Page 84 - 医学检验技术发展与创新

医学检验技术发展与创新
Development and Innovation of Medical Laboratory Technology

字化形态分析中的有效性。
Fu 等使用人工智能 Morphogo 系统对骨髓细胞形态预分类的准确度均在
85.7% 以上，各类有核细胞的敏感度和特异性平均值分别为 69.4% 和 97.2%，
假阳性普遍较低（<5%），假阴性则随细胞类型变化较大（>5%）。杜忠华等

回顾性分析了人工智能 Morphogo 系统检测和人工分类 57 例 AML-M3 和 99 例
ALL 患者的骨髓细胞形态，研究表明人工分类这两组白血病的白血病细胞识别平
均百分数只有的 92.37% 和 88.02%，而 Morphogo 人工智能检测系统达到 97.3%
和 93.13%，明显高于人工分类，这两种方法白血病分型是相同的，符合率可

达 100%。人工智能系统的高性能非常适合作为血液系统疾病筛查恶性细胞的平
台，提高细胞分析的质量和工作效率，通过 AI 学习和深度学习算法进一步的提
高智能系统对疾病诊断的准确性，如遇到特殊疑难病例仍需要人工显微镜检查。
Matek 等 7 将卷积神经网络（CNN）应用于一个包含 171374 张骨髓细胞形态学图

像的大型数据集，该数据集的每一个细胞由形态学专家使用训练标签（即注释），
在学习过程中，基于这些标签对细胞进行分类和回归计算。这项研究对大多数相
关类别细胞的诊断都获得了高精度值和召回值，它不仅在准确性方面优于以前的
细胞分类机器学习算法，而且在通用性方面也是如此。由于该数据集不包含婴儿

和幼儿的样本，需要进一步的工作来评估 CNN 模型的性能。
2. 血液病理的 AI 诊断
病理诊断是一种基于图像信息的诊断方式，是肿瘤诊断的“金标准”。由
于自动化程度低、诊断时间长、病理医生紧缺等原因，病理诊断行业在我国发展

缓慢。通过图像识别技术，AI 开启了病理诊断新视角，向数字化转变，能有效
提升病理诊断效率。Zhang 等 8 建立了一种新的骨髓细胞分割模型 -CMLcGAN 及
自动化诊断系统，该系统用于从骨髓活检图像中分割巨核细胞与骨髓细胞。选取
517 幅骨髓活检图像进行 CMLcGAN 的性能评估，同时，将 CMLcGAN 与其他七

种基于深度学习的分割模型进行比较，通过 ROC 曲线的 AUC 值评判分类效果，
最终最佳 AUC 值为 84.93%，结果表明 CMLcGAN 的各项指标性能均优于其他分
割模型，并取得了更好的分割性能，能够将 CML 和正常对照有效区分，可辅助
诊断 CML。

（二）AI 在免疫分型的应用
免疫分型是诊断白血病的重要方法学之一，目前国际公认的方法是流式细

74
74