聯(lián)系電話: 010-8882344888
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。血液病種類繁多，檢查需求量可達(dá)到每年300-500萬例。對于血液病診斷來說，骨髓細(xì)胞形態(tài)學(xué)方法主要是將患者骨髓涂片和血涂片分別進(jìn)行瑞氏-吉姆薩染色、鏡下分析，按照國內(nèi)或國際標(biāo)準(zhǔn)對急性白血病類型進(jìn)行判定。主要用于白血病、淋巴瘤、各類貧血等血液系統(tǒng)疾病的診斷及鑒別診斷，以及血液病治療中的定期復(fù)查和化療療效觀察。目前，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)鏡檢存在周期長、對專業(yè)技術(shù)人員要求高、診斷難以規(guī)范等諸多弊端。近年來隨著人工智能（artificial intelligence, AI）技術(shù)的不斷發(fā)展，推動了醫(yī)療產(chǎn)業(yè)與人工智能的深度融合。人工智能和機(jī)器學(xué)習(xí)軟件作為檢驗(yàn)醫(yī)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。
目前，總醫(yī)院第七醫(yī)學(xué)中心劉杰團(tuán)隊(duì)與中國科學(xué)院計(jì)算技術(shù)研究所肖立團(tuán)隊(duì)將人工智能和機(jī)器學(xué)習(xí)軟件作為新工具，對AI+顯微圖像進(jìn)行研究，開發(fā)了“一種用于骨髓成像細(xì)胞檢測的深度學(xué)習(xí)方法和裝置（A deep learning method and device for bone marrow imaging cell detection，doi: 10.21037/atm-22-486）”，并成功研發(fā)出針對骨髓細(xì)胞形態(tài)學(xué)分析診斷的人工智能設(shè)備，獲得中國發(fā)明授權(quán)專利（專利CN8.7）。
投入使用后，可實(shí)現(xiàn)骨髓細(xì)胞形態(tài)學(xué)智能診斷，能夠自動掃描、自動提取細(xì)胞、自動閱片、自動分類、自動診斷、自動，以及自動數(shù)據(jù)統(tǒng)計(jì)分析，助力提升診斷效率與診斷精度。通過云平臺上傳會診中心進(jìn)行會診，出時間可以控制在2天內(nèi)，給疑難病例帶來便利。
本研究是集成人工智能、云平臺和大數(shù)據(jù)分析功能的白血病診斷設(shè)備，為適合醫(yī)療機(jī)構(gòu)的醫(yī)療級專用系統(tǒng)。具備智能化診斷能力，能為醫(yī)院提供技術(shù)服務(wù)，為患者提供專家級診療的效果，有助解決檢驗(yàn)科人才短缺的難題。
AI設(shè)備先掃描骨髓的物理涂片，并全自動生成數(shù)字化電子涂片，同時結(jié)合自主創(chuàng)新的人工智能細(xì)胞識別算法進(jìn)行細(xì)胞識別，給出初步的識別診斷結(jié)果提交給經(jīng)驗(yàn)豐富的檢驗(yàn)人員對結(jié)果進(jìn)行審核，隨后出具骨髓細(xì)胞形態(tài)學(xué)診斷。設(shè)備掃描速度快，圖像清晰度高，展現(xiàn)出來的圖片質(zhì)量可完全類比顯微鏡，能清晰地看出細(xì)胞的內(nèi)部和外部的結(jié)構(gòu)及特征，骨髓有核細(xì)胞人工智能識別準(zhǔn)確率也達(dá)到了臨床診斷的要求。
本研究是一種基于深度學(xué)習(xí)的骨髓象細(xì)胞影像圖檢測分類方法，主要目的是為了提高顯微鏡視野下骨髓象細(xì)胞分析效率。基于深度學(xué)習(xí)Faster RCNN模型對收集的骨髓細(xì)胞進(jìn)行標(biāo)注后，構(gòu)建訓(xùn)練集和測試集。模型訓(xùn)練完成后可以直接預(yù)測給出骨髓象細(xì)胞矩形框信息及分類類別。整套系統(tǒng)的研發(fā)完成將提高臨床工作效率，降低診斷人員勞動強(qiáng)度；數(shù)百萬的樣本累積學(xué)習(xí)大大提高了骨髓細(xì)胞識別率，同時提高了基層醫(yī)院的骨髓檢查能力；全涂片掃描保留了所有細(xì)胞信息，降低了診斷的漏診率和誤診率；通過形態(tài)學(xué)檢查服務(wù)云平成涂片數(shù)字樣本傳輸，推動了骨髓細(xì)胞學(xué)遠(yuǎn)程會診的實(shí)現(xiàn)。
目前AI設(shè)備在骨髓細(xì)胞識別上已經(jīng)取得了部分的研究成果，該研究在多個醫(yī)療中心隨機(jī)收集了上萬個骨髓涂片臨床病例進(jìn)行掃描，人工智能骨髓細(xì)胞預(yù)分類結(jié)果與人工鏡檢結(jié)果進(jìn)行對比，紅細(xì)胞系的準(zhǔn)確率為90%左右，粒細(xì)胞系的準(zhǔn)確率約85%，單核細(xì)胞系準(zhǔn)確率80%左右，淋巴細(xì)胞系的準(zhǔn)確率接近90%，漿細(xì)胞系準(zhǔn)確率約為80%。數(shù)據(jù)庫仍然在不斷增加標(biāo)準(zhǔn)數(shù)據(jù)，隨著高質(zhì)量數(shù)據(jù)的增加，各系的識別率也會繼續(xù)提高。
基于人工智能的圖像識別系統(tǒng)是骨髓涂片鑒別分析的可靠工具，大規(guī)模的臨床應(yīng)用將有助于進(jìn)一步證實(shí)該系統(tǒng)的臨床實(shí)用性及可靠性。未來，我們將繼續(xù)改進(jìn)模型，通過涉及更多樣本和多中心數(shù)據(jù)集進(jìn)行訓(xùn)練，并設(shè)計(jì)少樣本學(xué)習(xí)方法來學(xué)習(xí)稀有樣本。我們還將引入自動對焦顯微鏡，以進(jìn)一步提高系統(tǒng)的效率。同時，團(tuán)隊(duì)也進(jìn)行了拓展，在血細(xì)胞、尿常規(guī)、腦脊液、胸腹水、染色體、CTC、細(xì)菌學(xué)等形態(tài)學(xué)領(lǐng)域開展研發(fā)，應(yīng)用到更廣泛的檢驗(yàn)醫(yī)學(xué)領(lǐng)域。
通過基于云平臺的白血病大數(shù)據(jù)分析算法構(gòu)建白血病骨髓形態(tài)學(xué)評價模型，可以同時建立患者個人數(shù)據(jù)庫，建立白血病風(fēng)險自動評估模型，基于這些數(shù)據(jù)建立的遠(yuǎn)程會診，在基層進(jìn)行血液病的早篩查，早治療，節(jié)省個人和國家醫(yī)保費(fèi)用，助力分級診療政策。彩神
