免疫層析技術在毒品檢測應用中的數據質量治理研究*

吳劍丙 程向煒 王凌志 李彬

1. 浙江警察學院浙江省毒品防控技術研究重點實驗室 2. 浙江省臺州市公安局 3. 公安部第一研究所

引言

根據當前禁毒工作的需要，統籌建設禁毒實驗大數據平臺將有效加強全國相關實驗數據的統合研判，達到精準高效監測預警毒情的效果，并可實現相關毒品檢測數據的匯集共享。目前在浙江省公安廳層面已部分接入檢測相關數據，預計將逐步完成由數據分散化存儲到集中化管理的第一步。

禁毒工作尤其需要強調數據管理的重要性，而免疫層析技術的毒品檢測數據包括了生物數據和信息數據兩大類型，其數字化轉型的難度相對較大。本文正是基于前期曲線識別及錯誤分類相關研究專利及實際工作中近50萬條毛發毒品檢測數據篩查經驗，研究并提出了一種毒品檢測數據的規范格式，同時討論了毒品檢測數據的清洗、管理標準，為免疫層析毛發毒品檢測行業提供了一套可全流程溯源的數據智能分析方案。

一、需求分析

由于早期沒有健全的數據治理體系，而各地公安系統之間的數據服務商不同，且服務商是獨立的，他們之間存在競爭關系，導致在數據使用過程中出現了一些問題，包括：（1）未提供統一的數據標準，各數據服務商在系統建設時數據字典自成一套；（2）存在數據質量問題，例如：服務商提供的檢測數據，由于一線操作、產品質量等原因，導致數據是重復計算、無效或者假陽性等問題。早期可通過技術人員的簡單篩查，部分避免了重復的問題。但是，隨著數據的持續生產，通過增派人力等簡單的方法已無法覆蓋全部的數據篩查；（3）未建立有效數據問題反饋機制，低質量的數據跨部門共享與交互，質量問題反復出現未得到反饋與及時修正，導致數據質量問題越來越嚴重；（4）雖建立了資源目錄，但缺乏數據倉庫建設過程，造成數據表之間關聯性差，不利于數據的整體管理；（5）無法監控數據使用率，不能對數據進行精細化管理，數據價值未得到釋放。

基于以上問題，需在現有禁毒實驗數據建設的基礎上進一步提升數據質量，建立數據標準，研究制定合適的數據問題解決方案，通過涵蓋全數據生命周期數據治理，建設涵蓋全省各級公安部門多條數據的大數據治理平臺，并建立覆蓋數據全生命周期的數據治理體系，為征兵及公職人員體檢、社戒社康及其它高危行業人群篩查提供各類數據服務。該體系在未來可以縱向衍生至其他毒品檢測項目，包括毒品尿檢板、唾液板等技術的檢測，也可以橫向衍生至其他警種，包括食藥偵、經偵、爆探、海關等場景，為數字化經濟、數智化治理帶來新的技術與方案，有效提升公安隊伍的戰斗力和公安業務工作的實戰力。

二、檢測數據質量治理研究

（一）檢測數據清洗的意義

在檢測數據的科學管理方面，業內尚未形成一致的治理意識和方法。膠體金法、乳膠法等可視化產品結果并沒有統一的數據歸口；熒光法的檢測結果數據通過熒光儀器檢測后，數據通過第三方數據服務商上傳到公安內網，不同數據服務商平臺之間并不互通，且缺乏系統地規范和管理。

市面上大多數檢測終端設備通常不具備分析數據有效性以及無效數據的成因的能力，造成針對免疫層析曲線的分析效率及準確度較低。檢測終端設備對免疫層析曲線的分析結果只有在曲線數據有效的前提下才會準確。無效的曲線數據會使儀器判讀結果失真，讓一線民警難以得到及時、正確的反饋，影響排查工作的流暢運行。

此外，在對檢測數據結果進行分析之前，數據平臺若不對曲線的有效性進行識別，也會導致產生的無效數據影響分析結果。若不對檢測數據進行清洗，有效和無效的數據一同參與儀器內置計算模塊的判讀并上傳至云端平臺，會導致判讀結果失真、數據平臺管理困難等問題，因此，急需對檢測數據進行正確清洗。

（二）數據格式

為了優化檢測數據的管理，需要對上傳至數據庫的數據進行一定標準化的規定，以方便接口標準的制定。規定一次檢測數據必須包含的信息有：檢測數據=唯一碼+身份信息+原始數據+儀器判讀結果+算法判讀結果+算法標識+備注。具體包括以下內容：

1. 唯一碼

是本條檢測數據的一般標識信息。一經生成，不可再更改。唯一碼包括了時間（Time）、試劑碼（Reagent ID code，由試劑廠商提供）和流水號。

2. 身份信息碼

包含著該條檢測數據的詳細標識信息。一經生成，不可再更改。身份信息碼中包含了地區唯一碼（Location，定位到該條測試數據生成的地區）、測試操作人員身份證號（Operator）、被測人員身份證號（Subject）、儀器序列號（Machine Serial Number，由儀器廠商提供）、樣品編號（Sample，定位到該條測試數據生成的具體工作場景）和項目號（Item，由測試操作人員選擇生成，代表檢測目標物）等多個信息。

3. 原始數據

毛發檢測等的熒光法產品產生的原始數據，一般數據格式為1*X矩陣（X一般為350）。原始數據一經生成，不可再更改；唾液檢測、尿液檢測等的乳膠法、膠體金法產品產生的原始數據，一般為拍攝圖片。

4. 儀器判讀結果

如毛發檢測等的熒光法產品[1]，由儀器判讀結果后自動生成并上傳，具體流程見圖1。主要包括：C值，T值，陰陽性，待測物品濃度等。一經生成，不可再更改；如唾液檢測、尿液檢測等的乳膠法、膠體金法產品，由一線民警判讀后拍照上傳，選擇陰陽性結果。僅可修改一次，且修改歷史均被記錄。

5. 算法判讀結果

在經由終端儀器判讀的原始數據，經由官方認證的算法進行二次判讀，格式為檢測數據有效性+無效檢測數據類別，生成后可以更改。

算法包括單不限于：傳統模型、混合算法、基于異構特征矩陣判別的AI模型[3]、歐式距離匹配法、卷積神經網絡算法、KNN（k-Nearest Neighbors，最鄰近）算法、BP（Back Propagation，反向傳播）神經網絡算法、SVM（Support Vector Machines，支持向量機）算法等；模型可以通過機器學習的方法對其進行優化，也可以建立其他機器學習模型，以進一步強化識別效率。

機器學習模型的識別精度達到一定程度后，可以極大程度地節約檢測數據的管理成本。

6. 算法標識

上述所涉及的相關算法，需經過相關認證后才可作為判讀依據使用。

7. 備注

數據產生全過程中的測試、上傳、判讀、復核、刪改記錄、判讀依據以及交流記錄等，用于給數據處理算法的優化提供反饋，生成后可以更改。

（三）數據權限

檢測數據從一線民警的毒品檢測工作中產生，對應公安機關或當地政府部門對數據進行監管。數據清洗步驟主要由第三方單位負責，清洗過程中數據全程脫敏（清洗：提取數據中的有價值信息，詳見下文；脫敏：不對第三方企業開放敏感信息）。數據權限開放模式如表1、圖2所示。

監管部門對所有企業和第三方的數據平臺進行監管，擁有抽調自己或下方平臺數據的權利，保證對毒品檢測工作的全程可溯源。運行和保存數據的第三方平臺提供全鏈路服務，對接儀器和試劑廠家進行適配，承擔數據的初步收集、售后和對數據清洗的任務。基層用戶，一般為一線民警，拿到儀器和試劑后，按照規定的操作步驟正常使用，將數據上傳并通過平臺得到及時的反饋，最大程度地提高基層工作效率。上述三方可通過唯一碼定位到任意一條檢測數據記錄，并以唯一碼作為溝通橋梁進行交流配合。

檢測數據從檢測場景生成并上傳后，監管、第三方、基層用戶均不再對其進行刪除，且只有標識和備注信息可修改；其余信息若有空缺，可以填補；若有大量關鍵信息空缺難以填補，可根據相應的規定刪除整條檢測數據；除上述情況外，不可再對檢測數據進行刪改。

?

三、檢測數據清洗標準研究

（一）免疫層析曲線

免疫層析曲線（如圖3）是通過免疫試劑在相應試劑條的加樣孔處加樣，通過毛細效應逐步經過“結合墊-NC膜-吸水墊”跑板形成的。試劑條NC膜上劃有的T線（Test線，測試線）和C線（Control線，質控線）分別用作試劑的陰陽性檢測及質量控制。跑板結束后，將試劑條插入儀器，對試劑進行光強度的數值量化，同時讀取數據并上傳至數據平臺。

（二）有效數據的具體特征

本方案定義的有效檢測數據具有以下特征：

1. 曲線圖中出現的峰的個數符合實際測試項目要求且峰的形狀明顯易辨識

有效的檢測數據，其中C線、T線峰的位置必須準確，且C線明顯，易于辨識。如圖4所示，曲線圖中出現的峰的個數符合實際測試項目要求。單測項目試劑條有2個峰（C線、T線），雙測項目有3個峰（T1線、T2線、C線），三測項目有4個峰（T1線、T2線、T3線、C線）。

2. 曲線形狀無異常

曲線圖片中出現以下情形，導致C線和T線難以辨別的，視為曲線形狀異常（如圖5所示）：峰的個數太多或為零；峰的對稱性較差；波峰波谷不明顯（峰的辨識度較差）；曲線呈鋸齒狀等其他情形。

3. 測試基礎數據無異常。

測試基礎數據（如圖6所示）由儀器產生并上傳，可能會由于操作失誤等原因出現錯誤。其中，項目名稱、批次名稱均由基層民警手動錄入，有時會出現錄錯的情況。

（三）無效數據分類

無效數據并非無用，因為無效數據中包含著對毒品檢測工作流程的優化建議信息。通過對無效信息成因的解讀，根據無效數據的異常信息特征對其進行無效原因歸類，可以找到毒品檢測工作過程中出現的錯誤或失誤。根據上述有效數據的定義標準，檢測數據的異常信息可大致分為三類：曲線峰數異常、曲線形狀異常和測試基礎數據異常。其中，異常信息用于表征免疫層析曲線與預設有效曲線之間的差異類型和差異類型對應的差異大小，根據異常信息中各個差異類型的優先級和/或差異大小，確定免疫層析曲線的無效原因類別。無效原因類別的確定過程中考慮了差異類型的優先級和/或差異大小等因素的影響，有效提升檢測數據分析的效率和精確性。無效原因類別一般有：試劑條受潮、讀數時間太短、讀數過程中拔插試劑卡板、試劑卡板插反、未滴樣、滴樣量太少等。

將一次檢測數據判定為有效數據或無效數據，并給無效數據加上合適的無效原因歸類，即完成一次數據清洗。

四、結語

終上所述，本研究所提供的技術方案中，第三方單位獲得其數據的使用權并提供技術支持，監管部門如政府部門、公安機關等對接對禁毒用品、毒品檢測、涉毒管控等工作的全程追溯渠道。數字化治理使決策的合理性、科學性越來越高，降低決策者主觀情緒帶來的隨機偶然性。在禁毒工作中，強大的數據管理能力可以極大程度地提高公安執法能力和執法效率，實現對吸毒涉毒人員在時間、空間上的嚴格精準管控。

數據中發掘出的有價值信息不斷促使上游產業以及后端人員優化其提供的產品與服務，從而促進相關產業深化改革、轉型升級。同時，技術驅動的治理方案優化，可以為禁毒工作提供新的思路，注入新的活力。

目前，本研究所提供的技術方案存在一定的局限性，特別是在推行應用過程中面臨著業內外人士數據意識普遍薄弱的困難。因此，一套完整、科學的數據清洗標準的確定，需要具有深度從業經驗的人員進行大量探討，短期之內難以達成。另外，本技術方案中的大部分環節交由AI處理，由于禁毒工作的特殊性[4]，某些情況下可能出現AI技術帶來的新的倫理困境。

在大數據戰略的環境下，各行各業都在探討、提出并完善相應的數據治理方案[5-7]。不同行業、產業、單位的數據治理方案之間也需要優勢互補、共同促進數字化經濟的建設。因此，本研究所提供的技術方案以免疫層析技術的毒品檢測為例，為毒品檢測數據質量治理工作提供了解決方案，未來應用于其他毒品檢測項目，包括毒品尿檢板、唾液板等技術的檢測，也可應用至其他警種，包括食藥偵、經偵、爆探、海關等場景，為數字化經濟、數智化治理帶來新的技術與方案，有效提升公安隊伍的戰斗力和公安業務工作的實戰力。