井 杰， 王蓓蕾， 刘善荣

（海军军医大学第一附属医院实验诊断科，上海 200433）

人工智能（artificial intelligence，AI）是利用计算机程序模拟、延伸和扩展人类智能应用的先进科学技术[1]。近年来，“医疗+AI”模式在影像智能判读[2]、手术机器人[3]、新药研发[4]等领域已有广泛研究。然而，多数AI具有“黑箱”特点，其行为高度不透明[5]，医生无法了解机器的决策机制、发生错误的原因以及避免错误的方法，限制了其临床应用。近年来，有学者提出可解释人工智能（explainable artificial intelligence，XAI）的概念，即将可解释性作为额外的设计驱动因素来构建AI系统，用可理解的方式向用户解释或呈现其行为[6]。检验医学是临床辅助诊疗的重要组成[7]，具有广泛的临床可解释性，长期以来通过提供客观数据来协助临床决策。因此，通过XAI技术对检验数据进行集成和分析，深度挖掘其内在价值，开发可解释的检验AI工具，必将显著提高检验数据的临床应用价值，为智慧医疗的跨越式发展提供重要支撑。本文立足于检验医学的研究现状，结合XAI的基本概念、重要性及实现方法，重点探讨基于检验知识图谱的检验XAI的研究思路，展望其未来应用前景，探讨其面临的挑战和应用局限性。

1 检验医学现状

检验医学是现代医学的重要组成部分，临床决策所需信息的70%来自检验[7]。实验室检查涵盖临床化学、血液学、免疫学、微生物学在内的2 000多项指标，为临床医生提供大量客观数据以辅助临床决策[8]。在急诊室，超过41%的疾病需要通过实验室数据确诊[9]。癌症、内分泌、感染性和遗传性等疾病需要通过实验室数据确诊或协助确诊[10]。……