摘要
背景/目的：临床细胞遗传学已从将人工智能（AI）整合到数字核型分析系统中用于染色体的分割和分类中获益。中期图像识别和采集使用传统的中期查找分类器，其特异性有待提高，尤其是在低有丝分裂指数标本中降低检测阈值时会导致更高的碎片选择率。利用AI在10倍放大倍数下可靠地检测中期可能解决这一问题。本研究比较了一种新型基于AI的中期查找算法与传统非AI分类器的表现。方法：对105例正常和异常的外周血（PB）及骨髓（BM）标本的G显带玻片在10倍放大倍数下进行扫描，并使用HiBand系统（Applied Spectral Imaging）在100倍放大倍数下采集图像，分别使用自动中期查找功能和AI辅助算法各采集一次。比较每张玻片最多100张采集图像中的真实中期与碎片数量，并使用两种方法评估图像质量指标。结果：与非AI分类器相比，AI分类器在正常BM标本中的真实中期检出率平均为82.5 ± 19.9（提高6.3%），而正常BM为非AI分类器的77.3 ± 21.6；在异常BM标本中，AI分类器的检出率为89.7 ± 14.2（提高14.6%），而异常BM为非AI分类器的72.1 ± 18.5。正常PB标本中两种分类器无差异（97.6 ± 1.5与97.1 ± 2.9），异常PB标本中AI分类器较非AI分类器下降2.6%（95.4 ± 4.2与97.9 ± 2.2）。所有病例均显示出可比的图像质量。结论：本研究表明，AI辅助的中期查找器在BM标本中提高了真实中期的采集率，优于非AI分类器，同时在PB标本中保持了高保真度。这些发现为临床细胞遗传学中人工智能整合的不断扩展的文献做出了贡献。
