2024年1月18日，复旦中山检验科最新研究成果《Detection of Circulating Plasma Cells in Peripheral Blood Using Deep Learning-Based Morphological Analysis》在国际权威杂志Cancer（IF=6.2，JCR Q1区，Doi:10.1002/cncr.35202）发表。
研究背景
多发性骨髓瘤（multiple myeloma，MM）是一种浆细胞克隆性增殖疾病，其发病率高居血液系统肿瘤第二位。在MM疾病进展中，恶性浆细胞会突破髓血屏障迁移到外周血中，形成循环浆细胞（circulating plasma cells，CPCs），导致肿瘤播散，甚至会演变为高度侵袭性的浆细胞白血病。研究表明，早期检出CPCs对MM患者的早诊早治、预后评估以及疾病监测都发挥了关键作用。目前，形态学筛查是用于检测CPCs的常用手段。尽管该方法具有简单、快速和经济的优点，但由于CPCs往往数量较少，再加上镜检技术人员的专业能力参差不齐，其灵敏度和重复性较低，难以满足临床需求。
近年来，随着数字形态学的快速发展，人工智能（artificial intelligence，AI）算法在血细胞筛检识别方面表现出巨大潜力。复旦中山检验科郭玮教授牵头，与杭州智微AI血细胞分析平台Morphogo团队合作，开发了一种基于深度学习的CPCs形态学检测方法。该方法具有较高的灵敏度和特异性，能够有效弥补人工镜检的不足，助力CPCs的快速精准检测。
主要研究内容
一、AI助力血涂片CPCs的智能识别
本研究采用迁移学习策略，应用Morphogo获取了来自MM患者群体的305019张细胞图像（137份骨髓涂片，72份外周血涂片），用于卷积神经网络的训练。训练完成后，Morphogo可以实现CPCs全自动检测：（1）使用物镜全片扫描，生成数字化图像（whole slide imaging，WSI）；（2）切换油镜检测细胞边界并从图像中提取有核细胞；（3）通过细胞分类算法识别其中的CPCs，并进行计数（图1）。
图1. Morphogo智能识别CPCs的工作流程
二、Morphogo识别外周血CPCs具有较好的检测效能
本研究对外周血涂片进行了数字化和细胞自动分类验证测试。结果显示Morphogo识别CPCs的敏感性、特异性、准确性、阳性预测值和阴性预测值分别为89.03%、99.68%、99.64%、50.96%和99.96%（表1、图2）。
表1. Morphogo进行外周血白细胞分类
及CPCs识别的检测效能
图2. Morphogo进行外周血白细胞分类及CPCs识别的检测效能能级图
采用t-SNE降维算法进一步分析后，发现Morphogo能够有效分辨不同类别细胞间的特征性差异，提示其对浆细胞识别具有较高的特异性（图3）。
图3. Morphogo对不同类型细胞的差异性区分测试结果
三、Morphogo对CPCs的检测能力优于血液形态学专家
本研究还分析了不同分类阈值下Morphogo的检测性能，并比较了Morphogo与血液形态学专家对CPCs的识别能力。
结果显示当阈值设置为0.600时，Morphogo检测CPCs的灵敏度为96.15%、准确性为83.15%、阴性预测值为98.06%，在该阈值下能够实现对CPCs的高灵敏筛查。当阈值设置为0.870时，Morphogo检测CPCs的特异性为93.94%、准确性为88.59%、阳性预测值为82.98%，在该阈值下的特异性显著增加，能够实现对CPCs的准确分类（表2）。
表2. Morphogo与血液形态学专家
对CPCs检测性能的比较
无论是在高灵敏度或高特异性条件下，Morphogo的受试者工作特征曲线（receiver operating characteristic，ROC）均提示该方法对CPCs的检测能力显著优于血液形态学专家（图4）。
图4. Morphogo和血液形态学专家检测CPCs的性能比较
四、Morphogo检测CPCs能够用于评估MM患者预后
CPCs的出现是浆细胞疾病（包括意义未明单克隆免疫球蛋白血症、冒烟型骨髓瘤和MM）进展的高危因素，CPCs的数量也在一定程度上反映肿瘤负荷。本研究回顾性收集了74例MM患者的外周血涂片，用于探索Morphogo检测CPCs的能力是否具有评估MM患者预后的潜能（图5）。
图5. MM患者的无进展生存曲线
无进展生存曲线结果显示，能够被Morphogo检测出CPCs的MM患者首次发生疾病进展的中位时间为18个月，远低于未被检测出CPCs患者的34个月（p <0.01）。这说明基于AI驱动的Morphogo系统检测CPCs在评估MM患者预后方面具有重要价值。
研究总结
本研究首次提出了基于深度学习的AI技术对外周血涂片中的CPCs进行自动化检测，是数字形态学在血细胞筛检识别方面应用的重要进步。该研究提出的Morphogo平台不仅能够实现血涂片CPCs的自动化筛查计数，而且其检测能力显著优于传统的人工镜检方法，在MM疾病的初筛、风险分层、预后评估和疾病监测方面都具有极大的应用潜力。
未来，复旦中山检验血液病综合诊断团队将以本研究为起点，继续深入研究Morphogo平台检测CPCs的临床应用价值，并探索AI技术在其他检验形态学方面的应用。
全文链接：点击文末“阅读原文”
