编辑推荐：
本文利用人工智能模型 AIxURO 测量核质比（N/C）和核面积来识别异常细胞。研究发现 AIxURO 可优化诊断标准，0.66 的 N/C 比截断值或许更合适，且不同尿路部位可采用相同标准，为尿细胞学诊断提供新方向。
引言
《巴黎系统报告尿细胞学》（TPS）自 2015 年 12 月建立以来，规范了尿细胞学的解释和报告。以往临床虽认可尿细胞学对高级别尿路上皮肿瘤阳性识别的高特异性，但 “非典型细胞” 报告频繁且标准主观，后续膀胱镜检查昂贵又有创，非典型尿路上皮碎片的诊断也存争议。TPS 以特定核质比（N/C）作为异常细胞的主要诊断标准，要求 SHGUC 或 HGUC 的 N/C 比＞0.7，非典型尿路上皮细胞（AUC）的 N/C 比＞0.5，一定程度上降低了非典型性的报告率 ，提升了尿细胞学报告的准确性和规范性。
不过，TPS 的定量标准研究支持少，且在 AUC 和 SHGUC 的判读上存在主观性。随着数字病理学和人工智能（AI）的发展，研究人员开发了 AI 算法（AIxURO）用于尿细胞学检测。该算法能识别 HGUC 的形态学标准（如染色质过深、粗糙染色质、不规则核边界），测量 N/C 比和核面积，并依据 TPS 将异常细胞分类。研究人员还开展了一项多机构回顾性队列试点研究，旨在利用存档的尿细胞学标本，基于已知尿路上皮癌患者的标本确定细胞学 HGUC 的特征。
材料和方法
研究经台北荣民总医院、秀传纪念医院和童综合医院伦理委员会批准。研究人员检索 2017 - 2023 年实验室信息系统数据库，收集先前显微镜下分类为 AUC、SHGUC 或 HGUC 的尿细胞学标本患者信息。纳入标准为患者在尿液采集前后 6 个月内有一致的 HGUC 或原位癌（CIS）手术病理报告。最终纳入 106 例患者，排除 3 例（1 例非尿路部位活检，2 例低级别癌）。样本类型多样，包括排尿样本、冲洗样本等，且均进行巴氏染色，制备方法有 Cytospin、ThinPrep 等多种。
一位资深细胞技术专家检查所有细胞学玻片质量，确保适合数字化。使用 Aperio AT2 数字扫描仪将玻片转换为全切片图像（WSIs），并经质量控制（QC）程序检查。之后，经 QC 批准的 WSIs 用 AIxURO 算法进行分析。该算法基于深度学习实例分割模型，遵循 TPS 2.0 指南，此前已在大量尿路上皮细胞上训练和验证。AIxURO 平台将识别出的异常尿路上皮细胞分类并展示，供细胞病理学家和细胞技术专家评估。AIxURO 分析细胞后，量化可疑和非典型细胞数量、N/C 比和核面积，并进行统计分析 。
结果
在 106 例膀胱癌患者的尿细胞学玻片分析中，AIxURO 检测到的可疑细胞中位数（20.5）显著少于非典型细胞（242.0），且可疑细胞的 N/C 比（0.66）和核面积（102.3μm2）均显著高于非典型细胞（N/C 比 0.58，核面积 85.7μm2）。
研究涉及下尿路（LUT）和上尿路（UUT）癌症患者，UUT 病例中可疑和非典型细胞数量较多，可能与 UUT 病例中仪器 / 冲洗样本比例较高有关。LUT 和 UUT 病例中，可疑和非典型细胞的 N/C 比相当，但 UUT 病例中异常细胞的核面积中位数显著更小。
从细胞数量与活检结果的相关性来看，CIS 活检类别中可疑细胞和非典型细胞的中位数数量虽较高，但与其他活检类别相比，差异未达统计学意义。在形态学特征方面，不同活检类别（CIS、CIS - HGUC、HGUC）中，可疑细胞、前 24 个可疑细胞和非典型细胞的 N/C 比无显著差异；核面积方面，仅非典型细胞在不同活检类别间存在显著差异，且在 HGUC 细胞学类别中，CIS 的可疑和非典型细胞核面积均显著大于 HGUC 。
讨论
AIxURO 目前是尿细胞学解释的辅助研究工具，最终诊断仍需病理学家判断。研究中发现，AIxURO 能区分 HGUC 可疑细胞和非典型细胞，可疑细胞 N/C 比更高，支持 N/C 比作为恶性肿瘤的诊断标准，但不能仅依靠 N/C 比，还需结合形态学特征。研究队列中 UUT 癌症患者占比较高，且 LUT 和 UUT 病例的 N/C 比无差异，表明可采用相同 N/C 比标准进行尿细胞学诊断。
核面积也是重要的鉴别指标，可疑细胞核面积大于非典型细胞和良性反应性尿路上皮细胞。CIS 患者的尿细胞学标本显示出比 HGUC 更大的核面积，这可能有助于利用 AI 技术在膀胱癌筛查中提示 CIS，但目前因样本量等问题，暂无法确定 CIS 的核面积截断值。
UUT 和 LUT 癌的细胞学指标存在差异，UUT 标本细胞组成复杂，异常细胞核面积较小。研究还发现，以 0.7 作为 HGUC 的 N/C 比阈值可能过高，多数 HGUC 细胞虽未达到该阈值，但符合其他 HGUC 形态学或核面积标准。本研究样本量大，但也存在局限性，如未分析标本制备对结果的影响、部分病例同时存在 CIS 和 HGUC 影响结果、软件分析细胞类型有限、CIS 病例数少、AI 可能误分类淋巴细胞等 。
总体而言，AIxURO 为评估 TPS 标准提供了客观方法，支持不同尿路部位采用相同 N/C 比标准。研究表明当前 TPS 中 HGUC 的 N/C 比标准可能需调整，0.66 或许是更合适的截断值，但降低该阈值可能影响特异性，仍需进一步研究优化诊断准确性 。
