AI時代下骨髓細胞形態學的教學與思考*

馬影影，彭賢貴，高 蕾，高 力，孔佩艷，張 曦，張 誠

陸軍軍醫大學第二附屬醫院血液病醫學中心/全軍血液病中心/創傷、燒傷、復合傷國家重點實驗室，重慶 400037

人工智能(AI)是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新型技術科學。隨著AI技術的發展，在醫學領域，AI輔助識別及輔助診斷技術已被應用于影像學、病理學、藥物研發等方面，其強大的功能被臨床工作者及研究人員所認可。病理檢查是目前診斷腫瘤的金標準，而對于血液病來說，骨髓細胞形態學則有著舉足輕重的地位。前期，本中心將AI輔助識別及輔助診斷技術應用于血液病實驗診斷領域，在人工識別和機器判讀診斷競賽中，AI的表現堪稱完美[1]。此外，本中心還將AI圖像教學系統應用于臨床醫學學生骨髓細胞形態學的教學中，接受該教學方式的學生在骨髓細胞形態識別和血液病診斷方面均表現出明顯優勢，且該教學方式能提高課堂教學效果，調動學生學習的積極性，提升學習效率[2]。

1 骨髓細胞形態學的使用現狀

骨髓細胞形態學檢查是血液病患者的重要檢查項目之一，在血液病診斷、療效評估、預后判斷中具有重要價值。骨髓細胞形態學檢查作為常見的檢查方法，包含骨髓涂片、外周血涂片分析，要求制備的涂片著色均勻、細胞平鋪，放大1 000倍后仍可以區分骨髓細胞的形態學特征及類型，適用于貧血、出血、淋巴結腫大等的病因診斷[3]。無論是FAB分型還是WHO分型，骨髓細胞形態學均為血液病診斷的首要依據，以在光學顯微鏡下觀察細胞形態特征作為基礎，聯合組織學、免疫化學、分子診斷學、細胞遺傳學等進行綜合分析[4-6]。

但由于技術單一、觀察的對象只是細胞表面結構，以及對細胞形態的鏡檢結果判定高度依賴鏡檢者的主觀經驗等問題，導致骨髓細胞形態學檢查結果的準確性和穩定性不高[7]。且骨髓細胞形態學檢查結果還可能受到骨髓組織結構、增生度、細胞分布不均等因素的影響，導致難以準確地反映骨髓造血的實際狀態[8]。因此，要提高骨髓細胞形態學檢查結果的準確性，不僅要提高閱片人員的基礎辨讀能力及對疑難病例的掌握，還要加強實驗室與臨床科室的聯系，從根本上杜絕不合格標本的產生，做到標本獲取、制備、閱片及結果報告的標準化、規范化，并逐步做到細胞形態的辨認標準統一、規范。

2 骨髓細胞形態學的臨床教學現狀

骨髓細胞形態學歷來是臨床細胞學教學中的重點和難點，其要求學生掌握骨髓細胞形態特點及變化規律，但這部分內容的語言描述通常顯得抽象且枯燥，學生難以理解和記憶。提高骨髓細胞形態學的教學質量，幫助學生熟練掌握骨髓細胞形態學知識，是培養實用型醫學人才的重要環節[9]。

在講授骨髓細胞形態學相關知識之前，應先強化白細胞分類計數的理論及實驗教學，在學生對外周血細胞形態有深刻認識的基礎上，再講授血細胞的發育、演變規律及其形態，由淺及深、循序漸進。在理論課講授了各系統、各階段細胞的形態后，對形態較相似的細胞，如原紅細胞、原粒細胞、原單核細胞等進行比較、歸納，指出相同點與鑒別點，再在顯微鏡下示教，反復進行“認識、比較、熟悉、鞏固”這一過程[10-11]。

骨髓細胞形態學的教學更強調師生互動，與一般教學相比，其更注重直觀教學、實物教學、多媒體教學和強化實驗教學，同時還要注意知識的連貫性。但是在臨床教學中，學生實習的內容多、任務重，且分配到骨髓細胞學實驗室實習的時間短，很難按照“認識、比較、熟悉、鞏固”這一過程進行學習，更難達到讓學生參與檢驗工作的教學目的，導致無法充分調動學生學習的積極性。

3 AI技術在骨髓細胞形態學中的應用

近年來，AI技術在醫學檢驗領域的應用備受關注，其在標本處理、形態學檢驗及檢驗結果審查等過程中均發揮著重要作用，隨著AI技術的飛躍式發展，關于血細胞形態的AI技術研究也越來越多。在不同類型的血細胞識別方面，使用傳統圖像處理和卷積神經網絡方法對白細胞和紅細胞進行分類，識別有效率高達98%[12]；在血液系統惡性腫瘤細胞識別方面，使用K-means算法及向量機分類器對急性髓系白血病常見類型(M2～M5)的細胞形態進行自動識別的準確度可達96%，特異度達98%，具有較高的診斷效能[13-14]；應用圖像分割和數據挖掘算法檢測急性淋巴細胞白血病時，能準確區分正常和異常外周血涂片，給出異常細胞和正常細胞的特征值，準確率在細胞水平上可達98.10%[15]；SAEEDIZADEH等[16]使用瓶頸算法改進的SVM分類器在顯微圖像中能自動識別骨髓瘤細胞，對骨髓瘤細胞進行鑒定的靈敏度為96.52%，特異度為93.04%，準確度為95.28%。

隨著AI技術在血液腫瘤智能診斷研究中的深入，細胞形態和流式細胞儀數據的智能化分析將會逐步應用于血液腫瘤的輔助診斷，甚至還可以整合免疫表型、基因分型、染色體核型分析等相關信息，得出綜合性的診斷報告。與此同時，AI技術不僅提高了檢驗效率、減少了檢驗診斷誤差，也改善了我國醫療資源分配不均的現狀，讓偏遠地區的患者也能通過AI技術享受到最先進、最專業的醫學檢驗服務，從而進一步提高臨床工作質量。

4 AI技術在骨髓細胞形態學教學中的應用

隨著AI技術在骨髓細胞形態學及血液腫瘤智能診斷中的研究不斷深入，其在臨床中的應用也越來越廣泛，針對目前骨髓細胞形態學教學中存在的問題及AI技術在醫學中的發展趨勢，如何將AI技術與骨髓細胞形態學教學相結合，應用AI圖像教學系統進行教學，提高教學質量，是臨床教學需要突破的關鍵點。在AI技術的輔助下，可建立人機對話系統，從而將與學生交流和互動的對象由教師擴展到教師和AI機器，利用大數據分析學生課堂學習動態并及時為教師提供更多的教學信息。同時，學生可依照自身知識的掌握情況，借助線上學習平臺完成細胞形態辨認的練習，還可將學習成果上傳到系統，通過測評來獲取學習效果的反饋信息，使學生及時發現自主學習時所存在的問題，從而保證學習方向的正確性[17]。另一方面，針對不同層次的學生，還可以利用AI技術進行有針對性地教學。

針對本科實習生的骨髓細胞形態學教學，傳統的教學方式為教師歸納性地講解血液病及骨髓細胞形態的相關知識，然后由實習生各自利用顯微鏡進行觀察、學習并討論。該方式存在的問題是實習生在血液科實驗室實習時間短、骨髓細胞形態學內容復雜，短時間內很難將該學科的專業知識系統地掌握，從而造成帶教老師帶教態度不認真、學生學習態度不積極，使學生很難將理論知識吸收并轉化為實踐能力。因此，如何利用AI圖像教學系統讓初學者在短時間內接受復雜的骨髓細胞形態學知識并提高學習效率是教學研究需要積極探索的問題。前期，本中心將AI輔助識別及輔助診斷技術應用于血液病實驗診斷領域，對不同系統細胞的形態、細胞核、細胞質等進行標準化，利用AI圖像教學系統對不同系統細胞、不同疑難程度疾病、不同病種進行分層，大大提高了細胞的辨識度。進一步將該系統應用于臨床實習生的教學中，將110名臨床醫學五年制本科生隨機分為研究組(采用AI圖像教學系統教學)和對照組(采用傳統教學)，每組55例，進行骨髓細胞形態學教學。研究組在多媒體教學的基礎上運用AI圖像教學系統進行檢索、學習、測試。對照組采用傳統多媒體教學和顯微鏡讀片。結果顯示，研究組骨髓細胞形態學讀片成績普遍高于對照組，在細胞形態識別和血液病診斷兩種題型中，研究組學生得分均較高[2]。

針對專業型碩士及住院醫師規范化培訓醫師，該群體在前期實習過程中對骨髓細胞形態學相關知識有一定的了解，但其臨床基礎薄弱，對復雜的細胞形態及疑難病例的掌握欠佳，因此在教學中要注重培養其自學能力，利用AI圖像教學系統可達到個性化教學的目的，具體方法如下，(1)課前預習：初步了解課堂上即將學習的知識，掌握大概內容；(2)課堂學習：教師面授和AI圖像教學系統相結合，組織學生對各種常見疾病的典型病例進行學習，提高學習效率；(3)課后復習：針對課堂上講授的內容，學生可以自己利用AI圖像教學系統進行復習及錯題訓練，并可通過系統向帶教老師提問，提高學習效率。

針對進修醫師，該群體有一定的理論基礎和臨床經驗，多已熟練掌握血液科常見病的骨髓細胞形態變化，因此其教學重點應為疑難病例，進修醫師可利用AI圖像教學系統有針對性地根據自身知識掌握情況和需求進行學習，最后應用到實踐，在實踐中互相交流各自存在的問題，針對問題進行分析，然后再利用該系統進行強化訓練，從而不斷更新和拓展知識面，以適應醫學的發展步伐。

5 展 望

骨髓細胞形態學是臨床教學中的難點，傳統教學方法是一種被動的知識灌輸模式，強調教師“教”的重要性，以教師為中心，學生按照要求被動學習，導致學生在學習過程中的主觀能動性未能得到充分發揮，同時也不能根據每個學生的不同需求做到個體化教學。而在骨髓細胞形態學的教學中應用AI圖像教學系統有利于學生基礎能力的訓練，學生可根據自身所需，利用系統反復強化學習，從而牢固掌握所學知識點，提升學習效率。此外，AI圖像教學系統還能有效提高教師的工作效率，幫助教師實現個體化教學，減輕教學負擔，使其能將更多的精力投入到教學研究中。