人工智能（Artificial Intelligence，AI）是一种试图通过了解和掌握智能思维的本质，再通过模拟这种智能思维的方式做出反应的技术。从上世纪五十年代，科学界正式提出人工智能学科算起，六十多年来，取得了长足的发展。尤其在近二十多年的时间里，随着相关领域的长足进步，AI更是以日新月异的速度发展；从广为人知的多次人机棋艺比拼，到现在生活中智能驾驶，AI已经成为一门广泛的交叉和前沿科学，融入我们生活的方方面面。人工智能时代的来临，引发手机、物联网、汽车、芯片等硬件与软件服务等创新、升级和迭代。 医学健康是人类社会的重要领域之一，发展过程中同样缺少不了AI技术的加持。成功案例包括模式识别软件（The pattern recognition software）、数字医疗图像分析和模拟临床试验（The silico clinical trial）等。近几年，AI技术在医疗领域中的应用得到了快速推广，在医学影像、临床决策支持、健康管理等众多场景中陆续落地，发挥价值。 多参数流式细胞术可以实现AI分析吗？ 流式细胞术是一项对悬液中的单细胞或其他生物粒子通过检测标记的荧光信号，实现高速、逐一的细胞定量分析和分选的技术。流式细胞术在很多领域中都有应用。在医学领域，血液疾病诊断及疗效监测，器官移植免疫监测，肿瘤免疫和化疗，感染性疾病，风湿疾病等等，流式细胞术都具有广泛的应用价值。 2022年6月刚刚结束的国际流式细胞学会（ISAC）CYTO会议上专门设立了“人工智能与机器学习”讨论workshop，与会专家纷纷表示不论是技术突破还是市场需求，AI在流式细胞术的应用都将成为十分具有前景的细分方向，具备手动分析不能企及的优点。但作为一项在临床诊疗中越来越不可或缺的检验技术，流式细胞术在结果数据处理方面仍然面临着诸多的挑战。例如，与流式诊断相关且较为重要的血液病诊断进展相对缓慢，而随着流式细胞术诊断技术的不断普及，市场需求量激增让相关技术开发时不我待。 AI血液诊断数据分析面临的挑战及现有科学成果 在过去十五年中，白血病的综合诊断变得越来越具有挑战性。为了遵循世界卫生组织（WHO）分类指南，必须结合不同诊断方法的结果，包括细胞形态学、细胞遗传学、免疫表型和分子遗传学，以确定诊断。2017年修订的世界卫生组织白血病和淋巴瘤分类，引入了新一代测序（NGS）技术并拓宽了分子遗传学分析谱，提高了数据吞吐量。同时更多参数的流式细胞术检测方案的逐步升级，虽然在白血病诊断过程中增加了更多的指标依据，提高了准确度，但同时对于从业者的工作量增加和处理更高维数据的能力需求也接近了临界状态。随着工作量和分析指标的不断增加，很难保证数据在人工分析过程中能做到结果的一致性。即使各实验室都在致力于培养具有高水平的专业人员，但人员所需的训练和培养时间也将会很长。为了减少对专家知识的依赖并增加数据解释的可重复性，实施自动化程序分析拥有广泛的临床需求。 然而，AI手段已经引入白血病诊断研究领域十数年，但它并没有如人工智能驾驶等技术那样被广泛开发和运用。 目前临床应用AI方法仍面临一些挑战： ▸ 算法的性能在很大程度上取决于大量标准化的数字数据的可用性训练； ▸ 工作流的自动化程度以及所得数据的同质性和可重复性在不同领域之间存在差异，这可能会导至结果的偏差； ▸ 此外，各种参数，如选择的染色技术、使用的抗体等在不同的机构、实验室和医院之间往往存在差异，对所开发方法的推广有阻碍。 ▸ 实验室间验证研究对于模型的成功应用和可转移性是必要的，且还需建立全面的指南，以确保标准化的方法输出 [1]。
纵观全球各地研究报道，国内外的科学家都致力于将AI技术应用于血液病流式诊断中，基于AI的方法已被研究应用于加速、协调和标准化对流式细胞术获得的血液病分型和微小残留病（MRD）等检测结果的解释[1]。 ◆ Zhao等人在多参数流式细胞术（MFC）数据的流动分析中使用了AI，从常规诊断中使用的流式细胞仪中推断出特定的诊断，通过自组织映射（SOM）转换FCM数据，并通过卷积神经网络（CNN）对这些模型表示进行分类，且利用一个非常大的患者FCM样本数据库来训练CNN。他们发现，人工智能可以极大地帮助完成大部分工作，如标记细胞群和对B细胞淋巴瘤进行分类。该研究创建了一个自动分类和分析常规诊断MFC数据的框架，表明实体的定义和细胞群的预先选择对优化分类精度至关重要，证明了在大规模数据集上应用MFC和AI于常规诊断工作流程中的可行性[2]。 ◆ Zhong等人开发了一个AI模型来评估AI辅助MFC诊断急性白血病的可行性。该研究评估了AI方法与人工方法异常细胞比例的一致性和相关性。结果表明，AI分析时间显著短于人工分析平均时间，AI免疫表型诊断结果与人工诊断结果的总一致性为0.889，AI辅助工作流程的一致性和快速性表明其具有良好的临床应用前景[3]。 ◆ Mohamed E Salama等研究开发出一种深度神经网络（DNN）法用来自动化分析CLL MRD细胞分类和量化。研究显示DNN模型在CLL MRD检测中具有较高的准确性，且显著提高了工作流程的效率。但在其能够完全融入现有的临床实验室实践之前，还需要额外的临床验证[4]。 ◆除以上基础性研究外，目前已经商业化的部分软件，例如基于EuroFlow平台开发的Cytognos InfinicytTM软件等也逐步在国际学术和应用领域崭露头角。流式细胞术血液病诊断可以从基于AI的方法的应用中大大受益，以减少工作量，合并不同专家的知识，减少转诊时间，并最大限度地减少技术上导至的错误分类。
AI辅助的工作流——结果的输出和可视化 旷博生物阶梯式AI分析探索 2022 CYTO会议宣布我们已经正式进入了流式大数据及计算流式细胞术时代。使用AI用于流式诊断分析的整个过程不是一蹴而就，需要其具有较多的前期技术经验积累和相关人员储备的团队才能在不断地努力后逐一突破。纵观全球这个领域涉及全产业链的商业化公司，无外乎是以传统的一两家跨国企业最为亮眼，国内具有相关实力的企业就更是凤毛麟角，其中北京旷博生物技术有限公司（以下简称“旷博生物”）就是逐步发展起来具有这方面实力的本土企业。 经过十多年的发展壮大和并购整合，旷博生物已经具备了涉及流式细胞仪平台、流式检测试剂和数据分析软件等的自研开发和生产能力。从原料研发生产到产品市场营销，从科研支持到临床服务的流式行业全产业立体覆盖，致力于实现流式行业中国质造。旷博生物从多方面着手进行白血病诊断整体解决方案的制定、优化和提供。基于大量前期经验总结，业内资源整合和对市场充分理解，旷博生物AI的开发路线采用了多线并行、循序渐进、精准突破的道路，相关智能软件已在紧锣密鼓的开发中：从需求量最大且具有统一共识的淋巴细胞亚群和细胞因子产品数据着手，培养相应人工智能核心分析算法和开发载体软件，逐渐向血液病诊断领域过渡，在整个过程中由简入繁、稳扎稳打，让终端用户使用体验更友好。 综上所述，人工智能流式诊断的发展已进入快速发展阶段，虽然还有多方面困难需要克服，但是可喜的是，已经看到很多专家和企业正在努力解决问题和并已不断迭代更好的算法、软件。更令人的欣慰的是在这个赛道上，国内也有像旷博生物这样优秀的企业参与其中，体现了当今医疗领域的应用中，中国创造逐渐崛起，服务于国内和全球市场，真正实现AI时代流式检测的自动驾驶。
关于旷博生物 旷博生物是以研发及生产科研及临床诊断生物试剂产品为主营业务的高新技术企业。公司提供从原料研发生产、检测抗体设计生产、检测试剂盒设计生产/报批、流式细胞术检测平台设计生产/报批，到塑造流式技术市场应用场景与医学证据积累，为临床、科研、工业各类客户提供流式相关整体解决方案服务。旗下流式技术相关流式细胞仪、临床单克隆抗体诊断试剂及多重细胞因子检测试剂等，覆盖细胞生物学和免疫学领域应用，以及临床诊断与辅助诊断应用，包括新冠重症预警、艾滋病人免疫监测、先天性免疫缺陷检测、急慢性白血病及淋巴瘤分型的临床鉴别、血液及器官移植围手术期免疫管理与各类临床病患免疫状态评估及原发及继发性感染风险评估等。 旷博生物积极整合市场资源，引进高层次人才，建立了一支拥有全球视野的一流营销团队。目前已经建立逾300人集试剂和仪器的研发、生产、销售为一体的诊断技术平台服务团队，服务逾1000家临床医院及检测机构。
欢迎拨打旷博技术服务热线 检测报告辅助解读 操作难点全面支持 技术方案线上咨询
*本文配图均来源于网络，如有侵权，请联系我方删除 |
/3 
浙公网安备33010802005999号 
