人工智能技术Morphogo系统在骨髓细胞形态学检查的临床应用

杜忠华，张福明，吴 波，刘晓玲，张诗林*

(1.吉林大学白求恩第一医院 肿瘤中心，吉林 长春130021;2.杭州智微信息科技有限公司，浙江 杭州311202)

骨髓各系细胞形态学检查是临床检验的重要项目，通常用于某些造血系统或非造血系统疾病的诊断，具有重要的临床应用价值。随着现代医学技术的快速发展以及细胞遗传学、免疫学、分子生物学等技术的普遍应用，为血液病的精准诊断和治疗提供了多种技术手段，但是细胞形态学镜检仍然是血液病诊断中最基础的检查方法和金标准。传统的骨髓细胞形态学镜检存在诸多弊端，对专业技术人员要求较高，培训技术人员周期较长、难度大，提供报告时间长，一般 3-7 个工作日才能给出诊断报告，客观性及一致性差，诊断难以规范。一般有经验的诊断专家细胞识别的符合率仅在70%左右，基层医院没有技术条件完成此项检查。目前急需一种敏感性高、特异性强、准确率高的检测技术。近年来随着人工智能(artificial intelligence，AI)技术的不断发展，AI+医疗已经更深层的融合，人工智能和机器学习软件作为病理学领域的一种新型工具，能大大提高诊断的效率和准确性[1]。人工智能技术在肿瘤检出、定性诊断、自动结构化报告、肿瘤提取、肿瘤放疗靶器官勾画等方面已有较多的临床研究和临床应用[2-4]。

本文对比分析了杭州智微信息科技有限公司研发的针对骨髓细胞形态学分析诊断的Morphogo系统与人工分类对急性早幼粒细胞白血病和急性淋巴细胞白血病患者骨髓细胞进行形态学分析，为AI+医疗的临床应用提供理论依据。

1 材料和方法

1.1 设备人工智能图像识别系统杭州智微信息科技有限公司研发的针对骨髓细胞形态学分析诊断的人工智能设备Morphogo系统；北京国联在线骨髓图像分析系统M-99。

1.2 病例资料回顾性分析了2018年6月至2020年2月，吉林大学第一医院肿瘤中心血液科收治的患者，其中急性淋巴细胞白血病病人99例，其中男性58例，女性41例；17岁以下少年儿童57例，成年人40例，70岁以上仅2例，中位年龄为14(1-71) 岁；急性早幼粒细胞白血病病人57例，发病年龄多集中在20-60岁，中位年龄为36(19-75) 岁。诊断标准参照WHO造血与急性淋巴细胞白血病淋巴组织肿瘤分类[1]。

1.3 骨髓细胞形态学检查

1.3.1标本取材 骨髓取材部位多采用髂骨及胸骨，婴幼儿可选择脊突或胫骨粗隆，抽吸骨髓液0.2 ml，抽吸后立即骨髓涂片选择表面光滑、无油脂、边缘整齐的载玻片，专用骨髓涂片作为推片，用推片蘸取少量骨髓液，放在载玻片右侧1/3处，稍加挤压，使骨髓液均匀分布于推片边缘，并使推片与载玻片呈30-40度角、用力均匀、匀速向左推开，使骨髓膜薄厚均一，呈舌状，10-20 min待干后，标记信息，采用Wright-Giemsa方案染色(严格按本实验标准操作规程操作)，涂片和染色质量符合国家质量标准要求临床实验室程序(NGCLP，第四版)；用于AI智能分析的涂片用事先准备好的具有患者信息的二维码粘贴。

1.3.2实验室检查 人工阅片参照WHO分类标准与中国专家共识[5-6]，人工低倍镜阅全片，观察计数胞体较大的细胞(如巨核细胞、异常细胞、寄生虫)，判断骨髓增生程度，选择染色良好、细胞分布均匀的部位，换油镜计数500个有核细胞，尽量避免漏数或重复计数，并描述细胞形态，填写报告；AI分析系统计数是将贴有二维码的载玻片放入系统中，通过自动聚焦获得透明细胞图像，酸碱染色图像颜色标准化，然后，在数字图像上显示骨髓有核细胞被定位、分割和识别，最后细胞自动计算分类，计数500个有核细胞，然后进行终端审核。终端审核是由两名经验丰富的形态学专家对标记错误的细胞进行校正，并将细胞分类结果生成分析报告。

2 结果

2.1 急性早幼粒细胞白血病(AML-M3)患者骨髓细胞检查结果图1(A)所示的AML-M3患者骨髓细胞人工显微镜检查阳性细胞百分数(橙色)与AI智能系统检查阳性细胞百分数(黑色)的分布图。AI智能系统检查阳性细胞数均高于人工显微镜检查结果，其中人工分类早幼粒细胞占比平均为 92.37%， AI+人工审核分类计数的早幼粒细胞百分数高于人工计数，平均为97.3 %(Z=-4.793，P<0.001，表1)，两种方法差异性分析见图2(A)，差值的偏差为(3.21±3.795)%；与WHO关于髓系肿瘤诊断标准的符合率为100%。

2.2 急性淋巴细胞白血病患者骨髓细胞检查结果图1(B)是急性淋巴细胞白血病骨髓人工分类(橙色)与AI智能系统分类(黑色)原始及幼稚淋巴细胞(简称原幼淋巴细胞)百分数分布示意图，AI分类原幼淋巴细胞百分数平均为93.13%，人工分类原幼淋巴细胞百分数平均为88.02%，AI+人工审核分类高于人工分类(Z=-4.766，P<0.001，表1)，两种方法差异性分析见图2(B)，差值的偏差为(5.116±11.107)%；与WHO关于淋巴造血组织诊断标准的符合率为100%。

表1 两种白血病患者骨髓涂片中早幼粒细胞百分及原幼淋百分数比较

图1 两组病例人工分类与AI+人工审核病理细胞百分数比较

图2 两种方法分类的差异性分析

2.3 急性早幼粒细胞白血病及急性淋巴细胞白血病两组病例骨髓人工分类及AI分类图示骨髓细胞形态学分析诊断的人工智能设备Morphogo系统的扫描速度快，图像清晰度高，能清晰地分辨细胞的内部结构和形态特征，与显微镜下的清晰度一致(图3)。

图3 A急性早幼粒细胞白血病(AML-M3)AI分类图片；B急性淋巴细胞白血病(ALL)AI分类图片；C急性早幼粒细胞白血病(AML-M3)人工分类图片；D急性淋巴细胞白血病(ALL)人工分类图片。

3 讨论

血细胞的形态学检查是血液学中关键诊断手段之一。目前，骨髓细胞形态检查仍旧采用显微镜下人工计数的传统方法：先用低倍镜观察取材、制片、染色的满意度、判断骨髓增生情况、全片计数巨核细胞数量、观察是否有异常细胞及寄生虫等，随后用油镜观察计数500个有核细胞中各类细胞的数量，并观察细胞形态学变化。这种传统方法对技术水平的要求极高，大多数基层医院不能胜任，无法普及推广，不能够满足快速诊断和治疗的需求，越来越不能适应医学诊断的快速发展。骨髓细胞形态学分析诊断的人工智能设备Morphogo系统的工作程序包括骨髓涂片扫描，生成骨髓涂片的全数字图像，然后利用人工智能平台的软件通过人工智能细胞识别算法对500个有核细胞进行识别并计数，系统自动生成各类型细胞的百分比，并给出初步的诊断结果。随后由经验丰富的形态学专家对结果进行审核，出具病理诊断报告。该系统扫描速度快，图像清晰度高，能清晰地分辨细胞的内部结构和形态特征，对骨髓原始粒细胞，早幼粒细胞，中性粒细胞、嗜酸性粒细胞和嗜碱性粒细胞的准确率均在85.7%以上。对于红细胞、淋巴细胞，单核细胞和浆细胞分类准确率分别为91.9%、87.9%、97.1%和99.8%，所有细胞类别的敏感性和特异性平均值为69.4%和97.2%[7-8]，符合临床诊断的标准和需求，为人工智能技术在骨髓细胞形态学领域的临床应用奠定理论与实践基础。

本文回顾性分析了两种方法检测的57例急性早幼粒细胞白血病和99例急性淋巴细胞白血病患者的骨髓细胞形态。结果表明，人工智能骨髓细胞形态学诊断分析系统对AML-M3、ALL两组病例的病理细胞识别平均百分数分别为97.3%和93.13%，均高于人工分类的92.37%和88.02%，两种方法对疾病的诊断分型结果是一致的，诊断符合率可达100%。文中AI分析系统的阳性细胞百分数高于人工计数的原因可能是人工分类不可避免的存在漏数或重复计数的现象，而Morphogo系统扫描识别过程中的精准计数，可以弥补这种人为的不足。这也是人工智能分析系统的绝对优势。随着人工智能系统的不断优化和升级、数据库高质量数据的不断增加和完善，AI人工智能分析系统必将成为骨髓细胞形态学检查的可靠工具。

人工智能骨髓细胞形态学分析系统可以缩短出具报告时间，显著提高临床工作效率，减轻技术人员的工作强度，降低人为因素所造成的误差，清晰的全数字化涂片，更加便于远程会诊与多中心协作，解决中小医疗机构骨髓细胞形态分析难题，具有很好的应用前景。