Общий анализ крови по-прежнему остается одним из наиболее широко используемых лабораторных исследований, поскольку позволяет быстро получить общую картину основных популяций клеток крови и ключевых показателей. Однако в связи с ростом нагрузки на лаборатории и потребностью клинических специалистов в более оперативной и понятной информации одних лишь числовых результатов бывает недостаточно для ответа на все вопросы, возникающие при анализе результатов — особенно в тех случаях, когда отклонения от нормы или атипичные популяции клеток требуют более тщательного изучения.

Цифровая морфология с использованием ИИ становится всё более заметной частью современных рабочих процессов в гематологии, хотя архитектуры её внедрения могут различаться. Некоторые системы интегрируют визуализацию и классификацию непосредственно с анализом общего анализа крови (ОАК), в то время как другие связывают автоматизированную гематологию с отдельными платформами цифровой морфологии. В рамках всех этих архитектур ИИ может обеспечивать распознавание клеток, их классификацию и систематизацию информации, связанной с морфологией. В интегрированных системах гематологии на основе визуализации измерение показателей общего анализа крови, визуализация клеток, классификация с помощью ИИ и экспертная оценка на основе изображений могут быть объединены в рамках одного аналитического рабочего процесса.

Для больниц и лабораторий, анализирующих эту тенденцию, вопрос заключается не только в том, может ли анализатор генерировать больше показателей. Речь идет о том, способна ли система преобразовать информацию о клетках крови в поддающийся анализу, отслеживаемый и полезный с операционной точки зрения рабочий процесс.

Почему в рабочих процессах CBC по-прежнему требуется морфологическая экспертиза

Результаты рутинного общего анализа крови не дают ответа на все вопросы, возникающие при анализе результатов

Современные автоматизированные гематологические анализаторы обеспечивают получение количественных показателей общего анализа крови, дифференциального счета лейкоцитов, предупреждающих сигналов, гистограмм, скаттерграмм и других результатов, характерных для конкретной системы, в больших объемах. Подсчёт лейкоцитов, показатели эритроцитов, гемоглобин, показатели тромбоцитов и результаты дифференциального анализа остаются ключевыми элементами повседневной оценки состояния пациентов. Эти результаты эффективны при обработке больших объемов данных и служат важной количественной основой для гематологической оценки.

Однако цифровой результат или индикатор прибора не всегда позволяют объяснить лежащую в его основе клеточную картину. Образцы с необычными характеристиками рассеяния, аномальными картинами дифференцировки, незрелыми клетками, атипичными лимфоцитами или проблемами, связанными с морфологией, могут потребовать дополнительного изучения. В рамках традиционной лабораторной схемы такая эскалация часто приводит к подготовке мазка периферической крови и ручному микроскопическому исследованию.

Проверка морфологии зависит от времени, затрачиваемого специалистом

Ручной морфологический анализ по-прежнему имеет значительную клиническую ценность, однако требует значительных ресурсов. Точная идентификация типа клеток, степени их зрелости, характеристик ядра, особенностей цитоплазмы и атипичных признаков зависит от подготовки и многократного опыта. Объём работы по анализу также значительно варьируется: лаборатория может эффективно обрабатывать большое количество рутинных образцов, а затем сталкиваться с группой отмеченных или сложных образцов, требующих пристального внимания специалиста.

Сложности, связанные с ручным морфологическим анализом, выходят за рамки технических требований, предъявляемых к работе с микроскопом. Лабораториям необходимо обеспечить единообразный подход к экспертизе морфологических показателей в разных сменах, на разных объектах и при меняющихся объемах образцов. Это требует сосредоточения внимания специалистов на образцах, требующих более тщательной оценки, при этом сохраняя профессиональный контроль над окончательной интерпретацией результатов.

Распределенное тестирование предъявляет новые требования к рабочим процессам

Проведение гематологических исследований больше не ограничивается крупными центральными лабораториями. Больницы, амбулаторные отделения, отделения неотложной помощи, центры медицинских осмотров и распределенные сети медицинского обслуживания — все они нуждаются в своевременных и надежных процессах анализа крови. Эти учреждения различаются по объему образцов, кадровому составу, площадям, возможностям технического обслуживания и доступу к специалистам по морфологии.

Этот сдвиг повышает ценность систем, способных сочетать рутинное проведение общего анализа крови с четкими алгоритмами эскалации для образцов, требующих дополнительного изучения. Для лабораторий, рассматривающих возможность такого перехода, решения для анализаторов крови человека все в большей степени отражают общеотраслевую тенденцию к интеграции рутинного анализа крови с данными, касающимися морфологии, вместо того, чтобы рассматривать их как разрозненные рабочие процессы.

От численных параметров к цифровой информации о клетках

Одним из важных направлений в гематологии является интеграция данных о цифровой морфологии клеток в существующие рабочие процессы общего анализа крови. Автономные традиционные анализаторы в основном выдают количественные показатели, процентные соотношения, гистограммы, диаграммы рассеяния и предупреждающие индикаторы. Системы цифровой морфологии дополняют эти данные визуальной информацией о клетках, которую можно сохранять, просматривать, сравнивать и связывать с количественными результатами.

Это различие имеет значение, поскольку морфология по своей сути является визуальной. Размер клетки, степень зернистости, форма ядра, структура хроматина, внешний вид цитоплазмы и стадия развития невозможно в полной мере отразить с помощью одного числового показателя. Структурированный рабочий процесс обработки изображений может предоставить лабораторному персоналу ещё один способ выяснить, почему результат был отмечен как подозрительный или почему образец требует дополнительного внимания.

Полезный способ понять эту эволюцию — рассмотреть её в виде многоуровневой модели:

Информационный уровень	Основной результат	Оперативная роль
Стандартный общий анализ крови	Числа, индексы, дифференциальные значения	Определяет количественные показатели крови
Флаги инструментов и их распределение	Оповещения, гистограммы, диаграммы рассеяния	Выявляет образцы, которые могут потребовать дополнительного внимания
Цифровая морфология	Изображения клеток и данные, касающиеся морфологии	Добавляет визуальный контекст для проверки
Анализ с использованием искусственного интеллекта	Предварительная классификация и подсказки о ненормальных результатах	Помогает расставить приоритеты при анализе и систематизировать доказательства
Экспертная оценка	Переклассификация, проверка результатов и утверждение	Обеспечивает экспертный контроль и подотчетность

Различные архитектуры по-разному обрабатывают этот этап. В последующих этапах цифрового морфологического анализа решение о том, какие мазки следует передать на цифровую визуализацию, может приниматься на основе флагов анализатора или лабораторных правил проверки. В интегрированных системах гематологического анализа на основе изображений визуализация клеток и классификация с помощью искусственного интеллекта могут быть частью основного аналитического рабочего процесса, в то время как лабораторные правила определяют, какие результаты требуют дополнительной профессиональной проверки.

Что меняется при интеграции морфологии с использованием ИИ в анализ общего количества лейкоцитов (CBC)?

Один Анализатор AI CBC — это не просто обычный прибор для общего анализа крови (CBC) с добавленной функцией искусственного интеллекта. Это подход, основанный на рабочем процессе, который объединяет визуализацию клеток, алгоритмический анализ, представление результатов,

и профессиональной экспертизы. Его полезность зависит от того, способствуют ли эти элементы формированию четкого, поддающегося проверке и практичного лабораторного процесса.

Стандартизированная визуализация — это основа

Морфологический анализ с использованием искусственного интеллекта зависит от качества и единообразия изображений. Если изображения клеток плохо различимы, получены неравномерно или их сложно сравнивать, алгоритмическая классификация теряет свою полезность, а профессиональная экспертиза замедляется. Единообразие подготовки образцов, окрашивания, получения изображений, фокусировки, сегментации и представления изображений — все эти факторы влияют на качество цифрового морфологического анализа.

Для лабораторий это означает, что оценка системы на базе искусственного интеллекта должна выходить за рамки анализа её принципа работы. Экспертные группы должны выяснять, как система отображает изображения, можно ли эффективно проводить осмотр клеток, насколько изображения соответствуют зафиксированным результатам, а также как в рамках рабочего процесса обрабатываются образцы, требующие дополнительного изучения.

ИИ помогает в сортировке пациентов, но не ставит самостоятельный диагноз

ИИ может помочь в обнаружении клеток, сегментации изображений, предварительной классификации и выявлении паттернов, которые могут потребовать дополнительного изучения. Эти возможности позволяют сократить объем рутинной визуальной сортировки и помогают лаборатории сосредоточить внимание на том, что наиболее важно.

Один Обзор цифровых морфологических анализаторов, подготовленный ICSH описывает предварительную классификацию клеток с помощью искусственного интеллекта как способ автоматизации отдельных этапов анализа мазков крови и ускорения оценки препаратов. В том же обзоре подчеркивается, что квалифицированные морфологи по-прежнему играют незаменимую роль в переклассификации клеток и постановке диагноза.

Данные рекомендации в первую очередь касаются цифровых рабочих процессов по оценке морфологии крови. Интегрированные системы общего анализа крови (CBC) на основе изображений могут использовать различные аналитические архитектуры, поэтому результаты морфологического анализа и схемы их проверки следует оценивать в соответствии с утвержденным назначением системы и лабораторными процедурами.

Таким образом, практическое применение этой технологии ближе к сортировке, чем к автономной диагностике. Система может группировать клетки по предварительным категориям, выделять изображения, связанные с атипичными находками, или облегчать сравнение морфологической информации с данными общего анализа крови. Квалифицированный специалист по-прежнему должен оценивать значимость находки, а также анализировать её в совокупности с другими лабораторными результатами и соответствующей клинической информацией.

Это различие особенно важно в случае аномальных и редких образцов. Алгоритмы могут способствовать обеспечению согласованности и оперативности, однако локальная валидация, контроль качества, процедуры проверки и ответственность персонала по-прежнему остаются необходимыми компонентами работы клинической лаборатории.

Результаты, подкрепленные изображениями, повышают наглядность отчетов

Результат становится более полезным, когда эксперт может ознакомиться с сопутствующими данными. В рабочем процессе, ориентированном на морфологию, это может включать соответствующие изображения клеток наряду с количественными данными и категориями, определёнными с помощью искусственного интеллекта. Вместо того чтобы получать лишь общее уведомление, лаборатория может анализировать более структурированный набор информации.

Данный подход может помочь в решении ряда практических задач:

• Анализ визуальной основы подсказки об аномалии
• Сравнение результатов морфологического исследования с показателями общего анализа крови и картиной дифференциального лейкоцитарного состава
• Запись или повторный просмотр изображений для проверки качества и обучения персонала
• Обеспечение взаимодействия между лабораториями или между лабораторными и клиническими коллективами в случаях, когда требуется обсуждение на основе изображений

Цифровая морфология также находит более широкое практическое применение. Система, преобразующая мимолетные микроскопические наблюдения в упорядоченную цифровую информацию, может быть полезна для архивирования изображений, удаленного просмотра, оценки компетентности, обеспечения качества и образовательных процессов.

Влияние на рабочий процесс: в чем заключается преимущество ИИ

Рабочие процессы в лабораториях варьируются в зависимости от состава образцов, критериев оценки, кадрового состава и структуры информационной системы. Таким образом, морфологический анализ с использованием ИИ может быть интегрирован в рабочий процесс общего анализа крови (CBC) с помощью различных архитектур. Это различие можно проиллюстрировать с помощью двух общих моделей: цифровая морфология на последующих этапах после скрининга CBC и интегрированная морфология на основе изображений в рамках основного рабочего процесса в гематологии.

Модель 1: Цифровая морфология, управляемая правилами

В рамках последующего этапа цифровой морфологической диагностики сначала проводится стандартный общий анализ крови. На основании сигналов анализатора, аномальных распределений или критериев повторной проверки, установленных лабораторией, определяется, какие образцы требуют дополнительной морфологической оценки.

Типичная последовательность может включать:

• Прием и идентификация образца: Образец поступает в лабораторию в соответствии с установленными процедурами регистрации и идентификации.
• Рутинный общий анализ крови: Анализатор генерирует количественные результаты, информацию о дифференциалах, графические выводы и сигналы прибора.
• Выбор правила проверки: На основании лабораторных критериев принимается решение о необходимости дополнительного морфологического исследования образца.
• Подготовка мазка и цифровая визуализация: Отобранные образцы направляются на подготовку мазков крови, визуализацию и, при необходимости, предварительную классификацию клеток с помощью искусственного интеллекта.
• Профессиональный анализ морфологии: Квалифицированные сотрудники лаборатории анализируют результаты и, при необходимости, переклассифицируют клетки или запрашивают дополнительные микроскопические исследования или анализы.
• Анализ результатов и отчетность: Результаты анализов проверяются в соответствии с лабораторными процедурами, после чего они утверждаются и передаются.

В данной модели вводится понятие цифровой морфологии после получения первых результатов общего анализа крови, в первую очередь для образцов, соответствующих установленным критериям проверки.

Модель 2: Интегрированная гематология на основе изображений

В рамках интегрированного рабочего процесса гематологического анализа на основе изображений визуализация клеток и классификация с помощью искусственного интеллекта включены в основной аналитический процесс, а не добавляются только после появления сигнала о необходимости проведения общего анализа крови.

Типичная последовательность может включать:

• Прием и идентификация образца: Образец поступает в установленный лабораторный рабочий процесс.
• Анализ CBC и визуализация клеток: Результаты количественной гематологии и информация об изображениях клеток формируются в рамках одного и того же аналитического рабочего процесса.
• Классификация с использованием искусственного интеллекта: Алгоритмы систематизируют или классифицируют информацию о клетках, полученную на основе изображений, в соответствии с проверенными возможностями системы.
• Обзор, составленный на основе лабораторных данных: Количественные результаты, отметки, данные, связанные с морфологией, и соответствующие изображения анализируются в комплексе. В соответствии с правилами лаборатории определяется, какие результаты требуют дополнительного внимания со стороны специалистов.
• Дополнительная проверка в случае необходимости: Ручной анализ мазка, микроскопия, повторное обследование или другие последующие процедуры могут по-прежнему применяться в тех случаях, когда результаты автоматического анализа являются неоднозначными, не согласуются с другими лабораторными данными или соответствуют установленным критериям для повторной экспертизы.
• Анализ результатов и отчетность: Перед утверждением и обнародованием результатов квалифицированный персонал выполняет лабораторные процедуры.

В данной модели морфологический анализ изображений уже интегрирован в исходный рабочий процесс гематологического исследования. Лаборатория не обязательно принимает решение генерируются ли изображения после флага; вместо этого правила проверки определяют результаты которых требуют дополнительной профессиональной оценки.

Сайт Разница Именно здесь морфология вступает в рабочий процесс

Оба подхода предусматривают профессиональный контроль. Основное различие заключается в том, на каком этапе становится доступной информация, связанная с морфологией.

Архитектура рабочего процесса	Когда речь заходит о морфологии	Роль правил проверки лабораторных результатов
Цифровая морфология на последующих этапах обработки	После скрининга с помощью CBC — для отобранных образцов	Определяет, какие образцы направляются на визуализацию мазков и морфологическую оценку
Комплексная гематология на основе изображений	В ходе первичного аналитического цикла общего анализа крови	Определяет, какие результаты, основанные на изображениях, требуют дополнительной профессиональной экспертизы или дальнейших действий

Таким образом, ИИ не заменяет экспертную оценку в лаборатории ни в одной из этих моделей. Его роль заключается в том, чтобы помочь систематизировать, классифицировать и представить информацию, касающуюся морфологии, в рамках архитектуры, используемой лабораторией. Практическая ценность зависит от того, интегрирована ли эта информация в четкий процесс экспертной оценки, подкреплен ли он соответствующими процедурами обеспечения качества и интерпретируется ли она квалифицированным персоналом.

Сценарии применения рабочих процессов CBC с использованием искусственного интеллекта

Различные медицинские учреждения сталкиваются с разными ограничениями, поэтому ценность Анализатор AI CBC будет зависеть от конкретного случая применения. Не следует оценивать одну и ту же технологию по единому критерию: “чем больше автоматизации, тем лучше”.

Центральные лаборатории

Центральные лаборатории с большим объемом работы могут извлечь максимальную выгоду из структурированной системы обработки исключений. Зачастую приоритетом является не просто быстрое получение результатов, а обеспечение эффективной передачи отмеченных и сложных образцов на соответствующую экспертизу. Предварительная классификация с помощью искусственного интеллекта и выводы, подкрепленные изображениями, могут помочь экспертам сосредоточиться на образцах, имеющих большее значение с точки зрения морфологии.

Для этих лабораторий важна интеграция. Платформа для морфологического анализа, не встроенная в основной процесс проверки результатов, может привести к появлению дополнительного этапа ручной передачи данных. Операционная эффективность повышается, когда количественные данные, изображения, инструменты проверки и рабочие процессы лабораторной информационной системы скоординированы между собой.

Отделения больницы и исследования, требующие срочного проведения

Отделения неотложной помощи, стационарные отделения, гематологические отделения и онкологические учреждения могут уделять особое внимание своевременному выявлению образцов, требующих передачи на более высокий уровень. Анализатор не ставит диагноз, но может помочь лаборатории определить, какие результаты следует рассмотреть в первоочередном порядке.

Главное требование — это наглядность. Экспертам необходим формат результатов, в котором были бы объединены данные о количестве клеток, соответствующие отметки, подсказки, касающиеся морфологии, и доступные изображения, чтобы им не приходилось переключаться между несколькими несвязанными интерфейсами. Четкий рабочий процесс способствует более быстрому принятию решений при экспертизе, обеспечивая при этом надлежащий профессиональный контроль.

Распределенные среды и среды с ограниченными ресурсами

Небольшие лаборатории, амбулаторные учреждения и распределенные сети медицинских учреждений могут иметь ограниченный доступ к специалистам с обширным опытом в области морфологии. В таких условиях компактные автоматизированные системы и стандартизированная визуализация могут способствовать повышению доступности информации, связанной с морфологией, в рамках рутинного процесса проведения анализов.

Цифровые изображения также могут служить основой для дистанционных консультаций или централизованного анализа, если это допускают правила работы лаборатории и местные процедуры. Это не устраняет потребность в квалифицированных специалистах. Однако это может облегчить направление экспертных знаний специалистов на те образцы и объекты, которые в них больше всего нуждаются.

От отраслевой тенденции до готовой к внедрению системы

Тенденция к внедрению интеллектуальных морфологических решений влияет на подход к разработке гематологических платформ. Помимо рутинного анализа, лаборатории всё чаще ожидают, что экспертная оценка на основе изображений, распознавание с помощью искусственного интеллекта, автоматизация и интеграция информационных систем будут работать в комплексе, а не существовать как отдельные компоненты.

Компания Ozelle реализует этот подход с помощью своей платформы «AI × Complete Blood Morphology» (AI × CBM), которая позволяет интегрировать результаты морфологического анализа с использованием искусственного интеллекта и изображения клеток в рабочие процессы гематологов. Данная платформа отражает общее стремление к переходу от предоставления отдельных параметров к более структурированной и поддающейся проверке информации о морфологии.

В этих рамках Автоматический гематологический анализатор O-Cyte 1 объединяет 7-параметрический анализ CBC с морфологической оценкой на основе искусственного интеллекта в рамках единого рабочего процесса. Система автоматически распознает и классифицирует клетки крови, сопоставляя количественные показатели и результаты морфологического анализа с соответствующими изображениями клеток. Такой подход предоставляет специалистам лаборатории более прямой путь от уведомления о отклонении до подтверждающих изображений для дальнейшего изучения.

Для лабораторий, которые рассматривают вопрос о том, как технологии анализа морфологических показателей вписываются в их собственную среду проведения исследований, Решения Озелла в области гематологии служить ориентиром для изучения возможностей объединения рутинного анализа общего анализа крови, информации, полученной на основе изображений, и экспертизы с использованием искусственного интеллекта в рамках единой операционной модели.

Следующий этап анализа CBC

Следующий этап развития гематологии, вероятно, будет зависеть не только от искусственного интеллекта, но и от того, насколько эффективно удастся интегрировать количественный анализ общего анализа крови, морфологию, цифровые данные и экспертную оценку.

Рабочий процесс в гематологии, основанный на анализе изображений с использованием искусственного интеллекта, может дополнить количественную, дифференциальную, графическую и обозначенную флажками информацию, уже получаемую с помощью автоматизированных систем общего анализа крови, визуальными данными о морфологии. Цель заключается не в том, чтобы исключить из процесса профессиональную экспертизу, а в том, чтобы сделать информацию о морфологии более доступной, удобной для анализа и лучше интегрированной в установленные лабораторией процедуры.