检验组学（Clinlabomics）新概念得到广泛关注｜前沿报道

检验组学（Clinlabomics）新概念得到广泛关注

   图1  检验组学英文综述

如图检验组学英文综述仅仅发表5天，已经有310多次下载，在国外多个社交媒体也得到不同程度讨论，在BMC旗下181 301篇文章中，同期关注排在前25%，在BMC Bioinformatics 发表的论文中，同期关注度排名第4名。

近年来，全球对医学大数据与人工智能（AI）结合进行诊断决策得到广泛关注。到目前为止，AI已经应用于医学的各个方面，包括疾病诊断，监测，治疗，预测未来风险。医学与人工智能相结合，已成为改变医疗保健，甚至改变临床诊断中疾病筛查的有力工具。目前，结合AI的医学影像领域提出了放射组学（Radiomics) 概念，但临床实验室数据与AI相结合缺乏新定义，因此该领域的许多研究无法准确分类，难于检索，缺乏核心关键词。

众所周知，临床检验科每天都会产生大量且标准化的实验数据，其实临床检验数据结合AI已经受到广泛关注，已经有大量学术论文发表。

因此，四川省肿瘤医院检验科王东生主任团队，罗怀超课题组通过总结整理目前结合临床检验科和AI进行疾病预测，诊断，检测，以及实验室管理的相关研究成果，提出了临床检验组学（Clinlabomics）的新概念。Clinlabomics检验组学，即结合人工智能技术最大化利用医学检验实验室常规数据的一类新方法。并且在2022年9月25日，BMC Bioinformatics 杂志上发表了题目为Clinlabomics: leveraging clinical laboratory data by data mining strategies的论文。

组学技术，大体可以分为基础组学（基因组，转录组，蛋白组等）和临床组学，比如现在比较火的影像组学，以及该论文提到的检验组学，和其他组学相比，检验组学具有鲜明的特点，比如样本量巨大，数据高度标准化，具有大样本特性和低维度的特性。正是要因为检验组学以上特点，特别适合数据挖掘技术的应用，可以使得模型具有稳健强，泛化性好，推广性佳的特点。

“组学”技术（基因组学，蛋白质组学，转录组学，代谢组学等）是一种新兴的技术。

图1. A：基因组学、蛋白质组学、转录组学、代谢组学等“组学”技术可用于更准确地预测和理解疾病风险，并通过机器学习和统计方法为更具体和同质的人群制定治疗方法。B：不同组学之间数据结构的差异（检验组学具有大样本，低纬度的数据特点）。

图2 临床组学工作流程

文章总结了临床检验科数据与AI相结合进行疾病诊断、预测、监测预后、实验室管理获得的一些相关研究成果。该文章为检验学科与人工智能结合，进行了回顾总结，提出结合检验数据与人工智能的检验组学技术，可以为未来的个性化治疗提供新的途径。

早在2018年医学检验领域专家府伟灵教授也提出检验组学的理论，在国内医学检验领域起到很好的宣传作用。希望Clinlabomics概念在国际学术期刊的发表将再一次推动检验组学概念发展。检验组学概念的提出希望能够整合应用大数据，人工智能，机器学习，数据挖掘等技术的医学检验或科技工作者到一个全新的概念下，促进检验医学高质量快速发展。检验组学，作为一种新的技术和概念，具有独特的数据结构，标准化质量体系，多元的临床应用场景等特点，因此呼吁更多的科技工作者加入检验组学研究的队伍。

最后推荐两篇典型的检验组学论文，第一篇发表在医学检验顶级期刊临床化学，（https://pubmed.ncbi.nlm.nih.gov/32821907/）。课题组开发了一个机器学习模型，将患者人口统计学特征（年龄、性别、种族）与 27项常规实验室测试相结合，以预测个体的 SARS-CoV-2 感染状态，这个模型可以在资金或供应限制而无法进行 RT-PCR 检测的地区，帮助识别 SARS-CoV-2 感染。

第二篇发表在呼吸科顶级期刊Am J Respir Crit Care Med（https://pubmed.ncbi.nlm.nih.gov/33823116/） ，影响因子30+，课题组收集了来自6505 例非小细胞肺癌 (NSCLC) 患者和 189,597 名同期对照受试者的数据，并建立新型机器学习模型（mPLCOm2012)，模型中白细胞和血小板计数起到重要作用。结论机器学习模型比标准筛查资格标准早期诊断非小细胞肺癌更准确。

论文链接：

【参考文献】

[1]Wen X, Leng P, Wang J, Yang G, Zu R, Jia X, Zhang K, Mengesha BA, Huang J, Wang D, Luo H. Clinlabomics: leveraging clinical laboratory data by data mining strategies. BMC Bioinformatics. 2022 Sep 24;23(1):387. doi: 10.1186/s12859-022-04926-1. PMID: 36153474

[2]刘伟,张阳,黄姣祺,田晖艳,府伟灵.检验组学在精准医疗中的应用价值[J].国际检验医学杂志,2018,39(09):1025-1028.

作者：文霄瑕

审核：罗怀超

专家简介

罗怀超 副主任技师，四川省肿瘤医院·研究所，四川省肿瘤医院，检验科科研组长，副主任技师，医学检验学士，医学硕士，电子科技大学生物信息学博士。兼任四川省生物信息学学会理事、智慧免疫专委会常委，四川省医学会微生物与免疫专委会委员，第一作者或通讯作者在The Signal Transduction and Targeted Therapy, Clin Chim Acta ，BMC Bioinformatics累计发表学术论文20余篇，担任JCLA，Journal of cancer等10余类学术杂志审稿专家。致力于基于血小板的分子诊断及检验组学相关的生物信息学及临床研究。