CellaVision DM96自动化数字图像分析系统红细胞形态分类的性能评价

沈蕙颖， 林孝怡， 杨 慧， 郑建新

（1.上海交通大学医学院附属上海儿童医学中心检验科，上海 200127；2.上海交通大学医学院附属瑞金医院检验科，上海 200025）

临床上较多疾病的诊断（如溶血性贫血、血栓性血小板减少性紫癜等）依赖于外周血异常红细胞形态的检查。虽然人工显微镜下细胞分类仍然是外周血血细胞形态学分类的金标准，但该方法费时费力，并且需要经验丰富的技师来操作，不同技师间分类结果差异较大。目前，市售的自动化数字图像分析系统，如CellaVision DM96（简称DM96）自动化数字图像分析系统已实现了对外周血血涂片细胞形态的有效识别，极大程度地提高了分片效率。因其具有操作简便、快速、自动化、可标准化等优点，已在不少实验室较广泛地应用。本研究旨在评价DM96红细胞形态预分类结果与人工显微镜检查结果之间的一致性。

1 材料和方法

1.1 标本

采集上海交通大学医学院附属上海儿童医学中心门诊和住院贫血、骨髓纤维化、红白血病、急慢性炎症、球形红细胞增多症、异常血红蛋白病、溶血尿毒症综合征等患儿外周血标本500份，乙二胺四乙酸二钾抗凝。

1.2 仪器

奥林巴斯CX21显微镜（日本奥林巴斯公司）；CellaVision DM96自动化数字图像分析系统（瑞典CellaVision AB公司）；SP-10涂片机（日本Sysmex公司）。

1.3 试剂

瑞氏-姬姆萨复合染色液（珠海贝索生物技术有限公司）。

1.4 方法

1.4.1 人工显微镜检查 500份血标本经SP-10涂片机制片后，瑞氏-姬姆萨复合染色液染色，选择血涂片厚薄均匀的部位，100×物镜和10×目镜下，计数8个视野中各种类型异常红细胞百分比。异常红细胞形态特征及阳性判断标准参照2015年国际血液学标准化委员会（the International Council for Standardization in Haematology，ICSH）推荐标准[1]。

1.4.2 DM96红细胞形态预分类 DM96由涂片扫描装置和装有血细胞分析软件的计算机组成。外周血血涂片装载到该系统后，仪器开始自动扫描涂片，并拍摄数码照片。每张血涂片分析2 000～4 000个红细胞，经软件识别后输出预分类结果。

1.5 统计学方法

以人工显微镜下红细胞形态分类结果为金标准，计算DM96异常红细胞形态预分类结果的敏感性、特异性、一致性、假阳性率和假阴性率。

2 结果

人工显微镜检查发现500例患者标本中350例患者为红细胞形态中度或显著异常，涵盖嗜多色红细胞（194例）、泪滴状红细胞（117例）、低色素红细胞（60例）、大红细胞（51例）、毫焦小体（39例）、小红细胞（35例）、靶形红细胞（30例）、球形红细胞（25例）、镰形红细胞（21例）、棘形红细胞（20例）、裂红细胞（15例）、口形红细胞（13例）等12种异常红细胞形态。异常例数最多的红细胞形态为嗜多色红细胞（194例），异常例数最少的红细胞形态为口形红细胞（13例）。

DM96红细胞形态预分类结果的总准确性为94.9%。敏感性随红细胞异常类型而异（23.1%～89.7%），特异性为91.6%～99.8%，一致性为91.0%～98.8%，假阳性率为0.2%～8.4%，假阴性率为10.3%～76.9%。见表1。

表1 DM96红细胞形态预分类性能 （%）

3 讨论

目前，DM96白细胞分类结果评价的研究较多，但对其异常红细胞分类的性能评价较少。本研究中DM96红细胞预分类结果的总体准确性较高（94.9%），与先前的一项对比研究结果一致（92.0%）[2]。BRIGGS等[3]的研究结果显示，DM96对嗜多色红细胞、低色素红细胞、小红细胞、大红细胞、红细胞大小不均和畸形红细胞预分类结果的一致性为42%～87%，对预分类结果进行再分类后，其一致性提高至74%～85%。最新发表的一项关于DM96异常红细胞形态半定量分级系统结果准确性的研究结果显示，对于大多数异常红细胞形态类型，DM96半定量分级结果与手工镜检结果的一致性在可接受范围内（56.9%～100.0%），其对嗜多色红细胞分级结果准确性最低。对于椭圆形红细胞、红细胞碎片、镰形红细胞、球形红细胞、靶形红细胞、泪滴状红细胞、豪焦小体及含铁小体分级结果的一致性均在80%以上[4]。

虽然多项研究结果均显示DM96的总准确性较高，但其对异常红细胞形态分类的敏感性因红细胞异常类型而异。本研究结果显示，DM96对豪焦小体、嗜多色红细胞、泪滴状红细胞识别的敏感性较高，分别为89.7%、88.1%和86.3%，对大红细胞和口形红细胞识别的敏感性较低，分别为33.3%和23.1%。其原因可能是口形红细胞阳性标本例数过少、部分大红细胞仪器扫描后没有列入自动判别或红细胞识别软件功能不足等。HORN等[5]的研究结果显示，DM96对红细胞凝集和棘形红细胞的识别敏感性较低，分别为33%和47%，对口形红细胞和镰形红细胞的识别敏感性较高，均为100%。2项研究对不同类型异常红细胞识别敏感性差异可能与所选取的标本有关，也可能与研究使用的异常疾病的类型不同有关，还可能与制片、染液质量等因素有关。DM96敏感性因红细胞异常形态而异的原因尚不明确，也无相关文献报道，有待于在以后的工作中进一步摸索和总结。理想状态下，应尽量提高仪器对诊断价值较大的异常红细胞形态（如靶形红细胞、镰形红细胞、泪滴状红细胞、寄生虫进入红细胞内、球形红细胞和裂红细胞等）分类结果的敏感性，从而减少手工复检次数。CRIEL等[6]的研究结果表明，通过优化各红细胞形态的阴性和阳性临界值，可使DM96对诊断价值较大的异常红细胞形态分类敏感性均达80%以上。

综上所述，DM96对异常红细胞分类的特异性较高，但其敏感性因不同红细胞异常形态而异。临床上应优化红细胞形态阴性和阳性临界值，提高其敏感性。同时必须特别关注敏感性较低的异常红细胞类型，谨慎对待仪器分类结果，必要时进行人工显微镜复检。

[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.