摘要目的评价人工智能图像分析技术对骨髓细胞形态的识别效能。方法回顾性研究。2019年12月1日至2020年12月31日在河北医科大学第二医院就诊患者的骨髓标本。选取骨髓标本100份，患者来源包括慢性髓系细胞白血病23例、骨髓增生异常综合征4例、慢性淋巴细胞白血病8例、多发性骨髓瘤5例、急性白血病7例、慢性贫血患者32例、感染患者6例及正常骨髓象15名。其中男45例，女55例，年龄52（37，66）岁，骨髓涂片经瑞-姬染色后，应用AI分析系统和人工审核对13种骨髓有核细胞进行分类，以人工审核结果为金标准，比较两种方法的结果差异，应用统计学软件绘制混淆矩阵，人工审核结果与AI分析系统预分类结果符合度采用Kappa一致性检验方法进行统计；应用Pearson检验分析AI系统预分类和手工镜检分类结果的一致性。选取临床已确诊的MDS和AML骨髓标本各30例，比较AI分析系统人工审核与手工镜检2种方法分类计数原始细胞百分比结果的差异性，以评估AI分析系统的临床应用价值。结果应用AI分析系统扫描共获得76 630张13种骨髓有核细胞的高清单一彩色图像；13种骨髓有核细胞分类计数的加权平均实验诊断效率参数为：敏感度95.82%，特异度99.19%，准确度98.89%，假阳性率81.00%，假阴性率4.18%；AI分析系统预分类结果和手工镜检分类结果的相关性显示：原始细胞、早幼粒细胞、中性中幼粒细胞、中性晚幼粒细胞、中性杆状核粒细胞、中性分叶核粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、中幼红细胞、晚幼红细胞及淋巴细胞均具有较好的正相关性（r>0.70，P<0.001）；AI分析系统与手工镜检2种方法对MDS原始细胞的计数结果差异无统计学意义（P>0.05），对AML原始细胞计数差异有统计学意义（P<0.01），但由于原始细胞计数均≥20%，符合AML的分型诊断标准。结论AI分析系统对13种骨髓有核细胞分类计数有较好的敏感度、特异度和准确度。
