基于深度学习的骨髓细胞形态学分析揭示慢性髓系白血病诊断时粒细胞丰度与成熟状态预测无治疗缓解

本研究针对慢性髓系白血病（CML）患者无治疗缓解（TFR）预测缺乏标准化生物标志物的临床难题，通过多中心回顾性分析113例慢性期CML患者的诊断期骨髓涂片，采用深度学习驱动的Cellbytes图像分析系统，首次发现诊断时中性粒细胞比例升高（>44.9%）、粒红比（M:E Ratio）>10.6及中幼粒细胞核椭圆度变化等形态学特征与36个月TFR维持显著相关。该研究为利用常规骨髓形态学评估优化TFR预测提供了创新性循证依据。

　　

慢性髓系白血病（Chronic Myeloid Leukemia, CML）是一种由BCR::ABL1融合基因驱动的造血干细胞恶性克隆性疾病。酪氨酸激酶抑制剂（Tyrosine Kinase Inhibitors, TKIs）的应用显著改善了CML患者的预后，使治疗免费缓解（Treatment-Free Remission, TFR）成为可能。然而，约50%的患者在停药后会出现分子学复发，目前尚缺乏可靠的预测生物标志物来指导停药决策。尽管既往研究提示治疗持续时间、深度分子学反应持续时间等因素与TFR相关，但这些指标仍不足以实现精准预测。骨髓涂片形态学分析作为全球广泛应用的常规诊断手段，蕴含着丰富的疾病生物学信息，但其在TFR预测中的潜力尚未被系统探索。

为攻克这一难题，由Mikko Purhonen领衔的国际研究团队开展了一项多中心回顾性研究，成果发表于《Leukemia》。研究人员收集了来自全球7个临床中心的113例尝试过首次TKI停药的慢性期CML患者的诊断期骨髓涂片样本，并整合了942例非血液病对照样本。通过West Medica HemaVision Ultimate数字显微镜对涂片进行数字化扫描，分别获取10倍全玻片图像（Whole-Slide Image, WSI）和100倍油镜区域兴趣点（Region of Interest, ROI）图像。核心分析采用Cellbytes平台——一款基于深度学习算法的体外诊断软件，其计算机视觉算法采用卷积神经网络（CNN）架构进行细胞检测与分类，下游算法则对生成的细胞形态学数据进行深度挖掘。该技术实现了对数千个细胞/样本的高通量分析，显著超越了传统人工计数500个细胞的局限性。

研究首先通过UMAP（Uniform Manifold Approximation and Projection）可视化证实了细胞按谱系和成熟阶段的良好聚类，成功复现了CML患者骨髓中粒细胞谱系扩张（中位数32.2% vs 对照组22.2%）和成熟细胞区室增加（53.2% vs 36.6%）的典型特征，同时证实淋巴细胞、单核细胞和红细胞系比例降低。关键发现在于：通过Wilcoxon秩和检验和Kaplan-Meier分析揭示，诊断时中性粒细胞比例＞44.9%的患者12个月TFR率显著高于低比例组（66.2% vs 31.7%），粒红比（M:E Ratio）＞10.6的患者同样展示更优的TFR维持率（70.8% vs 37.9%）。形态计量学分析进一步发现，无复发患者的中幼粒细胞核椭圆度更高（反映更成熟状态），而早幼粒细胞核更圆；中性粒细胞核固体性（Solidity）变异度增大（提示分叶核成熟度更高）也与TFR正相关。这些形态学指标与ELTS评分、TKIs类型、转录本类型等临床因素无直接关联，凸显其独立预测价值。

研究还对比了不同临床结局患者的细胞形态差异：TFR维持组、晚期复发（＞6个月）、早期复发（≤6个月）及TKI治疗失败组显示，从TFR维持组到早期复发组，粒红比逐级下降而红细胞比例递增；治疗失败组却呈现高粒红比和高原始细胞比例的特殊模式。通过相关性分析发现，高粒红比与脾肿大显著相关，提示其或反映髓外造血或粒细胞脾脏滞留的病理生理过程。此外，细胞形态与比例存在内在联系：早幼粒细胞核椭圆度增高伴随其比例上升，中性粒细胞核固体性降低与中幼粒细胞比例减少相关，暗示成熟阻滞可能与复发风险存在生物学关联。

本研究结论强调，诊断时骨髓粒细胞系的扩张状态和成熟程度是预测TFR维持的潜在新型生物标志物。深度学习赋能的 computational cytomorphology 不仅验证了传统形态学认知，更挖掘出人眼难以量化评估的精细形态学参数（如核椭圆度、固体性变异），为理解CML的疾病异质性和停药后复发机制提供了新视角。研究成果有望推动骨髓形态学从定性诊断工具向定量预测工具转型，对临床制定个性化停药策略、改善患者生活质量及降低医疗成本具有重要意义。