基于人工智能的未成熟白细胞亚型分类方法系统综述与Meta分析

《Machine Learning with Applications》：Systematic review and meta-analysis of AI methods for immature WBC subtype classification

　　

背景：基于计算机视觉和机器学习的自动化形态学分析可能支持急性髓系白血病（AML）中未成熟白细胞亚型的分类，但不同研究和细胞类型之间的报告性能存在差异。研究人员系统综合了成红细胞（EBO）、原单核细胞（MOB）、原粒细胞（MYO）和早幼粒细胞（PMO）图像级分类的相关证据。
方法：研究人员对评估AI模型用于未成熟白细胞亚型分类的诊断准确性研究进行了系统综述和随机效应Meta分析。针对每种亚型，重建了一对多2×2计数（真阳性TP、假阳性FP、假阴性FN、真阴性TN），并采用logit尺度上的随机效应模型估计合并敏感性和特异性。异质性通过I²和τ²量化。使用QUADAS-AI框架评估偏倚风险和适用性。
结果：共纳入6项研究。所有亚型的合并特异性均持续较高。MYO（98.7%）、EBO（94.3%）、MOB（89.1%）的合并敏感性较高，但PMO（65%）的合并敏感性明显较低且变异更大，这与相邻成熟阶段之间的形态学重叠以及模型对边界细胞的保守行为一致。按特征提取范式进行的亚组分析揭示了一种初步的异质性模式：手工设计（HC）流程的异质性最小（EBO、MOB和MYO的I²=0%），混合（HYB）流程处于中等水平，端到端（E2E）深度学习流程的异质性最大（I²最高达99%）。QUADAS-AI评估显示，所有研究在数据集选择和待评价试验领域均存在高偏倚风险，限制了证据确定性和临床推广性。
结论：当前AI系统在AML未成熟白细胞分类中表现出持续较高的特异性，但敏感性变异较大，其中PMO仍是最具挑战性的亚型。所有六项研究均源自同一基准数据集，限制了通用性；临床部署前需要进行独立的前瞻性验证。

1. Introduction
急性髓系白血病（AML）是一种累及髓系细胞的急性白血病，以原粒细胞快速增殖并取代血液中正常细胞为特征。外周血分析通常显示白细胞增多、贫血和血小板减少。骨髓活检和基因检测虽具侵入性且费用高昂，但常用于确诊。基于外周血涂片的未成熟白细胞（WBC）形态学分类仍是法美英（FAB）分型系统下AML亚型划分的核心，该系统依据原始细胞形态和分化阶段区分八种亚型。未成熟亚型（如EBO、MOB、MYO、PMO）在相邻成熟阶段之间共享重叠的核大小、染色质纹理和胞质特征，导致类间形态差异极小，使手动分类具有主观性、劳动密集且易受观察者间差异影响。计算机视觉和机器学习方法被开发用于解决这些问题，提供可重复且经济的自动化方案。鲁棒分类器的开发仍受限于AML原始细胞的形态异质性、临床标本中未成熟亚型高度偏斜的类别分布，以及公开标注数据集的稀缺。将AI整合入网络化临床诊断环境还引入了数据安全和隐私考虑。既往研究采用三种特征提取范式：手工设计（HC）流程显式构建形态学、分形和纹理描述符用于传统分类器；端到端深度学习（E2E）流程直接从原始像素联合优化特征提取与分类；混合（HYB）流程将无监督深度特征提取与有监督分类分阶段结合。已有研究报告了不同水平的表现，如随机森林达93%准确率、支持向量机达80%、ResNeXt-50达98.6%的AUC等，但性能因范式、细胞类型和研究而异，尚无定量综合系统表征这种变异。关键限制是所有合格研究均使用同一单中心LMU AML Cytomorphology数据集。本综述旨在为四种未成熟亚型提供模型级合并敏感性和特异性基准，通过三组亚组分析量化特征提取范式相关的异质性，并采用QUADAS-AI框架评估方法学质量。
2. Methods
2.1. Study Search and Selection Strategy
本综述遵循PRISMA 2020指南，并使用QUADAS-AI（QUADAS-2的AI适配扩展）进行方法学质量评估。于2024年3月系统检索Web of Science（WoS）和PubMed，限定2019年1月至2024年3月间英文研究，涉及使用机器学习或深度学习对外周血涂片图像进行AML未成熟WBC分类。WoS检索式经试点迭代，纳入形态学、分形和纹理特征等HC范式术语；E2E和HYB研究通过补充PubMed检索和引用追踪识别。共获得66条记录，经标题/摘要和全文筛选后，6项研究符合纳入标准。排除标准包括：评估成熟WBC分类、仅分割或二元原始细胞检测；未对四种目标亚型进行类级区分；缺乏亚型级2×2列联表重建所需数据。
2.2. Data Collection
两位作者独立提取数据，包括图像数量、WBC类型、预处理技术、特征提取方法、架构类型、范式、分类算法及结果（敏感性和特异性）。
2.3. Dataset
所有研究均使用LMU AML Cytomorphology数据集，包含从100例AML患者和100例非恶性对照外周血涂片中提取的超过18,000张专家标注的单个白细胞图像。每张白细胞由两位病理学家根据15类临床诊断细胞类别标注，重点识别形态学不典型和恶性原始细胞。数据集提供裁剪后的单细胞未压缩图像，并公开可用，已成为血液学诊断深度学习模型开发的基准资源。
2.4. Quality assessment for the identified studies
采用QUADAS-AI评估四个领域：患者/数据集选择、待评价试验（AI模型）、参考标准、流程/时间。所有六项研究在患者选择领域均评为高风险（使用精选、单中心、病例对照图像队列，而非连续临床涂片系列）；待评价试验领域评为高风险或不明确（训练和测试使用同一回顾性数据集，图像级而非患者级划分，可能导致数据泄漏）；参考标准领域均评为低风险（由专家血液病理学家依据既定形态学标准标注）；流程/时间领域均评为不明确（分割失败、细胞排除和预处理决策报告不完整）。因此，合并估计代表受控条件下的最佳性能，应解释为真实世界诊断准确性的上限近似值。
2.5. Data extraction
目标为图像级诊断性能，将多分类模型输出转换为每种目标亚型的一对多二元任务。提取来源优先级为：已发表的数值混淆矩阵、图中混淆矩阵（由两位评审者逐格转录）、从报告敏感性、精确率和类别总数重建。转换规则定义了从多分类混淆矩阵推导TP、FN、FP、TN的公式，以及基于指标的重建公式。所有计数经逻辑一致性验证，并对重建值与报告值进行容差≤0.5个百分点的核对。完整的2×2计数及来源类型见补充表S4。
2.6. Feature-Extraction Paradigm Classification
将纳入研究分为三种范式。HC：Dasariraju等人使用16种形态学特征（核大小、形状、LAB颜色属性）与随机森林；Dincic等人使用形态学、分形和GLCM纹理描述符与支持向量机。E2E：Matek等人使用预训练ResNeXt-50，Bairaboina和Battula使用GhostNet结合优化ResNeXt。HYB：Elhassan等人（2023）使用深度卷积自编码器（DCAE）与CNN分类器；Elhassan等人（2024）提出CAE-ResVGG FusionNet，整合卷积自编码器与ResNet50和VGG19。
2.7. Statistical analysis
对每种亚型分别进行敏感性和特异性Meta分析。计算研究水平敏感性和特异性后，采用Clopper-Pearson精确法计算95%置信区间。使用反方差法在logit尺度上拟合DerSimonian-Laird随机效应模型，对零单元格应用0.5连续性校正，合并估计反向转换回比例尺度，并计算95%预测区间（基于k-2自由度的t分布）。异质性通过Cochran's Q、τ²和I²量化。由于所有研究源自同一数据集，分析被定性为固定数据环境内的模型级基准综合。亚组分析按范式分为三组，每组k=2，因小样本结果视为探索性。敏感性分析仅纳入直接提供或图转录混淆矩阵的研究（k=2），通过合并点估计绝对差异和偏倚方向评估稳健性。
3. Results
随机效应Meta分析显示：MYO合并敏感性为98.7%（95% CI: 95.9-99.9%，I²=97.7%），合并特异性为94.0%（95% CI: 82.2-98.2%，I²=98.2%）；EBO合并敏感性为94.3%（95% CI: 88.2-97.3%，I²=50.6%），特异性为99.9%（95% CI: 99.5-100.0%，I²=86.8%）；MOB合并敏感性为88.0%（95% CI: 70.0-96.5%，I²=70.1%），特异性为99.9%（95% CI: 99.4-100.0%，I²=89.0%）；PMO合并敏感性为65.0%（95% CI: 50.3-77.3%，I²=78.9%），特异性为99.7%（95% CI: 99.1-99.9%，I²=91.9%）。亚组分析显示，HC范式的异质性最低（EBO、MOB、MYO敏感性I²=0%），E2E范式异质性最高（如MYO敏感性I²=99.0%），HYB居中。敏感性分析中，仅纳入直接或图转录混淆矩阵的两项研究后，合并点估计的绝对差异在敏感性为0.1-6.7%，特异性为0.4-1.4%，所有类别的置信区间均完全重叠，未发现系统方向性偏倚，支持主要分析稳健性。
4. Discussion
模型对四种未成熟亚型均表现出持续高特异性，而敏感性在EBO、MOB、MYO较高，但PMO明显较低且变异更大。这符合生物学预期：疾病定义的形态学特征微妙且异质，固有地限制敏感性，而正常组织缺乏这些标志使类排除比类检测更可靠，系统性推高特异性。在显著类别不平衡下，经验风险最小化将决策边界推向多数类，限制阳性分配到形态学典型细胞，以最小化假阳性为代价增加罕见亚型的假阴性。PMO敏感性低的原因包括：PMO在成熟连续谱两端均存在形态学重叠（与MYO共享核大小、染色质纹理和核仁突出，唯一区别是原发性嗜天青颗粒；与早期中幼粒细胞边界颗粒减少），以及模型系统性避免将边界细胞分入PMO类。原始研究特征分析证实，核质比和颗粒纹理是PMO区分度最低的特征，且PMO与MOB类间距离最小。E2E流程中，形态相似细胞间的决策边界直接从数据学习，在稀疏或不平衡采样下不稳定。亚组分析显示HC异质性最低，E2E最高，HYB居中，但范式与样本量、增强策略、分割方法、架构等混淆，机制解释仅为推断。E2E模型并未在合并估计中统一优于HC或HYB，表明在数据有限或类别不平衡时，架构复杂性不保证可重复的诊断准确性。QUADAS-AI评估表明，所有研究在患者选择和待评价试验领域存在高偏倚风险，包括病例对照采样、图像级划分、无外部验证。最根本的局限是全部六项研究源自同一单中心数据集（LMU AML Cytomorphology），降低了证据独立性并引入模型间误差相关，合并置信区间可能窄于独立队列获得的结果。其他局限包括k=6导致无法进行稳健元回归、单操作点敏感性/特异性无法建模阈值、报告不完整等。敏感性分析支持主要结果稳健。对于研究人员，PMO敏感性是首要性能差距，需要患者级划分、惩罚罕见亚型假阴性的训练目标以及标准化QUADAS-AI对齐报告。对于临床医生，当前AI系统最适合作为预筛查和标注可疑细胞的辅助决策工具，尤其是在PMO上不应独立诊断。
5. Ethical consideration
所有纳入研究均使用LMU AML Cytomorphology数据集的回顾性匿名图像，该数据集在机构伦理批准下收集，本综述未访问任何患者可识别数据。临床部署前需考虑：单中心训练导致跨机构性能不平等的风险；网络化环境中的数据安全和患者隐私需要制度治理；分类器应仅作为专家血液学监督下的决策支持工具而非自主诊断替代品，对PMO尤其重要，因其敏感性最低且漏诊直接影响AML治疗分层。
6. Conclusion
当前用于AML未成熟白细胞亚型分类的AI分类器在受控基准条件下对EBO、MOB、MYO和PMO表现出持续高的图像级特异性，但这些估计不应解释为临床确诊性能；需在真实流行率条件下进行前瞻性验证并纳入阳性预测值和决策曲线分析。敏感性在EBO、MOB和MYO上较高，但PMO仍不理想，限制了可靠的排除能力。这些模型最适合作为血液学形态学的辅助决策工具。在独立临床应用前需进行外部验证和针对PMO敏感性的改进。
7. Future work
未来进展需要五项基于证据的优先事项：（1）建立独立多中心前瞻性连续涂片数据集并采用患者级划分，这是最关键需求；（2）超越常规几何增强来解决类别不平衡，特别是PMO，生成式增强保留形态学相关特征多样性是有前途的方向；（3）解决扫描和染色硬件间的域偏移，域适应策略需前瞻性评估；（4）采用明确惩罚罕见亚型假阴性的校准策略；（5）未来研究报告完整混淆矩阵、决策曲线分析和常规诊断环境中的前瞻性工作流评估，并采用QUADAS-AI对齐的标准化报告格式，以支持透明综合和安全部署。