论文部分内容阅读
研究背景与目的近些年,随着计算机性能的提升和医学信息数据库的不断完善及建立,人工智能与医疗健康相结合,辅助医疗领域逐渐成为人们关注的热点。人工智能技术得到了迅速的发展,在影像、病理图像等医疗领域中均取得了一定成就,尤其在图像识别领域中,基于卷积神经网络算法的人工智能技术表现出巨大的优势。但由于骨髓涂片中有核细胞成分复杂,各类细胞形态不规则,相邻细胞之间具有相似性,受染色环境波动性大,自动识别计数难度高,人工智能自动化系统在骨髓有核细胞图像中应用研究尚少,与手工镜检计数结果是否存在差异性尚不清楚。骨髓细胞形态学分析一直是血液系统肿瘤检查技术中最基础的方法,随着血液系统肿瘤的患病率不断增多,人工阅片工作量大、主观性强、缺乏客观的定量标准等不足日益突显,本研究拟利用人工智能(artifificial intelligency,AI)分析系统自动对13种骨髓有核细胞(原始细胞、早幼粒细胞、中性中幼粒细胞、中性晚幼粒细胞、中性杆状核粒细胞、中性分叶核粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、早幼红细胞、中幼红细胞、晚幼红细胞、单核细胞及淋巴细胞)识别分类计数,建立人工智能模型,对其进行性能评价;在此基础上分析13种骨髓有核细胞与手工镜检分类计数结果之间的相关系数和线性回归方程;评估AI分析系统在辅助诊断骨髓增生异常综合征(myelodysplastic syndrome,MDS)及急性粒细胞白血病部分分化型(partial differentiation of acute myeloid leukemia,AML-M2)中的潜在效用,以此对该AI分析系统进行有效性地验证研究。方法1研究对象1.1随机选取2019年12月~2020年12月在我院河北医科大学第二医院进行临床血液学常规检验的血液病患者的骨髓标本100例,主要包括慢性贫血患者32例、慢性粒细胞白血病23例、骨髓增生异常综合征4例、慢性淋巴细胞白血病8例、多发性骨髓瘤5例、急性白血病7例、感染患者6例及正常性骨髓象15例,构建细胞图像数据库。1.2选取2020年12月~2021年5月河北医科大学第二医院通过细胞形态及流式细胞免疫表型明确诊断的MDS和AML-M2患者骨髓标本各30例。2 AI分析系统评价方法:基于卷积神经网络算法,对骨髓标本细胞图像进行扫描、采集、浏览、分析、数据统计和数据管理,将其结果作为AI分析系统预分类结果;再由人工对采集的单一彩色细胞图像进行逐项审核辨认、识别和分类,将其结果作为骨髓有核细胞人工审核计数结果。AI分析系统预分类与人工审核结果进行比对,通过统计学软件绘制混淆矩阵对AI分析系统进行性能评价。3回顾性搜集100例骨髓标本手工镜检细胞形态学检查结果,并统计13种有核细胞的百分比结果,通过相关性分析比较AI分析系统预分类结果和手工镜检结果的一致性。4应用AI分析系统预分类计数MDS和AML-M2中的13种骨髓有核细胞并进行人工审核,分析其原始细胞分类计数结果与手工镜检分类结果之间的差异性。5统计学方法采用Python3.6和Scipy1.3.0软件包进行实验数据统计与分析。采用Pearson检验进行相关性分析,计算r值和P值,以P<0.001为差异有统计学意义。以手工显微镜镜检结果为横坐标,AI分析系统预分类结果为纵坐标绘制散点图,并拟合线性回归方程。两组独立样本数据比较采用Wilcoxon秩和检验,P值<0.005为存在统计学差异。结果1血细胞图像识别以人工审核的分类计数结果为“金标准”,应用AI分析系统扫描骨髓标本建立血细胞图像数据库,统计13种骨髓有核细胞图像共获得38124张高清单一彩色细胞图像,AI分析系统预分类13种骨髓有核细胞和人工审核结果进行比对,绘制混淆矩阵,计算该系统分类计数13种骨髓有核细胞的加权平均实验诊断效率参数,结果为:灵敏度(%)=95.95%,特异度(%)=99.13%,准确度(%)=98.87%,假阳性率(%)=0.87%,假阴性率(%)=4.05%。2通过pearson检验,分析AI分析系统预分类与手工镜检分类13种骨髓有核细胞的百分比结果,相关系数和P值结果如下:原始细胞(r=0.9676,P<0.001)、早幼粒细胞(r=0.7527,P<0.001)、中性中幼粒细胞(r=0.7767,P<0.001)、中性晚幼粒细胞(r=0.7079,P<0.001)、中性杆状核粒细胞(r=0.8124,P<0.001)、中性分叶核粒细胞(r=0.8071,P<0.001)、嗜酸性粒细胞(r=0.7797,P<0.001)、嗜碱性粒细胞(r=0.8279,P<0.001)、早幼红细胞(r=0.3243,P=0.0012)、中幼红细胞(r=0.7640,P<0.001)、晚幼红细胞(r=0.7789,P<0.001)、单核细胞(r=0.2989,P=0.0029)、淋巴细胞(r=0.9486,P<0.001)。3应用AI分析系统与手工镜检分别识别分类计数MDS及AML-M2中的骨髓原始细胞,结果表明:MDS患者中AI分析系统人工审核后的原始细胞平均百分数为8.19%,手工镜检为8.68%,两种方法对原始细胞的计数无显著性差异(P>0.005);AML-M2患者中AI分析系统人工审核后的原始细胞平均百分数为48.52%,手工镜检为53.77%,两种方法对原始细胞的计数具有显著性差异(P<0.005)。结论(1)AI分析系统初步建立了13种骨髓有核细胞图像分析模型,对13种骨髓有核细胞自动识别具有较高的准确率、特异率及灵敏率,可快速检测13种骨髓有核细胞的数量,AI分析系统预分类与手工镜检分类计数13种骨髓有核细胞之间具有良好的相关性。(2)AI分析系统与手工镜检分类计数骨髓原始细胞辅助对MDS、AML-M2的诊断结果一致,AI分析系统可作为自动分析骨髓细胞形态的初步筛选工具,可以提高传统手工镜检的工作效率。