Nature旗下期刊重磅多中心研究|AI阅片机白细胞分类与细胞形态学医师比对研究成果发布

本研究共纳入104例外周血涂片，包含19174个有效细胞，覆盖14类白细胞及有核红细胞，其中包含9类临床关键异常细胞，例如原始细胞，异常早幼粒细胞，异常淋巴细胞等。样本包含36例体检标本与68例触发复检规则的异常标本，其中36例为急性白血病，4例为骨髓增生异常综合征，7例为骨髓增殖性肿瘤，3例为贫血，2例淋巴瘤，1例浆细胞白血病，1例多发性骨髓瘤，2例慢性白血病，12例为其它疾病。覆盖所有真实临床检验场景。

为确保结果科学、客观、可复现，研究采用标准化对照流程：

 🔶 金标准：3位顶级形态学专家独立判读，意见不一致时按2:1共识确定，组间Kappa=0.98

 🔶 评估对象：AI形态学分析系统+15位来自全国三甲医院的形态学医师

AI系统整体分类准确率达95.97%，在全部参与者中位列第二，仅低于1位资深形态学医生。统计学分析证实，AI判读结果显著优于14位形态学检验医生，其中与1位形态学检验医生差异幅度超过10%。

在6类常见正常白细胞识别中，AI整体准确率 98.57%，优于13位形态学检验医生。

  🔹中性杆状核、中性分叶核粒细胞及淋巴细胞的准确率均超过98%；

  🔹嗜酸性粒细胞因形态特征明确，AI识别准确率达99.65%，高于所有参与形态学检验医生；

  🔹单核细胞因形态多变、AI准确率为86.75%，与多数形态学检验医生水平相近，提示这类细胞本身即存在较高判读难度。

通过Grad-CAM与SHAP分析可清晰可视化AI的判读依据，实现识别过程可解释、可追溯。AI可稳定捕捉颗粒、核形等微观特征，减少染色差异、阅片疲劳带来的偏差，一致性更优。

针对临床高度关注的9类异常细胞，AI整体准确率91.38%，优于10位形态学检验医生。

  🔹原始细胞：F1-score=0.979，灵敏度98.38%

  🔹有核红细胞：准确率96.76%，检出率99.10%

  🔹异常早幼粒细胞：准确率94.65%，对急性早幼粒细胞白血病（APL）的快速识别与早期提示具有关键临床价值。

  🔹但在反应性淋巴细胞、异常淋巴细胞、浆细胞等异质性强、形态学检验医生间本身判读差异大的细胞类型上，AI准确率相对偏低，反映出这类细胞的客观识别难度。

研究进一步发现，AI与人工判读的不一致，很多时候并非识别错误，而是判断逻辑存在系统性差异：

🔹幼稚粒细胞：形态学检验医生更倾向将交界细胞判为偏成熟阶段；AI则更保守，倾向判为偏早期阶段，以降低漏诊风险，更符合筛查逻辑。

🔹形态高度相似细胞（反应性淋巴细胞、单核细胞、原始细胞）：形态学检验医生间本身分歧明显。AI 主要依据单细胞局部特征判断；而人工可结合全片背景、细胞群体分布及临床信息综合评估。

这也说明，AI并非简单替代人工，而是在标准化、稳定性上具备优势，未来更适合与形态学检验医生形成互补协作。

本次研究系统对比国产AI形态学分析系统与15 位形态学检验医生的细胞识别表现，全面展现分析仪AI在外周血细胞分类中的专业能力，清晰揭示当前AI识别的技术特征与规律，深度阐明AI系统的识别偏好，为行业提供了客观、权威的AI应用现状参考，也为后续技术升级指明方向。但AI不是替代形态学医生，而是成为医生的高效、稳定、标准化助手。

 🔶 AI可承担常规涂片的高质量初筛，一致性优于多数人工判读，大幅提升实验室效率

 🔶 高灵敏策略更适合血液病筛查，尤其对原始细胞、异常早幼粒细胞等高风险细胞识别可靠

 🔶 AI+人工协同是最优模式：AI负责标准化筛查，形态学检验医生专注疑难细胞复核，资源配置更合理

本研究由吉林大学第一医院续薇教授、复旦大学附属华山医院蒋浩琴教授和深圳迈瑞生物医疗电子股份有限公司张静娴担任共同第一作者；复旦大学附属华山医院关明教授和上海交通大学医学院附属瑞金医院王剑飚教授担任共同通讯作者。