从骨髓涂片诊断急性髓系白血病：一条绕开原始细胞计数的"细胞到患者"流程（arXiv，2026）
2026 年 6 月 9 日发表于 arXiv 的这篇预印本提出一条深度学习流程，逐个细胞地读取骨髓涂片，再将这数以百计的观察聚合为按患者计的评分，以支持急性髓系白血病（AML）的诊断。该流程在来自六个中心的 258 名患者上训练与验证——其中 89 名被留作外部验证——在三个训练时从未见过的中心上保持 0.87 至 0.91 的加权 F1。这项工作抓住了正确的环节，即多数研究忽视的从细胞到患者这一步，并诚实地在其本场之外加以检验。但模型学习的目标是一个复合形态学类别，与白血病原始细胞有明确区别；预印本未报告任何患者层级的诊断敏感性或特异性，没有代码，也没有与人类细胞形态学专家的比较。
背景
急性髓系白血病是一种血液肿瘤，髓系来源的未成熟细胞——即原始细胞（blast）——充斥骨髓，挤占了正常血细胞的生成。其诊断历来依赖骨髓涂片：将骨髓涂在载玻片上、染色，再由细胞形态学专家在显微镜下检视，识别、计数并分类数百个细胞，尤其用以估算原始细胞的百分比。权威分类（WHO、ICC）通常以约 20% 原始细胞为阈值——并受遗传学调节——来作出诊断。
这种人工计数缓慢、费力，且观察者之间存在显著差异。由此衍生出一长串 AI 工作，学习从公开数据集中对单个骨髓细胞分类。问题在于，把一个细胞分对，并不能告诉你如何诊断一名患者：需要把数百个细胞层级的判断聚合为单一决定，而且要在来自其他医院、其他染色、其他显微镜的涂片上完成。正是这一环节——细胞到患者这一步及其泛化能力——是本预印本试图端到端处理的目标。
方法
该工作由 Yuqi Ma、Tianyi Wang、Xiaodong Mo、Gen Yang 等署名，汇集了来自六个匿名中心的 258 名患者：用于开发的主队列 169 名患者（中心 1 至 3），以及训练时从未见过的外部验证队列 89 名患者（中心 4 至 6）。细胞由一套 16 类标注词表描述，涵盖各主要谱系（粒系、单核系、红系、淋巴系、嗜酸性等）。
一个核心而可议的选择是：作者没有以严格诊断意义上的白血病原始细胞为目标——它难以可复现地标注——而是定义了一个复合目标，即 CBLC（Composite Blast-like Cells，"类原始细胞"），它按项目内部标准把八种形态学类型（N、N1、M、M1、R、R1、J、J1）归为一组。因此模型学到的是发现形似原始细胞的细胞，而非临床标准所定义的原始细胞。
该流程分两步。首先一个被冻结的 YOLO 分割模块（"You Only Look Once"，一类一次扫描即可在图像中定位目标的网络）检测细胞；其预测轮廓通过轮廓 IoU（交并比，衡量两个形状的重叠程度，取值 0 到 1）与专家勾画的多边形配对，再裁出标准化的单细胞小图。随后一个 EfficientNet-B0 分类器（一种紧凑省算力的卷积网络）为每个小图分配类别。其训练遵循两阶段策略，先 GT-to-YOLO 再 YOLO-to-YOLO：分类器先在专家真值（ground truth）裁剪上学习，再在 YOLO 实际产出的裁剪上重新适配——以贴合推理条件，而非完美勾勒的细胞。在此之上还加入了类别不平衡校正、"center-border"正则化（惩罚依赖细胞边缘而非中心的判断）以及形态学辅助监督。细胞层级的判断最终被聚合为按患者计的 CBLC 比例，作为面向 AML 诊断的支持。
结果
在外部验证上，该流程（以集成方式）取得加权 F1：中心 4 为 0.9076，中心 5 为 0.8696，中心 6 为 0.9124。F1 是精确率与召回率的调和平均；"加权"指每个类别按其规模成比例计入。内部验证被描述为"稳定"，摘要中未给出详细数字。因此性能在三个未见中心上维持在可比水平，这是论文的有力论点。
临床转译：这些数字衡量的是细胞分拣的质量——逐中心正确标注一张涂片细胞的能力。就其现状而言，它们对最终的诊断性能只字未提：摘要既未报告敏感性、特异性，也未报告患者层级的预测值，更没有把患者推向"疑似 AML"的 CBLC 比例阈值。我们知道如何分拣细胞；却仍不知道据此诊断一名患者的可靠程度几何。
好的方面
抓住了正确的问题，并端到端处理。多数工作止步于对单个细胞分类，而这条流程明确处理细胞到患者的聚合，并构建出按患者计的评分。这正是从实验室演示走向诊断辅助工具之间那个真正有用、却常被略过的环节。
在预印本阶段就有外部验证。留出来自三个完全不同中心的 89 名患者，并在那里保持约 0.87–0.91 的加权 F1，比单纯的内部交叉验证更为严苛。这恰恰是该领域许多论文所缺的预防措施，也让泛化信号变得可信。
面向推理偏移的现实训练。YOLO-to-YOLO 策略在检测器实际产出的不完美裁剪上、而非在完美勾勒的细胞上重训分类器，从而预先应对真实条件下的性能衰减。正是这种方法学上的卫生习惯，把一个乐观的原型与一个为脱离试验台运行而设计的系统区分开来。
不足之处
目标是替代物，而非诊断（失效模式：误导性的任务定义）。CBLC 是一个"类原始细胞"的复合类别，由项目定义，并与白血病原始细胞明确分开。然而 AML 的诊断依赖原始细胞百分比和遗传学。衡量一个 CBLC 比例并不等于衡量一项诊断，而该比例与临床决策之间的联系——取什么阈值、对应何种敏感性——在此并未得到验证。
细胞层级而非患者层级的指标（失效模式：误导性指标）。唯一公开的数字是按细胞计的加权 F1。这样的 F1 被丰度高的类别——正常细胞——所主导，因此即便对稀少而关键的 CBLC 检测不佳，它也可能维持在高位。没有患者层级的敏感性或特异性，没有 ROC 曲线，尤其没有与人类细胞形态学专家的比较：因此我们无法判断这一工具会比专家做得更好、相当，还是更差。
可复现性与代表性存疑（失效模式：可复现性与人群偏倚）。没有公开任何代码或权重，而 CC BY-NC-ND 4.0 许可（非商业、不得演绎）实际上禁止了利用与扩展。数据来自不公开的"匿名中心"，样本量很小（258 名患者，89 名外部）。关于染色方案或显微镜的多样性只字未提——这正是捷径学习的经典温床，模型可能学到某种染色的特征，而非细胞的生物学。最后，摘要既未提及资金来源，也未提及利益冲突。
它改变了什么
对研究界而言，讯息有二：细胞到患者这一步值得被当作一个独立问题来对待，而外部验证应在预印本阶段就成为常态，而非事后追加。用一个稳健的复合目标（CBLC）替代难以标注的严格原始细胞，这一想法可被复用以规避标注的稀缺与含混——前提是随后要衡量其真实的诊断价值。
对临床医生而言，今天实验室里没有任何改变。这是一篇尚未经同行评议的预印本，没有患者层级的诊断指标，也没有与细胞形态学专家的比较。面对此类工具，有用的本能反应是索取按患者的敏感性与特异性以及所采用的决策阈值，而非一个粉饰表象的细胞级 F1。
对患者和公众而言，教训是审慎的：骨髓涂片的自动化确实在推进，但"把细胞分好"还不等于"把白血病诊断好"。一个快速而稳定的数字第二阅片者的前景依然可信；其价值将取决于那些衡量所作出诊断、而非仅衡量分拣质量的研究。
延伸阅读
完整预印本可在 arXiv:2606.10735（DOI 10.48550/arXiv.2606.10735）获取，发表于 2026 年 6 月 9 日，采用 CC BY-NC-ND 4.0 许可，归类于 cs.CV 与 physics.med-ph，含四张图。关于 AML 的诊断框架及原始细胞百分比的作用，WHO 造血系统肿瘤分类与International Consensus Classification（ICC）的标准仍是权威参考；关于 AI 的骨髓细胞分类，公开的骨髓细胞学数据集（Matek 等人）提供了一个比较基准。