从30万美元扫描仪到千元级AI插件，白血病早筛迎来低成本变革

图片来源：Nature Communications

一个真正可用的骨髓涂片AI系统，可模拟人工诊断路径（图B）。先自动采集图像，再用CNN筛选adequate ROI，然后在合格区域中用YOLOv8检测原始细胞和非原始细胞，最后聚合多个区域结果生成slide-level prediction。是一种把硬件自动扫描、区域选择、细胞检测和涂片级判断串联起来的端到端系统。

ALLocate的硬件部分叫AAMSS，它由3D打印外壳、X/Y轴电机支架、两个NEMA 14步进电机、RAMPS控制板和Arduino Mega 2560组成，直接连接到普通显微镜载物台的X/Y手动旋钮上，通过程序控制载物台移动，实现自动栅格扫描（图A）。ALLocate硬件成本约150美元，加上显微镜总成本约1150美元，远低于商业全玻片扫描仪约30万美元。

ALLocate的集成化系统设计

图片来源：Nature Communications

骨髓涂片中并不是所有区域都有诊断价值。骨髓涂片区域可分为clot regions、adequate regions和blood regions。clot region是骨髓小粒或凝块区域，细胞拥挤重叠，不适合单细胞检测。blood region以红细胞为主，有核细胞少。adequate region则是富含单个核细胞、适合进一步分类和计数的区域。作者训练了一个CNN区域分类器，模拟病理医生低倍扫片选择合格区域的过程。结果显示，区域分类器表现优秀，adequate region AUC为0.992，blood region AUC为0.998，clot region AUC为0.997。

在合格区域内，作者使用YOLOv8进一步区分原始细胞和正常细胞。总体性能方面，YOLOv8模型达到准确率为0.84，召回率为0.85、综合检测性能（mAP50）为0.90，且在交叉验证中表现稳定（图B）。

为了检验泛化能力，作者将细胞检测模型训练限定在UCSF数据，然后在MSKCC外部数据上验证。结果显示，ALLocate区分正常和AML的AUROC为0.9012，血液病理医生的AUROC为0.9359。ALLocate完成200个区域计数平均不到1分钟，而病理医生人工计数需要超过4小时，速度优势非常明显。

ALLocate对原始细胞检测的全面评估

图片来源：Nature Communications

作者在MSKCC独立数字切片队列中做端到端验证，共40张骨髓涂片数字切片，包括20例良性和20例AML。模型仍然是用UCSF数据训练。

为了模拟人工诊断，作者每张切片随机选取10个诊断合格区域。结果显示，所有AML切片原始细胞比例均高于良性切片（图C）。在理想阈值下，ALLocate可以完全区分AML和良性，模型在仅评估5个区域时就接近完美AUC。使用教科书阈值，即良性≤5%，AML≥20%原始细胞，系统准确率也能达到93%。

在数字切片上对模型进行外部验证集评估

图片来源：Nature Communications

作者进一步使用ALLocate自驱动显微镜系统直接处理165张真实骨髓涂片玻片，其中UCSF 36张，MSKCC 129张。结果显示，在UCSF内部玻片队列中，ALLocate正确分类17/18例AML和18/18例正常，总体准确率97%。在MSKCC外部真实玻片队列中，ALLocate正确分类53/56例AML和58/73例正常，总体准确率86%。ALLocate检查时间远短于病理医生（图C），真实玻片队列的AML分类，AUC达到0.9982（图G）。

ALLocate在物理玻璃载玻片检测中的性能

图片来源：Nature Communications

文章提出了一个低成本的AI自驱动显微镜系统ALLocate，用于骨髓涂片急性白血病筛查。系统由约150美元的3D打印显微镜插件和两个深度学习模块组成。ALLocate在区域识别、细胞检测和涂片级诊断三个层面都表现较好。作者在165张真实骨髓涂片玻片上验证了完整硬件-AI流程。UCSF内部真实玻片准确率为97%，MSKCC外部真实玻片准确率为86%，合并真实玻片队列的AML分类AUC为0.9982。与病理医生人工计数相比，速度优势非常明显。

但ALLocate目前仍应定位为辅助筛查工具，而不是独立诊断系统。它缺乏自动聚焦和临床GUI，真实玻片样本量仍需扩大。模型主要区分AML和正常骨髓，尚未覆盖ALL、MDS、MPN、反应性增生、再障、浆细胞肿瘤、淋巴瘤骨髓侵犯或转移癌等更复杂疾病谱，幼稚粒细胞误判为原始细胞也是未来必须解决的问题总之，ALLocate把白血病AI诊断推进到普通显微镜上的自动化筛查。 如果未来能加入自动对焦、多疾病分类、标准化质控和病理医生复核界面，这类低成本自驱动显微镜平台可能成为基层血液形态学和低资源地区白血病早期识别的重要工具。