办公资料柜
发布时间：2025-02-25 05:18:15阅读量： 作者：pg电子官方网
血常规无疑是最常见的医学检查项目之一。我国每年血常规检查量高达十亿次，若放眼全球，十亿就只是计数单位了。就这么说吧，没听过“血常规”，也做过血㊣常规。
这项目有更专业的称呼，即“全血细胞计数” (c㊣omplete blood count) ，简称CBC。简单描述，CBC是指用血液㊣分析仪对血液里的红细胞、白细胞和血小板㊣进行计数，收集有关其体积和结构等特征的信息，进而评估血细胞以及其他血液成分有无异常情况办公资料柜。
血常规通常㊣用于监测健康状况和诊断疾病。化验单上会显示检测结果与所谓“参考范围” (reference range，中文也可作“参考区间”、“正常范围”、“正常值”等) ，通过对比，我们可以大致㊣判断受检者是否存在感染，是否患贫血或血小板减少症之类的血液疾病，是否有先天性心血管疾病或内分泌疾病等风险，是否适合某项手术……
举个例子，如果红细胞计数 (RBC) 与血红蛋白浓度 (HG或HGB) 明显低于参考值下限，受检者往往就有贫血问题；通过分析更多相关指标，包括平均红细胞体积 (MCV) 、红细胞平均血红蛋白量 (MCH) 和红细胞平均血红蛋白浓度 (MCHC) ，可进一步明确贫血原因，如缺铁或维生素B12缺乏。又例如，当白细胞计数 (WBC) 显著高于参㊣考值上限，且中性粒细胞百分比 (NE%) 也高，受检者就有较大可能遭遇了细菌感染。
虽然CBC无处不在，而且看起来它的参考范围划定因性别和年龄而异，但医生在临床上解释㊣和使用它的方式并不精确，从个体差异的层面来看，那些参考范围就是一刀切出来的。
来自美国华盛顿大学医学院的数学家布罗迪·福伊 (Brody Foy) 致力于利用大规模临床数据获得生理学见解并改善患者治疗效果。最近，福伊✅于《对话》 (The Conversation) 杂志表达了自己对医学检测数据和个性化医疗的理解。
我的团队研究“如何使用计算工具来提升临床血液检测水平”。为开发更好方法用以获得对患者个体而言真正的“参考范围”，我和哈佛医学院希金斯实验室的同事分析了数万㊣名㊣患者的血细胞计数测试结果，这些人来自美国东海岸和西海岸，数据贯穿他们20年的检测历史。
最近，我们于《自然》杂志发表最新研究成果：利用机器学习来为✅个体患者确定其血常规各项指㊣标的健康范围(也就是专属于他的参考范围)，并预测未来患病的风险。
许多人认为临床测试是完全定性的诊断，就像Covid-19检测和妊娠测试一样，结果只有阳性或阴性，告诉你有病或没病。实际上大多数检测并非只分阴阳，它们测量的是一种生物学特性——机体不断上下调节它，让它保持于一✅定范围内。
CBC当然也属于大多数，其结果详尽呈现受检者的血细胞状况。你的血液里有多少红细胞、血小㊣板和白㊣细胞？这些指标每天都在被几乎各个科室的医生使用。
血小板是帮助形成血凝块以止血的细胞。若血小板计数(PLT)偏低，受检者可能有内出血情况——机㊣体正使用血小板止血。
白细胞属于免疫系统。当它们的计数过高，感染或许已侵袭了你——你的身体正产生更多白细胞来抵抗感染。
如前文所述，目前血常规各项指标的参考范围设定并不精确和个性化。化验单说你白细胞偏高，你就真的状㊣况不妙？
传统上，临床医生会对大量表观健康人群进行血液检测，然后选取中间95%的数值作为正常值，确定所谓的参考范围。那剩下的5%当然就成了不正常的，高于参考值的上限或低于下限。但我们团队始终认为，在甲身上成立的正常值未必适用于乙。
例如，从人群层面看，正常的血小板计数约为每升血液1500亿~4000亿个细胞；但作为个体，你的PLT参考范围可能应为1500亿~2500亿——如果换成血液学设定值来描述，这个值就为2000亿。(设定值的概念在我们的论文中有详细介绍。)
个体患者的设定值与人群的参考值之间存在差异，这种差异可能给医生带来麻烦。如果设定值处于远离临界点的相对“正常”水平，工作就好做；如果设定值偏向㊣极端杂志铺杂志订阅官网，医生就可能多做不必要的测试。
利用机器学习模型，我们团队能根据5万多名患者的就诊历史估算出他们血细胞计数的设定值。基于此，我们可以研究人体如何调节这些㊣设定值，同时尝试建立更好的方法来对检测数据作个性✅化解读。
通过跨越几十年的数据分析，我们发现个体的参考范围比人群水平的小了约2/3。例如，从人群水平看，白细胞计数的“正常”范围约为每升血液40亿~110亿，但对大多数个体而言，此区间窄得多，大概在45亿~70亿或75亿~100亿。当我们使用专属个体的设定值来解释血液检测结果时，针对缺铁、慢性肾病和甲状腺功能减退等疾病的诊断质量得以提升。
血液学设定值是提示未来患病风险的有效指标。例如，白细胞设定值过高的患者以后遭遇2型糖尿病的风险更大；相较于过低的同类患者，他们的全因死亡风险也几乎高出一倍。
未来医生可能使用设定值来改进疾病筛查以及对检测结果的解读方式。这是个性化医疗的一个方向：用你自己的病史，来定义你应有的健康。