AI 落地 · 检验科

前几天刷到一个医学商业博主的视频。

做的人很认真，把岗位分了四块：数据与临床端、产品与设计端、临床验证与合规端、商业化与市场端，一共十四个。

我从头看到尾，一个都没提“检验”。

可能不是漏了，而是大部分人想到“AI 进医院”，脑子里出现的画面就是医生和诊断 —— 影像、病理、辅助开方。检验科在很多人印象里还是“抽血化验的地方”，跟 AI 好像搭不上。

但我在这一行待了这些年，看到的不是这样。

数据与临床端 —— 医学数据标注、数据质控、AI 医学顾问、医学语义工程。

产品与设计端 —— AI 医疗产品经理、临床决策系统产品经理、互联网 AI 产品经理、医疗交互设计。

临床验证与合规端 —— 临床实验协调与监察、注册申报。

商业化与市场端 —— 售前工程师、学术推广、大客户销售、药企合作。

看清楚了会发现，检验人在里面各有各的位置：

做数据质控这一块，几乎是检验的看家本领——室内质控、室间质评、误差分析，这些事检验科天天在做。数据准不准、什么时候会出错、误差从哪来，这是检验人的直觉。

做产品那一块，报告审核、复检规则、危急值、LIS，检验人比一般产品经理懂得多。

做注册合规那一块，性能验证、临床评价、注册资料——这套语言做体外诊断的人本来就在讲。

做商业化那一块，进去要见的还是那些门：科室主任、设备科、信息科、院方。换的是产品，不换的是路。

所以不是“检验没有位置”，是位置被拆散了，没写在一起。

不过清单讲的是“AI 医疗需要什么样的人”。要回答这个问题，其实得先看清另一件事：AI 在检验科到底在干什么。 检验人在 AI 医疗里的位置，得从这儿看。

这个东西现在检验科有在用的，不算多。它解决的是一个真实问题——报告单上那些箭头和数字，医生看、患者也看，但“这个指标高了意味着什么”，不是每个人都能说清。有工具能把它翻译成人话，确实有用。

但也就到“有用”为止。做的人多，方向也都差不多——都在往“更聪明地读报告”上使劲，所以彼此差别不大。

这一类没什么人说它是“AI 应用”，但它天天在替科室干活。

以前检验科的试剂和耗材管理、备货测算，基本靠人报。谁管这块谁心里有数——但这个“数”是经验，不是数据。不少科室的库存计划，现在还是手写、靠估。结果就是有多有少：有的试剂堆到快过期，有的临时发现不够用、急着补货，订错货的时候也有。月底盘点对不上，也说不太清是哪儿的问题。

现在有的科室开始用 AI 来管这块——不只是记账，是预测。做法说不上复杂：把历史标本量、测试数这些喂进去，再把规则设好，什么时候该补、补多少，就有了依据。效期快到的东西会提前提醒。备货不用再凭感觉，能落到一个合理的范围里——少了几次临时急补货，也少了几盒放到过期的试剂。

这中间的变化，说穿了就一句话：从“靠人报”，变成“有数、有预测”。

同样是“AI 在检验科”，这两类东西其实不是一回事。

这里说的“多”和“少”，说的是有多少人在做，不是说有多少科室在用。

报告解读，是替医生做判断。 听起来高级，但这条路最挤——做的人多，而且都在同一个方向上使劲，最后谁也没比谁强多少。

库存和备货，是替科室干活。 听起来不高级，甚至没人觉得这是个“AI 项目”。但它解决的是具体的人具体的事：谁不用再凭记忆报数，谁不用再为月底盘点头疼。

我自己的看法是：AI 在检验科的落点，可能不在“替医生判断”，而在“替科室干活”。

这不是推演 —— 我身边就有：有的主任用 AI 做科室管理，有人用它写公众号，有人在养自己的 AI 智能体，还有人搭了数字员工，做 SOP 文件、做 KPI 考核。

因为检验科本来就是医院里最像“数据部门”的地方。标本来了、结果出去、质控在跑、库存要管——这里每天产生的东西，本来就是数据。而数据量大、规则清楚、有标准答案的事，正好是 AI 能接住的。

回到开头那份清单。

既然落点是“替科室干活”，那能接住这件事的，就是懂这块业务的人。

那份清单讲的是“AI 医疗需要什么样的人”。我想补一句：AI 时代缺的不只是“会做 AI 的人”，也缺“懂这门业务、还能用 AI 把事做好的人”。

这两者不是一回事。前者要会写代码、会建模，那是专门的方向；后者不需要转行，只需要换个角度做事——你本来懂的那套业务逻辑，加上会用工具，就是别人补不上的那块。

检验这行有它的门槛。我第一次靠自己认出原始细胞的那一刻，还是很开心的。那道理在 AI 时代还是一样：能跨过去的人，不是因为换了赛道，是因为他把本行看得比别人深。

✦ ✦ ✦

觉得有收获？长按识别关注「医企写笔记」