摘要:摘要:目的︰评估人工智能( AI)- Cellsee CS-BMI自动阅片系统对外周血细胞的识别能力及辅助人工分类的作用,探讨AI在基层医疗单位分级诊疗网络的应用价值。方法﹐收集选取2023年3月至11月上海嘉会国际医院检验科等6家基层医疗单位触发复检规则的血液样本,制备外周血涂片,采用AI自动阅片系统进行预分类,评估AI预分类对异常白细胞和红细胞样本识别性能。分析6名初级人员和中级技术人员在AI辅助和非AI辅助下对白细胞分类的敏感性,特异性和准确性,以及AI在基层医疗单位分级诊疗中的作用。结果AI对原始细胞的识别敏感性,特异性和准确性分别为92.86% ,95.16%和95.10%,对幼稚粒细胞、反应性淋巴细胞和有核红细胞识别的敏感性均>90% ;AI对红细胞异常形态识别的敏感性达到99.59% ,伴有对各类异常红细胞的快速定量分析;在AI辅助模式下,初级人员和中级人员识别所有细胞类型的敏感性均有不同程度的提高,对原始细胞,反应性淋巴细胞和幼稚粒细胞的敏感性分别提高到58.24%、53.39%,62.37%和92.06%,83.24%,83.12% ,尤其是初级人员分别提高了12.46%,10.61% ,3.71% ,特异性和准确性均较高;在基层医疗单位外周血细胞形态分级诊疗中,通过AI预分类和人工审核,共确诊红细胞疾病339例(11.13% ) ,血小板疾病5例(0.16% ),感染相关疾病2343例(76.90%) ,恶性血液病28例(0.92%) ,其他无明显原因相关或未进一步检查的样本332例(10.90%)。结论―AI预分类具有较强的细胞识别能力,辅助技术人员提高细胞分类的敏感性,特异性和准确性,AI在分级诊疗网络中提高基层医疗单位疾病筛查能力,具有非常广阔的应用前景。