一种用于支持血液系统恶性肿瘤细胞形态学分析的可解释多模态分层框架

《npj Digital Medicine》：Interpretable multi-modal hierarchical framework to support cytomorphological analysis of hematologic cancers

　　摘要骨髓穿刺物（BMA）和血涂片（PBS）的细胞形态学分析仍然是血液学诊断的重要基石。机器辅助分析可以支持诊断工作流程，但由于血液系统恶性肿瘤的患病率不平衡以及受生物学和治疗因素影响而形成的细胞形态学多样性，仍然具有挑战性。在此，我们将细胞级别的多实例学习扩展到层次化多模态框架，纳入BMA和PBS以及最近的化疗暴露（是/否），以将血液系统恶性肿瘤分类为八个主要类别。我们数字化了近50,000张×100倍放大倍数的病理切片，包括17,000对BMA+PBS配对样本，涵盖所有血液系统疾病和疾病阶段。该框架在区分血液系统癌症方面实现了高准确性（AUROC > 0.90），包括急性白血病、骨髓增殖性肿瘤和多发性骨髓瘤。多模态融合优于单模态基线，证明了BMA和PBS在解决不确定性方面的互补效用。注意力机制通过精确定位具有影响力的细胞和形态学模式提供了可解释的见解。总之，我们提出了一个智能系统，以协助细胞形态学评估，支持疾病分类，并能够在随访环境中基于形态学区分恶性与非恶性骨髓状态。