CellaVision DM96自動化數字圖像分析系統紅細胞形態分類的性能評價

沈蕙穎， 林孝怡， 楊 慧， 鄭建新

（1.上海交通大學醫學院附屬上海兒童醫學中心檢驗科，上海 200127；2.上海交通大學醫學院附屬瑞金醫院檢驗科，上海 200025）

臨床上較多疾病的診斷（如溶血性貧血、血栓性血小板減少性紫癜等）依賴于外周血異常紅細胞形態的檢查。雖然人工顯微鏡下細胞分類仍然是外周血血細胞形態學分類的金標準，但該方法費時費力，并且需要經驗豐富的技師來操作，不同技師間分類結果差異較大。目前，市售的自動化數字圖像分析系統，如CellaVision DM96（簡稱DM96）自動化數字圖像分析系統已實現了對外周血血涂片細胞形態的有效識別，極大程度地提高了分片效率。因其具有操作簡便、快速、自動化、可標準化等優點，已在不少實驗室較廣泛地應用。本研究旨在評價DM96紅細胞形態預分類結果與人工顯微鏡檢查結果之間的一致性。

1 材料和方法

1.1 標本

采集上海交通大學醫學院附屬上海兒童醫學中心門診和住院貧血、骨髓纖維化、紅白血病、急慢性炎癥、球形紅細胞增多癥、異常血紅蛋白病、溶血尿毒癥綜合征等患兒外周血標本500份，乙二胺四乙酸二鉀抗凝。

1.2 儀器

奧林巴斯CX21顯微鏡（日本奧林巴斯公司）；CellaVision DM96自動化數字圖像分析系統（瑞典CellaVision AB公司）；SP-10涂片機（日本Sysmex公司）。

1.3 試劑

瑞氏-姬姆薩復合染色液（珠海貝索生物技術有限公司）。

1.4 方法

1.4.1 人工顯微鏡檢查 500份血標本經SP-10涂片機制片后，瑞氏-姬姆薩復合染色液染色，選擇血涂片厚薄均勻的部位，100×物鏡和10×目鏡下，計數8個視野中各種類型異常紅細胞百分比。異常紅細胞形態特征及陽性判斷標準參照2015年國際血液學標準化委員會（the International Council for Standardization in Haematology，ICSH）推薦標準[1]。

1.4.2 DM96紅細胞形態預分類 DM96由涂片掃描裝置和裝有血細胞分析軟件的計算機組成。外周血血涂片裝載到該系統后，儀器開始自動掃描涂片，并拍攝數碼照片。每張血涂片分析2 000～4 000個紅細胞，經軟件識別后輸出預分類結果。

1.5 統計學方法

以人工顯微鏡下紅細胞形態分類結果為金標準，計算DM96異常紅細胞形態預分類結果的敏感性、特異性、一致性、假陽性率和假陰性率。

2 結果

人工顯微鏡檢查發現500例患者標本中350例患者為紅細胞形態中度或顯著異常，涵蓋嗜多色紅細胞（194例）、淚滴狀紅細胞（117例）、低色素紅細胞（60例）、大紅細胞（51例）、毫焦小體（39例）、小紅細胞（35例）、靶形紅細胞（30例）、球形紅細胞（25例）、鐮形紅細胞（21例）、棘形紅細胞（20例）、裂紅細胞（15例）、口形紅細胞（13例）等12種異常紅細胞形態。異常例數最多的紅細胞形態為嗜多色紅細胞（194例），異常例數最少的紅細胞形態為口形紅細胞（13例）。

DM96紅細胞形態預分類結果的總準確性為94.9%。敏感性隨紅細胞異常類型而異（23.1%～89.7%），特異性為91.6%～99.8%，一致性為91.0%～98.8%，假陽性率為0.2%～8.4%，假陰性率為10.3%～76.9%。見表1。

表1 DM96紅細胞形態預分類性能 （%）

3 討論

目前，DM96白細胞分類結果評價的研究較多，但對其異常紅細胞分類的性能評價較少。本研究中DM96紅細胞預分類結果的總體準確性較高（94.9%），與先前的一項對比研究結果一致（92.0%）[2]。BRIGGS等[3]的研究結果顯示，DM96對嗜多色紅細胞、低色素紅細胞、小紅細胞、大紅細胞、紅細胞大小不均和畸形紅細胞預分類結果的一致性為42%～87%，對預分類結果進行再分類后，其一致性提高至74%～85%。最新發表的一項關于DM96異常紅細胞形態半定量分級系統結果準確性的研究結果顯示，對于大多數異常紅細胞形態類型，DM96半定量分級結果與手工鏡檢結果的一致性在可接受范圍內（56.9%～100.0%），其對嗜多色紅細胞分級結果準確性最低。對于橢圓形紅細胞、紅細胞碎片、鐮形紅細胞、球形紅細胞、靶形紅細胞、淚滴狀紅細胞、豪焦小體及含鐵小體分級結果的一致性均在80%以上[4]。

雖然多項研究結果均顯示DM96的總準確性較高，但其對異常紅細胞形態分類的敏感性因紅細胞異常類型而異。本研究結果顯示，DM96對豪焦小體、嗜多色紅細胞、淚滴狀紅細胞識別的敏感性較高，分別為89.7%、88.1%和86.3%，對大紅細胞和口形紅細胞識別的敏感性較低，分別為33.3%和23.1%。其原因可能是口形紅細胞陽性標本例數過少、部分大紅細胞儀器掃描后沒有列入自動判別或紅細胞識別軟件功能不足等。HORN等[5]的研究結果顯示，DM96對紅細胞凝集和棘形紅細胞的識別敏感性較低，分別為33%和47%，對口形紅細胞和鐮形紅細胞的識別敏感性較高，均為100%。2項研究對不同類型異常紅細胞識別敏感性差異可能與所選取的標本有關，也可能與研究使用的異常疾病的類型不同有關，還可能與制片、染液質量等因素有關。DM96敏感性因紅細胞異常形態而異的原因尚不明確，也無相關文獻報道，有待于在以后的工作中進一步摸索和總結。理想狀態下，應盡量提高儀器對診斷價值較大的異常紅細胞形態（如靶形紅細胞、鐮形紅細胞、淚滴狀紅細胞、寄生蟲進入紅細胞內、球形紅細胞和裂紅細胞等）分類結果的敏感性，從而減少手工復檢次數。CRIEL等[6]的研究結果表明，通過優化各紅細胞形態的陰性和陽性臨界值，可使DM96對診斷價值較大的異常紅細胞形態分類敏感性均達80%以上。

綜上所述，DM96對異常紅細胞分類的特異性較高，但其敏感性因不同紅細胞異常形態而異。臨床上應優化紅細胞形態陰性和陽性臨界值，提高其敏感性。同時必須特別關注敏感性較低的異常紅細胞類型，謹慎對待儀器分類結果，必要時進行人工顯微鏡復檢。

[1]PALMER L，BRIGGS C，MCFADDEN S，et al. ICSH recommendations for the standardization of nomenclature and grading of peripheral blood cell morphological features[J]. Int J Lab Hematol，2015，37（3）：287-303.

[2]CEELIE H，DINKELAAR R B， VAN GELDER W. Examination of peripheral blood films using automated microscopy； evaluation of Diffmaster Octavia and Cellavision DM96[J]. J Clin Pathol，2007，60（1）：72-79.

[3]BRIGGS C，LONGAIR I，SLAVIK M，et al. Can automated blood film analysis replace the manual differential？An evaluation of the CellaVision DM96 automated image analysis system[J]. Int J Lab Hematol，2009，31（1）：48-60.

[4]NAKASHIMA M O，DOYLE T J，PHELANLEWIN K，et al. Assessment of semi-quantitative grading of red blood cell abnormalities utilizing images from the CellaVision DM96 compared to manual light microscopy[J]. Int J Lab Hematol，2017，39（5）：e110-e112.

[5]HORN C L，MANSOOR A，WOOD B，et al.Performance of the CellaVisio（? ）DM96 system for detecting red blood cell morphologic abnormalities[J].J Pathol Inform，2015，6：11.

[6]CRIEL M，GODEFROID M，DECKERS B，et al.Evaluation of the red blood cell advanced software application on the CellaVision DM96[J]. Int J Lab Hematol，2016，38（4）：366-374.