人工智能技術(shù)Morphogo系統(tǒng)在骨髓細(xì)胞形態(tài)學(xué)檢查的臨床應(yīng)用

杜忠華，張福明，吳 波，劉曉玲，張?jiān)娏?

(1.吉林大學(xué)白求恩第一醫(yī)院 腫瘤中心，吉林 長(zhǎng)春130021;2.杭州智微信息科技有限公司，浙江 杭州311202)

骨髓各系細(xì)胞形態(tài)學(xué)檢查是臨床檢驗(yàn)的重要項(xiàng)目，通常用于某些造血系統(tǒng)或非造血系統(tǒng)疾病的診斷，具有重要的臨床應(yīng)用價(jià)值。隨著現(xiàn)代醫(yī)學(xué)技術(shù)的快速發(fā)展以及細(xì)胞遺傳學(xué)、免疫學(xué)、分子生物學(xué)等技術(shù)的普遍應(yīng)用，為血液病的精準(zhǔn)診斷和治療提供了多種技術(shù)手段，但是細(xì)胞形態(tài)學(xué)鏡檢仍然是血液病診斷中最基礎(chǔ)的檢查方法和金標(biāo)準(zhǔn)。傳統(tǒng)的骨髓細(xì)胞形態(tài)學(xué)鏡檢存在諸多弊端，對(duì)專業(yè)技術(shù)人員要求較高，培訓(xùn)技術(shù)人員周期較長(zhǎng)、難度大，提供報(bào)告時(shí)間長(zhǎng)，一般 3-7 個(gè)工作日才能給出診斷報(bào)告，客觀性及一致性差，診斷難以規(guī)范。一般有經(jīng)驗(yàn)的診斷專家細(xì)胞識(shí)別的符合率僅在70%左右，基層醫(yī)院沒(méi)有技術(shù)條件完成此項(xiàng)檢查。目前急需一種敏感性高、特異性強(qiáng)、準(zhǔn)確率高的檢測(cè)技術(shù)。近年來(lái)隨著人工智能(artificial intelligence，AI)技術(shù)的不斷發(fā)展，AI+醫(yī)療已經(jīng)更深層的融合，人工智能和機(jī)器學(xué)習(xí)軟件作為病理學(xué)領(lǐng)域的一種新型工具，能大大提高診斷的效率和準(zhǔn)確性[1]。人工智能技術(shù)在腫瘤檢出、定性診斷、自動(dòng)結(jié)構(gòu)化報(bào)告、腫瘤提取、腫瘤放療靶器官勾畫等方面已有較多的臨床研究和臨床應(yīng)用[2-4]。

本文對(duì)比分析了杭州智微信息科技有限公司研發(fā)的針對(duì)骨髓細(xì)胞形態(tài)學(xué)分析診斷的Morphogo系統(tǒng)與人工分類對(duì)急性早幼粒細(xì)胞白血病和急性淋巴細(xì)胞白血病患者骨髓細(xì)胞進(jìn)行形態(tài)學(xué)分析，為AI+醫(yī)療的臨床應(yīng)用提供理論依據(jù)。

1 材料和方法

1.1 設(shè)備人工智能圖像識(shí)別系統(tǒng)杭州智微信息科技有限公司研發(fā)的針對(duì)骨髓細(xì)胞形態(tài)學(xué)分析診斷的人工智能設(shè)備Morphogo系統(tǒng)；北京國(guó)聯(lián)在線骨髓圖像分析系統(tǒng)M-99。

1.2 病例資料回顧性分析了2018年6月至2020年2月，吉林大學(xué)第一醫(yī)院腫瘤中心血液科收治的患者，其中急性淋巴細(xì)胞白血病病人99例，其中男性58例，女性41例；17歲以下少年兒童57例，成年人40例，70歲以上僅2例，中位年齡為14(1-71) 歲；急性早幼粒細(xì)胞白血病病人57例，發(fā)病年齡多集中在20-60歲，中位年齡為36(19-75) 歲。診斷標(biāo)準(zhǔn)參照WHO造血與急性淋巴細(xì)胞白血病淋巴組織腫瘤分類[1]。

1.3 骨髓細(xì)胞形態(tài)學(xué)檢查

1.3.1標(biāo)本取材 骨髓取材部位多采用髂骨及胸骨，嬰幼兒可選擇脊突或脛骨粗隆，抽吸骨髓液0.2 ml，抽吸后立即骨髓涂片選擇表面光滑、無(wú)油脂、邊緣整齊的載玻片，專用骨髓涂片作為推片，用推片蘸取少量骨髓液，放在載玻片右側(cè)1/3處，稍加擠壓，使骨髓液均勻分布于推片邊緣，并使推片與載玻片呈30-40度角、用力均勻、勻速向左推開(kāi)，使骨髓膜薄厚均一，呈舌狀，10-20 min待干后，標(biāo)記信息，采用Wright-Giemsa方案染色(嚴(yán)格按本實(shí)驗(yàn)標(biāo)準(zhǔn)操作規(guī)程操作)，涂片和染色質(zhì)量符合國(guó)家質(zhì)量標(biāo)準(zhǔn)要求臨床實(shí)驗(yàn)室程序(NGCLP，第四版)；用于AI智能分析的涂片用事先準(zhǔn)備好的具有患者信息的二維碼粘貼。

1.3.2實(shí)驗(yàn)室檢查 人工閱片參照WHO分類標(biāo)準(zhǔn)與中國(guó)專家共識(shí)[5-6]，人工低倍鏡閱全片，觀察計(jì)數(shù)胞體較大的細(xì)胞(如巨核細(xì)胞、異常細(xì)胞、寄生蟲(chóng))，判斷骨髓增生程度，選擇染色良好、細(xì)胞分布均勻的部位，換油鏡計(jì)數(shù)500個(gè)有核細(xì)胞，盡量避免漏數(shù)或重復(fù)計(jì)數(shù)，并描述細(xì)胞形態(tài)，填寫報(bào)告；AI分析系統(tǒng)計(jì)數(shù)是將貼有二維碼的載玻片放入系統(tǒng)中，通過(guò)自動(dòng)聚焦獲得透明細(xì)胞圖像，酸堿染色圖像顏色標(biāo)準(zhǔn)化，然后，在數(shù)字圖像上顯示骨髓有核細(xì)胞被定位、分割和識(shí)別，最后細(xì)胞自動(dòng)計(jì)算分類，計(jì)數(shù)500個(gè)有核細(xì)胞，然后進(jìn)行終端審核。終端審核是由兩名經(jīng)驗(yàn)豐富的形態(tài)學(xué)專家對(duì)標(biāo)記錯(cuò)誤的細(xì)胞進(jìn)行校正，并將細(xì)胞分類結(jié)果生成分析報(bào)告。

2 結(jié)果

2.1 急性早幼粒細(xì)胞白血病(AML-M3)患者骨髓細(xì)胞檢查結(jié)果圖1(A)所示的AML-M3患者骨髓細(xì)胞人工顯微鏡檢查陽(yáng)性細(xì)胞百分?jǐn)?shù)(橙色)與AI智能系統(tǒng)檢查陽(yáng)性細(xì)胞百分?jǐn)?shù)(黑色)的分布圖。AI智能系統(tǒng)檢查陽(yáng)性細(xì)胞數(shù)均高于人工顯微鏡檢查結(jié)果，其中人工分類早幼粒細(xì)胞占比平均為 92.37%， AI+人工審核分類計(jì)數(shù)的早幼粒細(xì)胞百分?jǐn)?shù)高于人工計(jì)數(shù)，平均為97.3 %(Z=-4.793，P<0.001，表1)，兩種方法差異性分析見(jiàn)圖2(A)，差值的偏差為(3.21±3.795)%；與WHO關(guān)于髓系腫瘤診斷標(biāo)準(zhǔn)的符合率為100%。

2.2 急性淋巴細(xì)胞白血病患者骨髓細(xì)胞檢查結(jié)果圖1(B)是急性淋巴細(xì)胞白血病骨髓人工分類(橙色)與AI智能系統(tǒng)分類(黑色)原始及幼稚淋巴細(xì)胞(簡(jiǎn)稱原幼淋巴細(xì)胞)百分?jǐn)?shù)分布示意圖，AI分類原幼淋巴細(xì)胞百分?jǐn)?shù)平均為93.13%，人工分類原幼淋巴細(xì)胞百分?jǐn)?shù)平均為88.02%，AI+人工審核分類高于人工分類(Z=-4.766，P<0.001，表1)，兩種方法差異性分析見(jiàn)圖2(B)，差值的偏差為(5.116±11.107)%；與WHO關(guān)于淋巴造血組織診斷標(biāo)準(zhǔn)的符合率為100%。

表1 兩種白血病患者骨髓涂片中早幼粒細(xì)胞百分及原幼淋百分?jǐn)?shù)比較

圖1 兩組病例人工分類與AI+人工審核病理細(xì)胞百分?jǐn)?shù)比較

圖2 兩種方法分類的差異性分析

2.3 急性早幼粒細(xì)胞白血病及急性淋巴細(xì)胞白血病兩組病例骨髓人工分類及AI分類圖示骨髓細(xì)胞形態(tài)學(xué)分析診斷的人工智能設(shè)備Morphogo系統(tǒng)的掃描速度快，圖像清晰度高，能清晰地分辨細(xì)胞的內(nèi)部結(jié)構(gòu)和形態(tài)特征，與顯微鏡下的清晰度一致(圖3)。

圖3 A急性早幼粒細(xì)胞白血病(AML-M3)AI分類圖片；B急性淋巴細(xì)胞白血病(ALL)AI分類圖片；C急性早幼粒細(xì)胞白血病(AML-M3)人工分類圖片；D急性淋巴細(xì)胞白血病(ALL)人工分類圖片。

3 討論

血細(xì)胞的形態(tài)學(xué)檢查是血液學(xué)中關(guān)鍵診斷手段之一。目前，骨髓細(xì)胞形態(tài)檢查仍舊采用顯微鏡下人工計(jì)數(shù)的傳統(tǒng)方法：先用低倍鏡觀察取材、制片、染色的滿意度、判斷骨髓增生情況、全片計(jì)數(shù)巨核細(xì)胞數(shù)量、觀察是否有異常細(xì)胞及寄生蟲(chóng)等，隨后用油鏡觀察計(jì)數(shù)500個(gè)有核細(xì)胞中各類細(xì)胞的數(shù)量，并觀察細(xì)胞形態(tài)學(xué)變化。這種傳統(tǒng)方法對(duì)技術(shù)水平的要求極高，大多數(shù)基層醫(yī)院不能勝任，無(wú)法普及推廣，不能夠滿足快速診斷和治療的需求，越來(lái)越不能適應(yīng)醫(yī)學(xué)診斷的快速發(fā)展。骨髓細(xì)胞形態(tài)學(xué)分析診斷的人工智能設(shè)備Morphogo系統(tǒng)的工作程序包括骨髓涂片掃描，生成骨髓涂片的全數(shù)字圖像，然后利用人工智能平臺(tái)的軟件通過(guò)人工智能細(xì)胞識(shí)別算法對(duì)500個(gè)有核細(xì)胞進(jìn)行識(shí)別并計(jì)數(shù)，系統(tǒng)自動(dòng)生成各類型細(xì)胞的百分比，并給出初步的診斷結(jié)果。隨后由經(jīng)驗(yàn)豐富的形態(tài)學(xué)專家對(duì)結(jié)果進(jìn)行審核，出具病理診斷報(bào)告。該系統(tǒng)掃描速度快，圖像清晰度高，能清晰地分辨細(xì)胞的內(nèi)部結(jié)構(gòu)和形態(tài)特征，對(duì)骨髓原始粒細(xì)胞，早幼粒細(xì)胞，中性粒細(xì)胞、嗜酸性粒細(xì)胞和嗜堿性粒細(xì)胞的準(zhǔn)確率均在85.7%以上。對(duì)于紅細(xì)胞、淋巴細(xì)胞，單核細(xì)胞和漿細(xì)胞分類準(zhǔn)確率分別為91.9%、87.9%、97.1%和99.8%，所有細(xì)胞類別的敏感性和特異性平均值為69.4%和97.2%[7-8]，符合臨床診斷的標(biāo)準(zhǔn)和需求，為人工智能技術(shù)在骨髓細(xì)胞形態(tài)學(xué)領(lǐng)域的臨床應(yīng)用奠定理論與實(shí)踐基礎(chǔ)。

本文回顧性分析了兩種方法檢測(cè)的57例急性早幼粒細(xì)胞白血病和99例急性淋巴細(xì)胞白血病患者的骨髓細(xì)胞形態(tài)。結(jié)果表明，人工智能骨髓細(xì)胞形態(tài)學(xué)診斷分析系統(tǒng)對(duì)AML-M3、ALL兩組病例的病理細(xì)胞識(shí)別平均百分?jǐn)?shù)分別為97.3%和93.13%，均高于人工分類的92.37%和88.02%，兩種方法對(duì)疾病的診斷分型結(jié)果是一致的，診斷符合率可達(dá)100%。文中AI分析系統(tǒng)的陽(yáng)性細(xì)胞百分?jǐn)?shù)高于人工計(jì)數(shù)的原因可能是人工分類不可避免的存在漏數(shù)或重復(fù)計(jì)數(shù)的現(xiàn)象，而Morphogo系統(tǒng)掃描識(shí)別過(guò)程中的精準(zhǔn)計(jì)數(shù)，可以彌補(bǔ)這種人為的不足。這也是人工智能分析系統(tǒng)的絕對(duì)優(yōu)勢(shì)。隨著人工智能系統(tǒng)的不斷優(yōu)化和升級(jí)、數(shù)據(jù)庫(kù)高質(zhì)量數(shù)據(jù)的不斷增加和完善，AI人工智能分析系統(tǒng)必將成為骨髓細(xì)胞形態(tài)學(xué)檢查的可靠工具。

人工智能骨髓細(xì)胞形態(tài)學(xué)分析系統(tǒng)可以縮短出具報(bào)告時(shí)間，顯著提高臨床工作效率，減輕技術(shù)人員的工作強(qiáng)度，降低人為因素所造成的誤差，清晰的全數(shù)字化涂片，更加便于遠(yuǎn)程會(huì)診與多中心協(xié)作，解決中小醫(yī)療機(jī)構(gòu)骨髓細(xì)胞形態(tài)分析難題，具有很好的應(yīng)用前景。