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 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.
| Требование | Почему это важно | Практические аспекты лабораторной работы |
| Качество и обработка проб | Подготовка образцов влияет на состояние клеток, пригодных для анализа на основе изображений | Разработать надлежащие процедуры приемки, обращения с пробами и определения сроков |
| Условия визуализации клеток | На видимую детализацию на клеточном уровне влияют фокусировка, контраст, разделение клеток и их перекрытие | Оценить согласованность изображений и наличие изображений отдельных клеток |
| Классификация на основе изображений | Алгоритмы группируют изображения клеток по категориям и выделяют выбранные паттерны | Определить порядок проверки, документирования и эскалации классификаций |
| Отслеживаемость результатов | Изображения клеток можно просматривать с указанием классификаций или выводов, представленных в выводе результатов | Убедитесь, что визуальные данные доступны с помощью параметров и графических выводов |
| Критерии оценки | Результаты, связанные с морфологией, требуют определения конкретных мер и порядка представления отчетности | Привести результаты анализатора в соответствие с местными критериями проверки CBC и лабораторными правилами |
| Контроль качества и обучение | Стабильная работа и последовательный анализ результатов зависят от надлежащего контроля | Определить процедуры контроля качества, обязанности персонала и порядок оценки профессиональной пригодности |
| Подключение и записи | Результаты, полученные на основе изображений, должны быть интегрированы в процессы обработки лабораторной информации | Оценить рабочие процессы, связанные со штрих-кодами, отслеживаемость данных, хранение данных и интеграцию с системой управления лабораторией (LIS) |
| Верификация / валидация | Результаты классификации и морфологического анализа следует рассматривать в контексте подтвержденных характеристик системы | Перед 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

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.
