single-post-header

Анализ морфологии с использованием искусственного интеллекта в гематологии: от изображений клеток до структурированного гематологического обзора

Анализ морфологии с использованием искусственного интеллекта сочетает в себе оценку клеток на основе изображений, автоматическую съемку изображений, распознавание с помощью алгоритмов и структурированное представление результатов в рамках гематологических рабочих процессов. Он позволяет включить визуальную информацию на клеточном уровне в автоматизированные гематологические анализы наряду с показателями общего анализа крови, дифференциальным счетом лейкоцитов, отметками, гистограммами и другими результатами анализатора.

В интегрированных системах на основе изображений это позволяет объединить визуальную информацию на клеточном уровне с параметрами общего анализа крови, дифференциальным лейкоцитарным анализом, отметками, гистограммами и другими результатами анализатора в рамках одного рабочего процесса просмотра.

Данный подход актуален для лабораторий, которым требуется более структурированный доступ к информации, связанной с морфологией, в рамках рутинных рабочих процессов при проведении общего анализа крови.

Анализ морфологии с использованием искусственного интеллекта

Анализ морфологии в гематологии

Анализ морфологии клеток крови позволяет оценить видимые клеточные характеристики, которые дополняют результаты количественной гематологии. В зависимости от метода анализа и типа клеток оценка может включать размер клеток, их форму, структуру ядра, внешний вид цитоплазмы, гранулярность, признаки зрелости, а также распределение клеточных популяций в образце.

Морфология лейкоцитов может включать различия в сегментации ядра, структуре хроматина, грануляции цитоплазмы, а также во внешнем виде клеток на разных стадиях созревания. При анализе эритроцитов можно учитывать различия в размере и форме, а при анализе тромбоцитов — их внешний вид, распределение и особенности агрегации, если эти характеристики отражены в результатах анализа.

В зависимости от проверенных возможностей системы анализ морфологии может группировать изображения клеток по потенциальным категориям и выделять отдельные популяции клеток или морфологические особенности для более тщательного изучения. Это может оказаться полезным в тех случаях, когда лаборатории необходимо оценить, сопровождается ли численный показатель видимыми клеточными особенностями, которые добавляют контекст к результатам гематологического исследования.

В сочетании с показателями общего анализа крови, дифференциальным лейкоцитарным анализом, гистограммами, отметками и другой лабораторной информацией анализ морфологии позволяет добавить наглядный контекст на уровне отдельных клеток к лабораторной оценке и последующей клинической оценке. Это создает более обширный набор данных для анализа результатов гематологических исследований в рамках рутинной лабораторной работы.

Практическое применение морфологического анализа с использованием искусственного интеллекта

То, как морфология с использованием ИИ интегрируется в рабочий процесс, зависит от архитектуры системы. В последующих этапах цифровой морфологической диагностики результаты общего анализа крови (CBC) или лабораторные правила проверки могут определять, какие образцы направляются на визуализацию. В интегрированных системах гематологии на основе изображений изображения клеток и классификации с помощью ИИ могут генерироваться уже в рамках основного аналитического рабочего процесса, в то время как лабораторные правила определяют, какие результаты требуют дополнительного профессионального анализа. Анализ морфологии с помощью ИИ может помочь лабораториям, которым необходим структурированный доступ к изображениям на клеточном уровне при проверке результатов гематологических исследований. Это особенно актуально в тех случаях, когда особенности общего анализа крови, результаты дифференциального анализа, предупреждения анализатора или определенные лабораторией критерии действий указывают на то, что образец требует более тщательной оценки.

В рамках рутинных гематологических исследований результаты, основанные на изображениях, могут способствовать анализу классификации лейкоцитов, характеристик зрелости клеток, внешнего вида эритроцитов, результатов, связанных с тромбоцитами, а также другой информации, касающейся морфологии. В зависимости от утвержденной области применения системы на базе искусственного интеллекта могут группировать изображения клеток по потенциальным категориям и представлять выбранные морфологические находки для анализа. Системы на базе искусственного интеллекта могут группировать потенциальные категории клеток и выделять выбранные находки, что позволяет лабораторному персоналу просматривать изображения клеток с количественными результатами.

Такая схема может оказаться полезной в тех случаях, когда лабораториям необходимо обрабатывать большие объемы результатов рутинного общего анализа крови, сохраняя при этом единообразный подход к отдельным морфологическим находкам. Вместо того чтобы рассматривать изображения как отдельный источник данных, сотрудники лаборатории могут анализировать информацию на клеточном уровне в рамках той же среды результатов, что и данные дифференциального анализа, отметки и графические выводы.

Для руководителей лабораторий этот подход можно рассматривать как ресурс для оптимизации рабочего процесса, а также как аналитический инструмент. Практический вопрос заключается в том, насколько информация о клетках, полученная на основе изображений, вписывается в существующие схемы проверки, кадровую структуру, практику ведения документации и требования к представлению результатов.

Требования к надёжному рецензированию

Анализ морфологии с использованием искусственного интеллекта включает в себя взаимосвязанные этапы обработки образцов, формирования изображений, классификации, представления результатов и экспертной оценки в лаборатории. Следующие факторы определяют, как морфологическая информация, полученная на основе изображений, интегрируется в автоматизированный рабочий процесс гематологического исследования.

ТребованиеПочему это важноПрактические аспекты лабораторной работы
Качество и обработка пробПодготовка образцов влияет на состояние клеток, пригодных для анализа на основе изображенийРазработать надлежащие процедуры приемки, обращения с пробами и определения сроков
Условия визуализации клетокНа видимую детализацию на клеточном уровне влияют фокусировка, контраст, разделение клеток и их перекрытиеОценить согласованность изображений и наличие изображений отдельных клеток
Классификация на основе изображенийАлгоритмы группируют изображения клеток по категориям и выделяют выбранные паттерныОпределить порядок проверки, документирования и эскалации классификаций
Отслеживаемость результатовИзображения клеток можно просматривать с указанием классификаций или выводов, представленных в выводе результатовУбедитесь, что визуальные данные доступны с помощью параметров и графических выводов
Критерии оценкиРезультаты, связанные с морфологией, требуют определения конкретных мер и порядка представления отчетностиПривести результаты анализатора в соответствие с местными критериями проверки CBC и лабораторными правилами
Контроль качества и обучениеСтабильная работа и последовательный анализ результатов зависят от надлежащего контроляОпределить процедуры контроля качества, обязанности персонала и порядок оценки профессиональной пригодности
Подключение и записиРезультаты, полученные на основе изображений, должны быть интегрированы в процессы обработки лабораторной информацииОценить рабочие процессы, связанные со штрих-кодами, отслеживаемость данных, хранение данных и интеграцию с системой управления лабораторией (LIS)
Верификация / валидацияРезультаты классификации и морфологического анализа следует рассматривать в контексте подтвержденных характеристик системыПеред началом регулярной отчетности необходимо определить местные требования к проверке или валидации

В рекомендациях ICSH по цифровой морфологии мазков крови подчеркивается необходимость комплексного учета преаналитических, аналитических и постаналитических факторов, включая окрашивание, получение и отображение изображений, программное обеспечение, эффективность классификации и обработку результатов. Эти рекомендации в первую очередь касаются систем цифровой морфологии мазков крови; интегрированные анализаторы общего анализа крови (CBC) на основе изображений могут использовать различные аналитические архитектуры и должны оцениваться с учетом их конкретного назначения, подтвержденных характеристик и лабораторных процедур.

Морфология с использованием ИИ служит для подтверждения диагноза, а не для самостоятельной диагностики

В рекомендациях ICSH по цифровой морфологии мазков крови подчеркивается необходимость комплексного учета преаналитических, аналитических и постаналитических факторов, включая окрашивание, получение и отображение изображений, программное обеспечение, эффективность классификации и обработку результатов. Эти рекомендации в первую очередь касаются систем цифровой морфологии мазков крови; интегрированные анализаторы общего анализа крови (CBC) на основе изображений могут использовать различные аналитические архитектуры и должны оцениваться с учетом их конкретного назначения, подтвержденных характеристик и лабораторных процедур.

Анализ морфологии с помощью искусственного интеллекта с использованием O-Cyte 1

Анализ морфологии с использованием искусственного интеллекта

Сайт Автоматический гематологический анализатор O-Cyte 1 использует подход Озелла «ИИ × полная морфология крови» (CBM), объединяя 7-параметрический общий анализ крови с морфологическим анализом на основе ИИ в рамках единого рабочего процесса. Система интегрирует визуализацию клеток, распознавание и классификацию клеток крови с помощью ИИ, а также морфологическую информацию, основанную на изображениях, с результатами рутинных гематологических исследований.

Анализатор отображает изображения клеток, результаты классификации с помощью искусственного интеллекта, гистограммы, выделенные находки и данные, связанные с морфологией, в едином окне результатов. Система связывает количественные результаты и морфологические находки с соответствующими изображениями клеток, что позволяет экспертам изучать визуальные данные наряду с результатами общего анализа крови и дифференциального анализа.

O-Cyte 1 предоставляет данные общего анализа крови (CBC) и дифференциального анализа, включая показатели NST, NSG, NSH, ALY, NLR и PLR, а также дополнительные параметры RET# и RET%. Для лабораторий, оценивающих результаты анализатора, важным фактором является взаимосвязь между морфологической информацией и остальными показателями гематологического анализа. Отображение, объединяющее изображения клеток, выделенные результаты, параметры и графическую информацию, может способствовать более систематическому анализу имеющихся данных.

O-Cyte 1 в лабораторных условиях

Система O-Cyte 1 предназначена для автоматизированных гематологических рабочих процессов, сочетающих рутинный анализ общего анализа крови (CBC) с морфологической информацией, полученной на основе изображений. Аппарат принимает образцы цельной крови, капиллярной крови и предварительно разбавленной крови, а его режим автоматической загрузки (Auto Loader Mode) поддерживает 25 образцов, размещенных в пяти штативах; в последовательность обработки образцов включены автоматическая идентификация по штрих-коду, смешивание образцов, прокалывание закрытых пробирок и обработка срочных (STAT) образцов.

Данная конфигурация подходит для лабораторий, которым необходимо осуществлять структурированную пакетную обработку рутинных образцов для общего анализа крови (CBC) с одновременным выполнением приоритетных анализов в рамках одного рабочего процесса. Анализатор поддерживает производительность до 60 анализов в час в автономном режиме и до 360 анализов в час в каскадных конфигурациях, что обеспечивает различные варианты производительности для рутинных объемов, периодов повышенной нагрузки и обработки образцов в режиме STAT.

На практике целесообразность данного рабочего процесса зависит от того, как в лаборатории организованы прием образцов, анализ общего анализа крови, морфологическая оценка на основе изображений и оформление результатов. Поэтому дистрибьюторы и местные партнеры могут оценивать возможность внедрения с учетом предполагаемой рабочей нагрузки на объекте, информационных процессов лаборатории, механизмов обучения персонала и модели оказания услуг.

Заключение

Анализ морфологии с использованием искусственного интеллекта объединяет изображения клеток, распознавание на основе алгоритмов, классификацию вариантов и структурированное представление результатов в рамках автоматизированных рабочих процессов в гематологии. Он дополняет количественную и графическую информацию, используемую при лабораторном анализе и более широкой клинической оценке, данными, связанными с морфологией.

Для лабораторий, планирующих внедрить рабочий процесс в области гематологии на основе изображений, ключевыми факторами являются качество изображений, подтвержденная эффективность классификации, четкая связь между изображением и результатом, соответствие местным критериям экспертной оценки, а также интеграция с процессами формирования отчетов. Эти факторы помогают определить, каким образом информация о морфологии, полученная на основе изображений, будет включена в повседневную работу гематологической лаборатории.

Если вы определяете, подходит ли O-Cyte 1 для рабочего процесса вашей лаборатории, связаться с Озель или по электронной почте info@ozellepoct.com. Специалисты компании Ozelle готовы ответить на ваши вопросы об O-Cyte 1 и его применении в рабочем процессе вашей лаборатории.

Увидеть Ozelle в действии

Узнайте, как диагностика на основе искусственного интеллекта способствует эффективному рабочему процессу и принятию уверенных клинических решений в реальных клинических и ветеринарных условиях.

Свяжитесь с нами

Вход в систему

Введите свой адрес электронной почты, и мы вышлем вам проверочный код для сброса пароля.

Прокрутить вверх
Информация о нас
Whats App