“检验怎么做科研？”这是一个检验从业人员经常会提出的问题。检验实际上最大的资源就是有海量的数据，但数据没有经过治理分析就像抛光前的和氏璧，如普通石头一般，即使放在身边也未必认识。所以要做好科研，就要能认得出包藏宝玉的石头，也要有琢磨石头的趁手工具。

同样，检验科研也可以从两个方面去努力，一是从临床实践时与临床沟通的案例中汲取科研的想法；二是找到简单、易用且使用门槛低的数据分析工具。

AI算法丰富 数据难题迎刃而解

来自中山大学附属第一医院检验科的甘文佳博士也是从上述两个方面入手。地中海贫血是南方地区十分常见的遗传相关贫血性疾病，但甘博士在日常工作以及与临床沟通中发现，在低HbA₂患者中使用传统血红蛋白电泳甲型地中海贫血的筛查阳性预测值并不高，仅为41%；另一方面，使用基因检测方法成本高，用于筛查并不合适。因此，需要更有效的筛选方法来降低检验方法的假阳性率，提高筛查效率。

对此，甘博士创新地使用临检血球的常见指标作为主要分析标量，方便临床使用。但他在数据统计分析中遇到了挑战，其中对于数据分析中变量的差异性及与临床结局关联性的判断解读存在难度，特别是单一变量很难有效预测疾病的结局。考虑到机器学习技术呈现出来灵敏度高、高维数据挖掘及高通量计算等能力，甘博士想到使用机器学习进行分析，但他发现学习成本颇高，将会拉长研究周期。

2020年，贝克曼库尔特与深睿医疗联合发布中国检验行业首个具备AI算法的大数据科研平台——DxAI智研平台，随后被引进中山大学附属第一医院检验科，甘博士于是选择DxAI智研平台对课题的数据进行分析，并在课题研究上取得重要突破。

DxAI智研平台除了提供简单且实用的丰富功能外，并有专门的应用服务团队根据课题情况提供技术辅助，帮助甘博士在数据分析问题上迎刃而解。最终，甘博士在DxAI智研平台数据分析结果基础上写作的论文因其新颖性和科学性被国际一流的检验领域杂志《Clinica Chimica Acta》所接收发表。 

该论文通过使用DxAI智研平台，结合机器学习模型以及临床特点，建立了一个能快速准确预测甲型地中海贫血的最佳模型，提高了目前模型的阳性预测率以及阴性预测值。

降低学习成本 加速论文发表周期

接下来，贝克曼库尔特还将继续推出DxAI智研平台赋能疾病研究系列报道，带你深入医院案例，领略检验大数据蕴含的独特价值，敬请期待。

人工智能赋能疾病研究，助力挖掘检验数据宝藏

DxAI智赋科研记（一）| 智研平台赋能卵巢癌检测新指标