简介：摘要目的建立人工智能（AI）模型，评价AI辅助多参数流式细胞术（MFC）诊断儿童急性B淋巴细胞白血病（B-ALL）微小残留病（MRD）的可行性。方法以北京大学第一医院门诊B-ALL MRD随访病例227例标本进行AI应用探索性研究，以多维空间密度分布的非监督学习分群聚类算法为基础，对MFC数据进行聚类分析；同时参考人工逻辑设门思路和细胞的抗原表达水平，应用决策树和随机森林等监督学习算法判别细胞分类，并将AI分析B-ALL MRD结果以二维图、降维t-分布领域嵌入算法（t-SNE）和热图进行可视化呈现。通过与人工分析比较，评价AI辅助MFC诊断B-ALL MRD的性能和一致性。结果AI分析可快速检测出骨髓中B细胞系各阶段淋巴细胞和B-ALL MRD细胞的数量和百分比；且在多次重复检测时各参数差值的变异系数（CV）均为0。AI分析速度较传统人工分析提高4~5倍。与人工分析比较，AI分析B-ALL MRD细胞的查全率（敏感度）和阴性预测值为100%，准确度为82.44%。经人工审核后的AI分析结果再与人工分析比较，去除了假阳性，其查准率（阳性预测值）和准确度均可达100%。人工审核后的AI分析B细胞系各阶段淋巴细胞和B-ALL MRD细胞的百分比与人工分析结果差异无统计学意义（P均>0.05）。结论本研究初步建立的AI模型数据分析重复性好、分析速度快，具有较高的查全率（敏感度）和阴性预测值，可用于基于本研究的8色抗体组合方案辅助MFC诊断儿童B-ALL MRD。

简介：摘要目的探讨人工智能（AI）细胞形态分析系统在急性髓系白血病（AML）形态学诊断及疗效评估中的应用价值。方法收集2021年6月1日至2022年7月31日在中国医学科学院血液病医院住院和门诊的150例初诊或治疗后急性髓系白血病患者骨髓涂片样本进行回顾性分析。其中初诊组50例，包括男28例，女22例，发病年龄43.5（32.3，58.8）岁；治疗后组100例，包括男36例，女64例，发病年龄34.5（23.0，47.0）岁。以形态学专家分析结果作为金标准，评价AI细胞形态分析系统在AML诊疗中对原始细胞识别的准确性、敏感度及特异度。结果初诊组50份样本AI分析原始细胞比例均≥20%，达到AML诊断标准。AI分析原始细胞的准确性为90.3%、敏感度为85.5%、特异度为98.0%。AI与专家分析的原始细胞比例呈正相关（r=0.882，P<0.001）。治疗后组AI分析原始细胞的敏感度为89.7%、特异度为99.2%。AI与专家分析的原始细胞比例呈正相关（r=0.957，P<0.001）。应用AI分析数据判定，该组有8例样本AI对AML疗效评估结果与专家分析不一致。结论AI细胞形态分析系统在AML形态学诊断及疗效评估中对原始细胞识别准确性及敏感度高、特异度好。