教育演講3:臨床檢驗之有效運用與管理
Diagnostic tests management

程 序 表

E3-3
大數據分析與臨床數據判讀
Test results interpretation based on big data analytics
戚偉明
衛生福利部雙和醫院實驗診斷科

  通常臨床醫師在進行檢驗數據判讀時心中經常會以下有幾個疑惑:
(1)病人的檢驗數據是否正確(Are my laboratory results correct)? 這問題實際上是在問有無簡 易的數據品管工具(QC tools) 可供我使用?
(2)病人的檢驗數據是否正常(Are my laboratory results normal)? 這問題實際上是在問檢驗部 門所提供的正常值(或稱「生物參考區間」(Reference intervals)是否適當?
(3)病人的檢驗數據與前次比較,兩者間的差距是否有意義(Are my laboratory test results  different from those I had in the past)? 這問題實際上是在問「參考改變值(Reference  change values)」為何?
(4)病人的檢驗數據真的高於(或低於)所設定的「決定值(Decision threshold)」嗎(Are  my laboratory results higher/lower than a preset decision thresholds)?
  以上四個問題共同的關鍵點在於臨床醫師對於各種檢驗項目的「生物變異性(Biological variation)」,不甚瞭解, 以致臨床醫師難以區分撿驗數值的改變,究竟是信息(Signal)?還是雜訊(Noise)?其實各種檢驗項目的「生物變異性」或%CVb很容易從文獻中擷取,有了%CVb臨床醫師可以自行建立檢驗數據判讀所需要的各種工具,因此1999年斯德哥爾摩大會(Stockholm convocation)決議將生物變異性作為檢驗部門內部管制與外部數據判讀的基礎。
  然而%CVb在文獻中的差異甚大, 連帶在應用上也會產生不少困擾。因此學者建議使用實證科學,或「大數據分析(Big data analytics) 」的方法以建立合理的%CVb。所謂大數據分析是指巨量、快速、及多樣化的資料, 每天源源不斷地由資、通訊系統抵達中央資料倉庫, 經確認後隨即進行資料分析,最後由臨床醫師淬取其中有用的資訊,作為及時數據判讀的依據(K. Ichihara et al)。此外當臨床醫師面臨多重檢項目(Multi-dimensional) 時,或許藉由其生物資訊(Bioinforma-tics)、生物數學(Biomethematics)、及生物統計學(Biostatistics) 大數據分析可發現檢驗數據間新的相依關係,從而建立一數據判讀的模式。