（来源：小安 安图生物）

AI检验临床辅助决策系统

2024年11月，安图生物“AI检验临床辅助决策系统”上市，包含检验知识库、知识图谱、临床路径查询、报告解读以及科研数据分析平台等功能，为临床提供患者疾病风险、病情发展分析和治疗效果决策等信息。目前，该系统已支持检验项目、微生物菌种等知识超过5000项，疾病解释超过3000种。

当前，人工智能正深度融入社会各个领域，检验医学也不例外。“AI”与“检验”的深度融合，正在医疗卫生领域引发前所未有的变革，成为推动医疗服务升级的重要力量。为应对人工智能对检验医学带来的新要求与新挑战，安图生物前瞻性布局智慧检验多个领域，目前已逐步构建出多技术融合的智慧检验产品与服务系统。其中，“AI检验临床辅助决策系统”处于行业领先地位。

01

战略前瞻，率先布局AI检验新赛道

人工智能作为新兴技术，历史可追溯至20世纪50年代。1956年，美国人John McCarthy在达特茅斯的一次学术会议上首次提出“人工智能”的概念。

2010年以后，得益于深度学习技术的突破和移动互联网的普及，AI技术蓬勃发展并开始广泛应用。2017年7月8日，国务院将AI正式纳入国家发展规划，提出“推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系”战略部署。

2022年以来，国家发展改革委、科技部等连续发布专项支持计划，要求开发多模态临床决策系统。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，提出“有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用”。AI+检验，无疑为检验医学的进一步发展带来了新可能。随着时代发展，AI技术在医学检验领域的应用日益深入，已涵盖疾病辅助诊断、检验项目智能推荐、报告智能解读等核心应用场景。

对于AI技术在检验领域的应用，安图生物早有布局。在政策引导、临床需求升级及AI技术成熟等综合背景下，安图生物自2020年起便着手规划“AI+检验”。2021年，决定启动“AI检验临床辅助决策系统”的预研工作。2022年，将AI技术内置于自主研发生产的自动化流水线Autolas X-1系列中，实现对标本质量的智能识别与控制。2023年，将“AI检验临床辅助决策系统”内置于Autolas X-1流水线中运行并逐步完善。

2024年11月，“AI检验临床辅助决策系统”完成研发并上市，包含检验知识库、知识图谱、临床路径查询、报告解读以及科研数据分析平台等功能，为临床提供患者疾病风险、病情发展分析和治疗效果决策等信息。目前，该系统已支持检验项目、微生物菌种等知识超过5000项，疾病解释超过3000种。

02

打磨利器，三大核心突破奠定领先地位

审核革命——多维度可信性分析让异常报告无处可藏

面对海量数据和复杂的临床背景，检验科传统的报告审核模式流程繁琐、效率有待提升，还容易因信息碎片化或人为疏忽而遗漏关键影响因素。

安图生物“AI检验临床辅助决策系统”的多维度可信性分析功能直击这一痛点，基于院内数据，将分散、孤立的审核逻辑整合为一个智能化、系统化的决策引擎，对检验项目结果快速进行智能判断，辅助报告审核。多维度可信性分析功能实现了对传统报告审核逻辑的重塑，将检验全过程中各维度的分析结果进行融合，生成统一的多维度可信度评分，并提供详细的数据依据与可视化界面，将原本依赖经验的推测过程转化为数据驱动的可视化决策链路，让报告审核从“大海捞针”变为“精准撒网”，快速锁定关键异常根源，推动审核效率与精准度的双重跃升。

知识图谱——让检验知识形成可追溯的临床推理路径

安图生物持续围绕医学检验领域进行知识积累与图谱构建，已形成覆盖多维检验知识、支持持续更新与扩展的医学检验知识图谱体系，在知识覆盖、分析精度、更新效率和扩展能力等方面形成了自身特色。

从“知识点”到“知识网络”：让检验知识串联起来。医学知识具有高度的关联性，一个检验项目背后，往往同时关联疾病、症状、检验指标、标本、药物、生理状态、干扰因素、临床意义等多个知识点。知识图谱将这些分散的知识进行结构化组织，通过实体及实体之间的语义关系，形成可关联、可追溯的知识网络。 

从“检索”到“推理”：让RAG（检索增强生成技术）更深入地利用知识关系。传统RAG擅长从文献、指南、知识库中找到与问题相关的内容；结合Graph后，系统不仅关注“哪些内容相关”，还能够进一步理解实体之间是什么关系、哪些知识可以被串联起来。面对一个临床问题，系统可以先通过语义检索定位相关知识，再利用图谱中的实体与关系进行关联、扩展和路径追踪，最终形成更加有依据的辅助判断。这种方式也让RAG的知识获取从单纯的文本相关性，进一步延伸到关系关联与路径推理。

从“能回答”到“能深入”：检验场景中的干扰因素分析。一个检验结果出现异常，并不意味着患者一定发生了相应的病理改变。药物、饮食、生理状态、标本质量、采集过程以及检测方法等，都可能对结果产生影响。因此，系统可以围绕一个具体检验结果继续向下钻取：异常结果→ 可能影响因素→干扰机制→可能造成的结果偏差→临床解释→必要时的进一步验证。通过这一关联路径，将检验项目、干扰因素与临床解释连接起来，使相关知识能够沿着明确的关系进行追溯和深入。由此，知识图谱可以支撑从发现异常、分析影响因素，到理解异常结果临床意义的逐层分析，为检验结果的临床解释提供更完整的知识依据。

微生物报告解读

——AI成就微生物专家“超脑”

面对日益复杂的微生物耐药机制，传统解读方式往往依赖经验，存在信息遗漏和误判风险。安图生物“AI检验临床辅助决策系统”首创微生物报告解读，凭借对临床需求的深刻洞察与先进技术的深入应用，实现了从数据到知识、从知识到辅助的闭环，助力临床破解诊断难题。

系统集成了丰富的领域知识库，构建多维度判断模型，帮助医生科学用药；药敏报告解读能阐述耐药背后的生物学机制，为临床精准用药提供科学依据；基于自研的多源数据融合智能推荐引擎，可通过融合电子病历、标本类型及详细药敏数据等，为临床推荐个性化治疗方案；解读报告中内嵌局限性分析与风险提示，提醒用户注意药敏结果的时间效应、分子机制检测不足等因素的影响，提高临床应用的安全性和精准度。

AI与检验的深度融合，为重构检验全流程提供了巨大的可能性，“智慧检验”将成为常态，形成AI驱动的自动化、精准化、智能化、智慧化诊断体系。安图生物“AI检验临床辅助决策系统”作为智慧化医学实验室的核心部分，将赋予检验工作“慧眼”与“大脑”，为提升医学实验室工作效率、控制运营成本、确保检验报告质量、推动检验结果互认以及建立更加经济的管理和运营模式提供助力，为临床和患者提供更优质、便捷的医疗服务。