人工智能利用数字化骨髓活检图像将有血小板增多的预纤维化原发性骨髓纤维化与本质性血小板增多症区分开来

这对血液病患者为何重要

医生常常难以区分两种外观相似但长期风险截然不同的血液疾病。这项研究展示了人工智能如何在电脑屏幕上读取骨髓图像以更准确地区分这些疾病，甚至指出人类可能忽视的细微组织特征。对患者而言，这最终可能意味着更准确的诊断、更清晰的风险信息和更个体化的治疗方案。

两种相似但结局大相径庭的疾病

本质性血小板增多症和预纤维化原发性骨髓纤维化都是罕见的骨髓疾病，会导致血小板过多，即帮助凝血的细胞。在显微镜下，它们的骨髓样本可能看起来非常相似，因此即便是病理学专家有时也会对诊断存在分歧。区分两者很重要，因为患有预纤维化型的人比本质性血小板增多症患者更容易发生严重的骨髓瘢痕化、白血病以及危及生命的并发症。目前的指南依赖专家对细胞形态和细微瘢痕的目视判断，这一过程既主观又耗时。

教计算机读取骨髓切片

研究者构建了一个两部分的人工智能系统，直接基于常规染色的骨髓活检图像工作。首先，他们使用了一个强大的预训练模型，最初暴露于数万张癌症切片，用于从活检的每个小区域提取详细的视觉模式。然后他们应用了一种“注意力”方法，使算法能够对最能支持某一诊断的区域赋予更高的重要性。该系统在200名经严格确诊的意大利患者上训练，随后在来自美国某癌症中心的独立人群上进行测试，该系统以较高的准确度区分了这两种疾病。在验证组中，它正确区分预纤维化原发性骨髓纤维化与本质性血小板增多症超过九成，且在避免将患者误判为高危疾病方面表现尤为出色。

使用合成图像观察人工智能的判断依据

为了解模型依赖的视觉线索，团队加入了一个生成组件，能创建每种疾病典型的逼真骨髓图像补丁。他们挑选了分类器判断自信的真实及计算机生成图像块，并让三位血液病理学专家在盲审条件下对其进行标注。对于真实图像，当专家愿意做出决定时，人类专家大多数情况下与人工智能的诊断一致。但对于许多合成图像，尤其是模拟本质性血小板增多症的图像，病理学家常常与算法意见相左或觉得无法安全地选择诊断，尽管根据已知患者数据，人工智能对这些图像块的分类是正确的。

骨髓中脂肪与细胞比例的意外作用

人机差异促使研究者进一步审视真实与生成图像的组织构成。利用另一种图像分析工具，研究团队测量了每个图像块中被脂肪空隙与造血细胞占据的比例。总体而言，与本质性血小板增多症相关的样本含有更多脂肪，而与预纤维化原发性骨髓纤维化相关的样本则细胞更为密集。这一模式在真实患者图像和计算机生成图像中均有体现，并且在合成的本质性血小板增多症切片中更为显著。模型“注意力”的热图也显示，算法自然地关注于活跃的造血区域，而非骨骼或伪影，表明它学到的是有生物学意义的线索，而不是捷径。

这对诊断和治疗可能意味着什么

从实用角度看，这项研究表明，经过谨慎训练的人工智能系统可以帮助病理学家利用标准显微镜切片分辨这两种外观相似的骨髓疾病，并能发现诸如脂肪与细胞平衡之类目前检查表未包含的有用组织特征。作者强调，他们的工具并非意在替代专家审查，特别是考虑到迄今为止研究的患者数量尚有限。相反，它可以作为第二读片者，尤其对那些少见病例接诊量较低的中心有帮助，并可能通过排除更具侵袭性的预纤维化患者来优化临床试验的入组。随着时间推移，将此类基于图像的人工智能与临床和基因数据结合，有望支持对这些罕见血液疾病患者提供更有信心、更个体化的护理。

引用: Srisuwananukorn, A., Loscocco, G.G., Dolezal, J.M. et al. Artificial intelligence differentiates prefibrotic primary myelofibrosis with thrombocytosis from essential thrombocythemia using digitized bone marrow biopsy images. Leukemia 40, 1018–1026 (2026). https://doi.org/10.1038/s41375-026-02893-7

关键词: 人工智能, 骨髓活检, 骨髓增殖性肿瘤, 本质性血小板增多症, 预纤维化原发性骨髓纤维化