半监督人工智能模型 (ASUS Blade) 对外周血液膜白细胞分类的评估
Bingwen Eugene Fan1,2,3,4, David Tao Yi Chen5, Chiew Yan Lee1
1Department of Haematology, Tan Tock Seng Hospital, Singapore.
International journal of laboratory hematology
|December 16, 2025
概括
这项研究表明,人工智能模型Blade和CellaVision DM9600系统与手动显微镜 (MM) 密切匹配,用于在外周血液膜分析中自动分类白细胞. 刀片显示了提高诊断准确度和整合到血液学工作流程的潜力.
科学领域:
- 血液学 血液学 血液学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 周围血液膜 (PBF) 分析传统上使用手动显微镜 (MM),这是劳动密集型的,容易发生观察者之间的变化.
- 正在开发自动化方法,以提高PBF分析的效率和一致性.
研究的目的:
- 评估半监督的人工智能模型Blade和商业系统CellaVision DM9600的性能,与用于自动白细胞分类的手动显微镜对比.
- 评估这些自动化系统在各种白细胞亚型中的诊断准确性和一致性.
主要方法:
- 168名患者的PBFs的数字扫描.
- 在大量细胞数据集上使用ResNet34和RetinaNet架构训练Blade AI模型.
- 评估Blade和CellaVision DM9600与手动显微镜相比,使用一致性相关系数 (CCC),布兰德-阿尔特曼分析和回归技术.
主要成果:
- 叶片和CellaVision都显示出与手动显微镜用于白细胞分类的高度一致.
- 与CellaVision相比,Blade对常见的白细胞 (例如,中性粒细胞,淋巴细胞) 取得了很好的相关性,并且在甲基细胞方面表现优异.
- 两种系统都实现了对爆发和反应性淋巴细胞的100%灵敏度,具有可比的总体宏观平均性能.
结论:
- 叶片和CellaVision DM9600是临床上有用的白细胞分类自动化系统,与手工显微镜有很强的一致性.
- 叶片的半监督方法在检测罕见细胞和提高诊断稳定性方面提供了潜在的优势.
- 像Blade这样的人工智能驱动的工具有可能提高诊断准确性和简化血液学工作流程.
