开发和评估基于人工智能的两步模型,用于临床实验室中自动化血清质量评估
Weixin Chen1, Yuxuan Xiong1, Chenxi Zhang2
1Second Clinical Medical College, Beijing University of Chinese Medicine, Beijing, China.
Annals of laboratory medicine
|March 9, 2026
概括
一个新型的人工智能 (AI) 模型准确评估血清质量,检测出血解,,和脂血. 这种人工智能工具提高了临床实验室的效率,并减少了与手动评估相比的错误.
科学领域:
- 临床化学 临床化学
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 在临床实验室中,准确的分析前质量控制 (QC) 是至关重要的.
- 识别样品干扰,如血解,黄或脂血症,对于可靠的测试结果至关重要.
- 自动化QC可以减轻与主观手动评估相关的风险.
研究的目的:
- 评估一种新的,自主开发的人工智能 (AI) 方法来评估血清质量.
- 在真实实验室条件下探索深度学习模型 (YOLOv5-ResNet-50) 的性能.
- 增强分析前的QC,并为常见的样本干扰提供风险预警.
主要方法:
- 为血清质量评估开发了一种两步深度学习架构 (YOLOv5-ResNet-50).
- 人工智能模型被集成到罗氏科巴斯c 701模块中,用于自动化预处理.
- 使用42,000个血清样本的数据集 (21,000个培训/验证,21,000个独立测试) 创建了一个实验室特定的模型.
主要成果:
- 人工智能血清模型实现了高于97%的血液溶解和黄斑检测准确度.
- 脂血的识别准确度超过了92%.
- 与手动评估相比,人工智能模型显示出更高的一致性 (72%的准确一致) (42%-68%的准确一致).
结论:
- 人工智能驱动的血清质量软件在预分析评估中表现出高准确度.
- 人工智能工具满足或超过自动化和手动测量的性能.
- 这项技术提高了实验室的效率,并减少了主观视觉评估带来的错误风险.


