70%，建议做免疫组化明确诊断。10月16日病理免疫组化结果诊断组织细胞增生性病变，考虑戈谢病。入院后经酶替代治疗，每隔一周静脉注射起始剂量为60 U/kg。10月31日根据酶活性检测、基因检测等结果，最终诊断为成人戈谢病。患者生命体征稳定，脾脏较前缩小，遂出院随访。

随着“新医科”建设的推进，医学检验学科正逐步向医、工、理、文多学科融合的综合性交叉学科转型，培养适应学科发展的高层次、复合型人才已成为当前医学检验教育的核心任务。实习阶段作为提升学生临床思维与实践能力的关键环节，其教学模式亟待创新。该文聚焦新医科背景下检验实习教学的优化，探讨如何实现多学科有机融合，并从教学体系构建、带教方案优化、教学质量提升及成果反馈4个维度提出改进措施，以期为医学检验教育的创新发展提供理论支撑。

经典费城染色体阴性骨髓增殖性肿瘤（MPN）是一组起源于造血干细胞的克隆性疾病，临床上常见血栓事件和髓外造血等病理表现，并具有向骨髓纤维化或急性白血病恶性转化的倾向。随着分子标志物被纳入MPN诊断核心标准，其在疾病分型、表型异质性解析和临床预后预测等个体化诊疗领域展现出多层次的应用价值。目前，分子标志物应用于疾病诊断、进程预测、预后评估、治疗优化、精准监测、家族性MPN筛查及新兴检测技术开发等多个层面，推动 MPN从基础研究向临床个体化诊疗全面转化。

在肝病发展过程中，患者的血管内皮、血小板、凝血、抗凝血、纤维蛋白溶解等系统均出现病理性改变并形成“止血再平衡”。患者外周血同时存在的低凝和高凝趋势使实验室检查数据表现复杂且难以解释，特别是凝血酶原时间、活化部分凝血活酶时间由于不能真实反映肝病患者止血紊乱的净效应，常造成医生误判和过度治疗，引发不良临床后果。近年来，血栓弹力图、旋转血栓弹力测定和凝血酶生成试验逐渐应用于肝病患者出血风险评估并在输血管理方面取得进展。另一方面，血管性血友病因子及血栓蛋白样结构域1基序成员13被证明与肝病患者病情发展密切相关并能有效预警不良临床结局。