杨阳1 周紫培2 童小东1 陈袁丽1 刘慧英1
（1乐山市人民医院；2乐山市市中区中医医院；四川乐山614000）
外周血显微镜检查在重大疾病的诊断和控制中起着重要作用。人工识别外周血白细胞需要医学检验人员通过光学显微镜观察血涂片，利用自己的经验和专业知识对不同的细胞进行鉴别和分析，既费时又费力。因此，我科引进全自动血细胞形态识别系统，对血涂片进行仪器自动识别并分类，但是，在使用中，我们发现仪器仍有部分不足之处，本研究拟通过仪器与普通技术人员及长期从事细胞识别的技术人员进行异常白细胞的阅片分析对比，评价该系统在临床应用中的价值。
一、对象及方法
（一）研究对象
本研究选取本院9月7-13日血液常规检验样本，采用国国际血液学复检专家组推荐的41条自动CBC和DC复检规则[1]中针对白细胞异常的样本共78例。其中收集到男性41例，女性37例，年龄为8个月至86岁。
（二）研究方法
1、采用的复检规则包括：1）WBC计数结果>30×109/L或<2.5×109/L或无结果；2）无白细胞分类计数（DC）结果或DC结果不全；3）中性粒细胞绝对计数（Neut＃）结果<1.0×109/L或>20.0×109/L；4）淋巴细胞绝对计数（Lym＃）结果>5.0×109/L（成人）或>7.0×109/L（<12岁）；5）单核细胞绝对计数（Mono＃）结果>1.5×109/L（成人）或>3.0×109/L（<12岁）；6）嗜酸粒细胞绝对计数（Eos＃）结果>2.0×109/L；7）嗜碱粒细胞绝对计数（Baso＃）结果>0.5×109/L；8）怀疑性报警[不成熟粒细胞(IG)/杆状核中性粒细胞（Band）报警提示除外]阳性报警；9）IG报警、左移报警、不典型和（或）变异Lym报警等。
2、仪器与试剂:迈瑞血常规检验6800系列流水线，迈瑞SC120染片机，瑞氏-吉姆萨染液，仪器阅片采用贝克曼库尔特的Cellav-ision DM96。
3、方法：所有样本用自动染片机进行机器制片，阅片分为手工镜检法一：由两位在细胞遗传组工作5年以上的技术人员以“双盲法”进行血涂片阅片及白细胞分类[2]，分为原始细胞、未成熟粒细胞、反应性淋巴细胞及其它细胞4类，并以两位技术人员综合结果为对照组；手工镜检法二：由3位在血液组工作2-5年技术人员，用与法一同样方式进行手工阅片及分类，平均结果为实验组；仪器阅片：由阅片机完成。
4、数据统计：以原始细胞≥1%，未成熟粒细胞（早幼粒细胞+中幼粒细胞+晚幼粒细胞）≥1%,反应性淋巴细胞≥5%作为阳性标准进行统计[3]。用SPSS 13.0软件包进行数据分析。采用X2检验计算各组对异常白细胞的识别是否存在差异，p<0.05为差异有统计学意义。
二、结果及分析
由表1可看出，仪器组和实验组各类异常白细胞的阅片阳性性数均低于对照组。其中在对反应性淋巴细胞和不成熟粒细胞的识别中，仪器组阳性率要高于实验组，而在对原始细胞的识别上，实验组要高于仪器组。实验组、仪器组分别与对照组进行卡方检验，均未见显著统计学意义，说明仪器阅片及一般技术人员阅片也具有一定价值。
三、讨论
近十几年，随着计算机系统的迅猛发展，血细胞数字图像识别系统也在持续的推陈出新。有学者认为，本研究中所用血细胞识别系统，能够实现血涂片上载的自动化等多个先进功能，显著提高了检测速度和细胞图像质量[4]，使这项技术真正进入了临床实验室。但是就本研究结果及本实验室长期使用来看，该系统还是存在一些不足，主要体现在以下方面：
（一）部分原始细胞识别欠佳，原因可能在于大体积的异常细胞更多位于血涂片中片尾的边缘处，超过了仪器的扫描范围，导致漏检。
（二）其次该系统采用的是将所有细胞与参考细胞进行比较的方法来检出异常细胞，当遇到某些疾病细胞特征不典型的时候，系统就可以会判断错误。大部分此类软件是基于特征工程的系统往往需要保证分割的成功，然后人工提取一定的定量和定性特征进行识别，但仍然存在鲁棒性差的局限性[5]。现有大量技术研究拟采用深度学习中的卷积神经网络（convolutional neural network）算法，具有分类流水线特征自动提取、无需分割等特点，在识别上较现算法有一定优势，但难以进行多目标识别。
（三）经过该系统转换后显示的细胞与手工镜检的细胞有不容忽视的色差，需要专业技能人员再进行手工镜检判断。同时，大部分的血细胞识别系统主要用于判断识别异常白细胞，对异常红细胞、血小板识别能力较弱，这些异常标本仍需要人工镜检。
综合来看，全自动血细胞识别分析系统在实验室应用中仍有较大的优势，主要在白细胞总数少的情况下，可以快速的找到足够多的细胞进行分析识别；其次是在样本量较大的情况下，与染片机一起，连接入血常规流水线，形成常规检测、触发复检规则、自动制片、自动阅片的流水作业，可大量节省人力，减少异常细胞的漏检。从本研究来看，仪器组的阳性检出率总的来说高于普通实验组，实验室应该用积极接受，但不盲目相信的态度用好自动化仪器，同时加强人员培训，加强与临床联系，能将疾病发生发展，临床诊疗与血细胞形态表现联系联系起来综合分析，保证实验室技术人员的专业水平始终高于仪器，检验技术人员能为临床提供更多的有用诊疗信息。
参考文献
[1] Elkin Simson, 崔巍. 全自动血液分析仪的复检标准[J]. 中华检验医学杂志, 2007, 30(4):371-373.
[2] 赵爱光.全自动血细胞形态学识别系统在恶性血液系统疾病外周血涂片分析中的应用评价[J].山西卫生健康职业学院学报,2020,30(1):61-62.
[3] 邢莹, 闫晓华, 普程伟, et al. 全自动数字图像分析在外周血白细胞形态学复检中的临床应用[J]. 中华医学杂志, 2016, 96(008):634-639.
[4] 王建中. 外周血细胞形态学检验诊断的发展趋势[J]. 中华检验医学杂志, 2013, 36(005):389-392.
[5] Wang Q, Bi S, Sun M, Wang Y, Wang D, Yang S. Deep learning approach to peripheral leukocyte recognition. PLoS One. 2019;14(6):e0218808.