AI数字形态学提速60%：三中心随机试验证实AI辅助血涂片识别更准确

核心要点

• 问题：外周血涂片（Peripheral Blood Smear, PBS）检查是血液病初筛的关键环节，但依赖技师经验、人工判读耗时长且一致性有限。
• 方法：北京大学人民医院、南方医科大学珠江医院、苏州大学附属第一医院三家中心开展前瞻性、随机配对研究，共纳入1570份常规外周血涂片，比较MC-100i数字形态学分析仪的AI辅助判读与人工显微镜检。
• 结果：在急性早幼粒细胞白血病（Acute Promyelocytic Leukemia, APL）筛查线索——异常早幼粒细胞检测上，AI辅助F1分数为0.794（95% CI 0.667–0.892），高于人工镜检的0.658（0.508–0.767）；血小板估计与流式细胞术的绝对平均偏差由14.08降至2.05 × 10⁹/L；技师工作效率提高约60%。
• 意义：这是少有的针对已注册/在注册商业数字形态学设备开展的多中心前瞻性随机配对验证，证明AI辅助在特定细胞类别上能提升一致性与效率，但尚未证明可直接转化为患者结局改善。
• 原文：AI-assisted digital peripheral blood morphology multicenter randomized paired method clinical validation study，npj Digital Medicine，2026-08-05

外周血涂片检查：一项仍依赖人工经验的基础检验

外周血涂片检查是血液科、肿瘤科和急诊识别血液系统异常的一线工具。从急性白血病、骨髓纤维化到弥散性血管内凝血，涂片中的细胞形态学线索往往是启动进一步检查（如骨髓穿刺、流式细胞术、基因检测）的第一信号。然而，这项检查的准确性高度依赖技师的经验和注意力：一张涂片通常包含数以万计的红细胞、数百个白细胞和不同数量的血小板，技师需要在光学显微镜下逐视野判读，工作强度大、培训周期长，不同医院甚至同一医院不同技师之间的结果也可能存在差异。

急性早幼粒细胞白血病（APL）是最能说明风险的例子之一。该病起病凶险，异常早幼粒细胞（abnormal promyelocytes）在涂片中的识别直接影响是否能快速启动全反式维甲酸治疗。泪滴形红细胞（teardrop cells）则是骨髓纤维化等疾病的重要形态学提示。传统模式下，这些关键线索的发现与否，很大程度上取决于当班技师的状态。

数字化形态学分析仪近年来进入临床，其核心思路是用扫描仪将血涂片转化为高分辨率数字图像，再由人工智能模型对细胞进行预定位、预分类，最后由技师在屏幕上复核。但多数已发表证据来自单中心、回顾性、非配对设计，难以回答一个关键监管问题：在同一涂片上，AI辅助是否真的比现行人工镜检更准、更快？ 这正是本次三中心随机配对研究的设计初衷。

三项实质性创新：设备监管级证据、配对设计、效率评估

创新一：把研究证据做到“注册临床性能评价”级别。 论文致谢中明确说明，该研究由深圳迈瑞生物医疗电子股份有限公司资助，用于其MC-100i数字形态学分析仪的中国国家药品监督管理局（NMPA）注册临床性能评价。与大量仅停留在算法验证的研究不同，本研究直接面向一款商业设备的上市证据链，样本量、多中心设计和监管声明使其证据等级明显高于常见的回顾性测试。

创新二：采用前瞻性随机配对设计。 同一涂片同时进入两条判读路径，研究者可以排除不同患者、不同制片质量带来的混杂，直接比较“AI辅助数字判读”与“传统人工镜检”在完全相同标本上的表现。这种设计在医疗器械AI研究中成本更高，但对回答“AI是否优于现行标准”更直接。

创新三：把技师工作效率纳入主要评估维度。 形态学AI的价值不仅在于“更准”，也在于能否把技师从繁重的显微镜搜索中解放出来，去做更需要专业判断的工作。研究明确报告AI辅助使技师效率提升约60%，这对实验室人力配置具有直接参考意义。

需要指出的是，本研究由设备制造商资助并提供设备，Yi YE 和 Jianping XIAO 为迈瑞员工。论文声明赞助商未参与研究设计、实施、分析和解释，但利益冲突仍应在解读时纳入考量。

技术原理：从玻片到数字报告的AI辅助路径

MC-100i系统的工作流程可分为三步。首先，数字形态学分析仪对血涂片进行全片扫描并生成高分辨率图像；随后，深度学习模型对白细胞、红细胞和血小板进行自动定位、预分类和初步计数，其中白细胞分析覆盖15个有核细胞类别；最后，技师在显示器上对AI预分类结果进行复核、确认或修正，并输出形态学报告。

这一流程中的“AI”并非替代技师，而是把大量重复性的搜索和初筛工作自动化，让技师的关注点从“找细胞”转向“判断疑难细胞”。在血小板估计环节，系统通过数字图像分析给出计数，论文将其与流式细胞术（flow cytometry）这一独立参考方法进行比较，以衡量AI估计的偏差。

数据说话：APL筛查线索识别提升，血小板估计偏差大幅下降

论文摘要仅报告了部分关键指标的F1分数和置信区间，未报告灵敏度、特异度或P值，因此下表严格使用原文明确给出的数据，未报告项标注为“未报告”。

从数据看，AI辅助在两项形态学线索上均取得更高F1分数，血小板估计偏差下降明显。但需要注意两点：一是两组95%置信区间存在重叠，提示差异的统计稳健性需要更完整的论文正文信息来评估；二是泪滴形红细胞检测的绝对F1分数仍然较低（0.306），说明该形态学特征对人和AI都仍是难点。

从实验室到临床：应用前景与局限

潜在应用场景：第一，在三级医院检验科，AI辅助数字形态学可作为技师的第一道预筛，帮助快速标记APL、骨髓纤维化等疾病的形态学线索；第二，在医联体或区域检验中心，AI辅助有助于缩小不同经验技师之间的判读差异，提升形态学报告的一致性；第三，结合此前报道的HemaGuide血液肿瘤多学科诊疗AI智能体，形态学AI可构成血液病诊疗链路的前端数据入口，为后续诊断和治疗决策提供更完整的患者视图。

重要局限：首先，研究由设备制造商资助，两名作者为该公司员工，尽管论文声明研究保持独立，仍可能影响外部信任；其次，所有三项临床中心均为中国大型三甲医院，结果向基层医院、门急诊快速流转场景的泛化能力尚需验证；第三，研究仅评估了部分细胞类别（15类有核细胞和若干红细胞形态类别），未覆盖全部形态学异常；第四，效率提升约60%是一个高度依赖具体工作流的指标，在不同实验室人员配置和审阅标准下可能不同；最后，也是最关键的，本研究未报告患者结局指标（如诊断延迟、治疗启动时间、误诊率变化），因此不能据此推断AI辅助形态学已直接改善患者预后。

结论与产业启示

LU 等人发表在 npj Digital Medicine 的这项三中心前瞻性随机配对研究，为AI辅助数字外周血形态学提供了监管级别的临床性能证据。核心发现是：在APL筛查线索和血小板估计等关键任务上，AI辅助系统的表现优于或与人工镜检相当，同时显著缩短技师工作时间。对于医疗AI企业而言，这条路径提示了一条从“算法准确率”到“注册临床证据”的清晰跃迁：与头部医院合作、采用配对或随机对照设计、把工作效率作为终点、主动披露利益冲突并引入独立统计审阅。

思陌智能科研服务在AI医疗软件开发、医学影像AI、临床决策支持及医疗AI评估验证等领域持续为医疗机构和研发团队提供从模型设计、多中心验证到监管申报的技术支持。我们认为，真正可落地的医疗AI产品，既要证明模型指标优秀，也要在真实临床工作流中证明它不会增加额外风险，并且能被现有人员顺畅使用。

相关问题

Q：这套AI系统已经可以替代血涂片技师吗？

A：不能。研究中AI扮演的是“预分类+技师复核”的人机协作角色，最终报告仍需技师确认。系统在部分细胞类别上表现优于人工镜检，但泪滴形红细胞等疑难特征的F1分数仍低，且原文未覆盖所有形态学异常。

Q：效率提升60%是否意味着每家医院都能复制？

A：不一定。该效率数据来自三家中国大三甲医院的特定工作流，人员配置、扫描通量、复核标准都会影响实际效果。医院在引入前应先做本地化试点，而不是直接照搬厂商宣传数字。

Q：该研究是否证明AI辅助血涂片能改善患者预后？

A：没有。论文主要终点是细胞识别F1分数、血小板估计偏差和技师效率，未报告诊断延迟、治疗启动时间或患者结局。因此，目前只能说它改善了特定形态学任务的识别一致性与效率，不能推断患者获益。

参考文献

1. LU S-S, GUO Y-H, LIU D-M, et al. AI-assisted digital peripheral blood morphology multicenter randomized paired method clinical validation study. npj Digital Medicine. 2026;9:3089. DOI: 10.1038/s41746-026-03089-0
2. Palmer L, Briggs C, McFadden S, Zini G. ICSH recommendations for the standardization of nomenclature and grading of peripheral blood cell morphological features. International Journal of Laboratory Hematology. 2015;37(3):287-303. DOI: 10.1111/ijlh.12327
3. Vorontsov E, Shaikovski G, Casson A, et al. End-to-end multimodal pathology foundation model with clinical dialogue. Nature Medicine. 2026;32:1-12. DOI: 10.1038/s41591-026-04521-4

本文基于 AI-assisted digital peripheral blood morphology multicenter randomized paired method clinical validation study 的独立解读，仅供学术交流，不构成临床建议。