专访|张继红教授:AI辅助与专家把关并重,推动疑难血液病诊疗走向标准化与个体化
专访|张继红教授:AI辅助与专家把关并重,推动疑难血液病诊疗走向标准化与个体化的核心信息是什么?
近年来,血液病诊疗高度依赖形态学、免疫学、遗传学、分子生物学及临床信息等多维数据的交叉整合(即CMICMO综合诊断理念)。这种多模态、高异质的特点,让临床医生面临着庞大的数据整合分析与报告判读压力。随着人工智能技术的深入应用,AI在辅助多源异构数据清洗、结构化整合与隐匿关联挖掘方面展现出巨大潜力,正逐步成为减轻医生繁重阅片负担、提升疑难病例精准分型能力的“超...
近年来,血液病诊疗高度依赖形态学、免疫学、遗传学、分子生物学及临床信息等多维数据的交叉整合(即CMICMO综合诊断理念)。这种多模态、高异质的特点,让临床医生面临着庞大的数据整合分析与报告判读压力。随着人工智能技术的深入应用,AI在辅助多源异构数据清洗、结构化整合与隐匿关联挖掘方面展现出巨大潜力,正逐步成为减轻医生繁重阅片负担、提升疑难病例精准分型能力的“超级助手”。 属于「Htology血液前沿」分类。 本文由 TalkMED 拓麦医学编辑团队审核发布,内容来源清晰、引用完整,符合平台编辑方针和利益冲突披露政策。
本文核心问答
Q1: 该研究的关键数据和临床意义是什么?
诊断恶性血液病1500例/年,累计院内外(辽吉黑、内蒙)及联盟医院会诊病例1000例/年。这种多模态、高异质的特点,让临床医生面临着庞大的数据整合分析与报告判读压力。随着人工智能技术的深入应用,AI在辅助多源异构数据清洗、结构化整合与隐匿关联挖掘方面展现出巨大潜力,正逐步成为减轻医生繁重阅片负担、提升疑难病例精准分型能力的“超级助手”。本期 Htology血液前沿 特邀 中国医科大学附属盛京医院张继红教授 ,围绕AI如何更好嵌入CMICMO整合诊断流程、医工闭环的落地实践,以及评价血液病AI助手是否真正可用的核心标准等话题,分享她的核心观点与深刻见解。
Q2: 这篇文章的来源和作者资质如何?
发布于2026-11-15。
Q3: 本文涉及哪些核心医学术语和研究方向?
文中涉及的核心术语定义:CSCO即中国临床肿瘤学会指南。。研究方法方面,统计分析采用机器学习方法等方法。参与团标及专家共识:8项 曾获“辽宁省普通高校优秀骨干教师”、“辽宁省百千万人才工程百人层次”、“沈阳市领军人才”和“中国医科大学附属盛京医院优秀学科主任”等称号 责任编辑 | 树懒 审核专家 | 张继红教授 声明 本资讯旨在帮助医疗卫生专业人士更好地了解相关疾病领域最新进展。



近年来,血液病诊疗高度依赖形态学、免疫学、遗传学、分子生物学及临床信息等多维数据的交叉整合(即CMICMO综合诊断理念)。这种多模态、高异质的特点,让临床医生面临着庞大的数据整合分析与报告判读压力。随着人工智能技术的深入应用,AI在辅助多源异构数据清洗、结构化整合与隐匿关联挖掘方面展现出巨大潜力,正逐步成为减轻医生繁重阅片负担、提升疑难病例精准分型能力的“超级助手”。
本期Htology血液前沿特邀中国医科大学附属盛京医院张继红教授,围绕AI如何更好嵌入CMICMO整合诊断流程、医工闭环的落地实践,以及评价血液病AI助手是否真正可用的核心标准等话题,分享她的核心观点与深刻见解。


张教授,您从事血液病实验诊断30多年,累计签发150多万份报告,也长期承担区域远程会诊。从您真实的诊断场景出发,AI与机器学习最应该优先介入哪些环节,才能真正减轻医生的诊断负担?
张继红教授:
当前,人工智能技术已广泛渗透至医疗各领域,在血液病学中发挥着日益重要的辅助作用。结合我从事血液病实验诊断30余年、累计签发150多万份报告,以及长期承担远程会诊的真实体会,临床医生日常面临的巨大痛点,往往并非疑难杂症的最终决断,而是被海量常规报告的逐字阅读、多源异构实验室数据的反复核对所消耗。
因此,就应用优先级而言,AI宜率先切入两大核心环节:一是打破“数据孤岛”,实现多源异构临床与实验室大数据的自动化整合;二是直面临床医师最繁重的“基础体力活”,在报告的阅读与初筛上进行前置化处理。
通过AI快速提取关键指标、标记异常数据,将医生从重复性的认知负荷中解放出来,从而把宝贵的时间留给疑难病例的深度思考和远程会诊中的复杂决策。
您一直倡导CMICMO综合诊断理念,强调形态、免疫、遗传、分子及临床信息的多维交叉。在您看来,AI如何更好地嵌入这一整合诊断流程?
张继红教授:
血液病诊疗涉及形态学、免疫学、遗传学、分子生物学及临床信息等多维数据,具多模态、高异质、信息量大特点。AI可辅助数据清洗、结构化整合、关联挖掘与初步解读,提升信息利用效率,缓解阅片及报告判读压力,为精准诊断与临床决策支持奠基;但需在规范化指南下开展,并由专家最终审核把控。
临床医生提供高质量标注与真实诊断逻辑,工科提供算力与模型支持,形成医工闭环。AI作为综合诊断助手,自动整合MICM结果,提示矛盾及需验证异常指标,并挖掘跨维度隐匿关联。
最后,您认为评价一个血液病AI助手是否真正可用,最核心的标准是什么?长远看,它对疑难病例会诊和血液病规范化诊疗最大的价值又体现在哪里?
张继红教授:
AI助手具备实际应用可行性,但其应用须以规范化指南为前提,并按照指南开展相关工作;在发挥其学习能力的同时,应由专家进行最终审核与把控。
从宏观层面看,AI可整合患者信息及零散临床资料,辅助不同领域专家开展分析,并以结构化报告模式完成信息汇总,使患者信息呈现更加完整、系统。
从微观层面看,在血液学诊断方法学中,AI可对骨髓细胞学、流式细胞术等大量检测资料进行初步分析与初步诊断,从而减少人力投入,并提升诊断的全面性与精准性。
进一步而言,围绕CMICMO理念,AI可跨越形态学、免疫学、遗传学、分子生物学及临床信息,挖掘肉眼难以察觉的隐匿关联,提升疑难血液病的分型能力,并基于患者特异性指标提高个体化靶向治疗的精准性。
其长远价值在于:减少漏诊,缩小专家判读差异,增加统一性,推动疑难病例诊疗流程标准化,并将少数专家的经验沉淀为可解释、可验证、可复制的诊疗能力;同时有助于疑难杂症及罕见病的发现,为靶向治疗和精准化、个体化治疗提供支持。
专家简介
张继红 教授
中国医科大学附属盛京医院
三级教授,血液病理主任医师,博士生导师
中国医科大学附属盛京医院血液研究中心主任
中国医科大学免疫研究所副所长
国家重点研发计划专项评审专家
中国中西医结合学会流式分析诊断专家委员会副主任委员
中国生物工程学会细胞分析及数字化医工专委会常务委员
中国民族卫生协会流式细胞技术临床应用推广组副组长
中国抗癌协会血液肿瘤专业委员会委员
中国临床肿瘤学会(CSCO)实验诊断专委会常务委员
辽宁省免疫学会副理事长
辽宁省免疫学会血液免疫分会主任委员
辽宁省中西医结合学会免疫学分会主任委员
辽宁省医学会血液分会常务委员
专职从事血液病实验诊断工作30余年,累计签发150多万份临床诊断报告,包括以骨髓病理为中心的MICMP综合诊断报告。诊断恶性血液病1500例/年,累计院内外(辽吉黑、内蒙)及联盟医院会诊病例1000例/年。擅长运用CMICMO综合诊断理念为血液病提供精准整合诊断。
发表SCI论文40余篇,累计影响因子200以上。其中近5年发表一区论文6篇、二区论文12篇;承担国家自然科学基金5项、省市级课题10余项;专利4项 。参编专著:3部。 参与团标及专家共识:8项
曾获“辽宁省普通高校优秀骨干教师”、“辽宁省百千万人才工程百人层次”、“沈阳市领军人才”和“中国医科大学附属盛京医院优秀学科主任”等称号
责任编辑 | 树懒
审核专家 | 张继红教授
声明

本文涉及的主要医学术语
文中涉及的核心术语定义:CSCO即中国临床肿瘤学会指南。
本文研究方法与设计类型
统计分析采用机器学习方法等方法。
引用格式:专访|张继红教授:AI辅助与专家把关并重,推动疑难血液病诊疗走向标准化与个体化. 发布日期:2026-11-15. 来源:TalkMED拓麦. URL: https://portal.talkmed.com/news/5083
分享
收藏
点赞



