作者：邢莹1，闫晓华2， 普程伟1， 尚柯1， 董宁1， 汪润1， 王建中1
单位：1、北京大学第一医院检验科；2、山东医学高等专科学校医学检验系
白细胞形态学复检是临床血细胞分析复检中最主要和难度最大的项目，也是临床实验室血细胞形态学检验标本数量最多和不可缺少的项目，能够为临床提供非常重要的血液病及其相关疾病的检验诊断数据和进一步检验的信息。目前的检测流程是先使用血细胞分析仪进行筛查，触发复检规则的标本进行手工显微镜检查，保证假阴性率低于5%[1,2]。但是，随着临床标本数量的剧增、检验科形态学工作人员的相对不足以及标本流转时间(TAT)的严格要求，实验室越来越难以按照复检规则的要求去达到人工显微镜复检(镜检)的数量和质量，尤其在大型综合性医院复检率较高(20%～30%)的情况下，这样很容易造成与白细胞形态异常相关的血液病、感染性疾病等误诊或者漏诊。为了保证在复检规则[3]所要求复检率的基础上提高检验质量和工作效率，全自动血细胞形态学数字图像分析系统逐渐在临床血液学实验室中投入使用并发挥重要作用[4]。本研究旨在建立全自动血细胞形态学数字图像分析技术分类计数外周血白细胞的参考区间，并探讨全自动血细胞形态学数字图像分析在白细胞形态学复检中的临床应用价值，与传统的手工显微镜检查相比存在哪些优势和不足，如何在工作中根据不同情况选择不同方法，以提高工作质量并缩短结果报告时间。
对象与方法
一、对象
选取2013年11月于北京大学第一医院进行体检的健康体检者304名，其中男164名，女140名，年龄21～80岁，中位年龄42岁。通过问卷调查、体格检查、实验室检查筛选参考个体，满足以下要求[5]：常规体检无异常；无血液系统疾病、感染性疾病、变态反应性疾病、甲状腺疾病、恶性肿瘤等可影响外周血细胞分析的疾病。
随机选择2013年11月至2014年4月就诊于北京大学第一医院的患者697例，其中男301例，女396例，年龄7～99岁，中位年龄48岁。选择2014年10至12月北京大学第一医院已明确诊断的血液系统疾病和感染性疾病患者30例，男17例，女13例，年龄28～77岁，中位年龄49岁。
二、方法
1．仪器与试剂：
美国贝克曼-库尔特公司生产的LH755全自动血细胞分析仪、推染片仪及原装配套试剂和质控物。北京赛尔蒂扶科技发展有限公司生产的BCM-2型全自动血细胞形态学数字图像分析仪和日本奥林巴斯公司生产的OLYMPUS BX41生物显微镜。
2．标本采集：
采用真空采血方式自肘前静脉采血，使用含乙二胺四乙酸二钾盐(EDTA-K2)抗凝剂的真空采血管(美国BD公司生产)；排除不合格标本(如采集量不足、肉眼观察有血凝块、溶血、脂血；显微镜下有血小板聚集的标本)的影响[5]。
3．标本检测：
所有标本均使用LH755全自动血细胞分析仪及推染片仪完成全血细胞计数(CBC)及血涂片的制备和染色，然后将血涂片置于BCM-2全自动血细胞形态学数字图像分析仪上检测，设定分类计数150个白细胞(主要是为了去除非白细胞的影响)，结果经有形态学经验的工作人员进行审核(再分类)。将同一张血涂片由人工在显微镜下完成100个白细胞分类计数和形态学检查。
4．参考区间的设置：
离群值检验采用Dixon方法。首先将检测结果按照大小排序并计算极差®，然后分别计算最大值和最小值与其相邻数值之差(D)；若D/R≥1/3，则将最大值或最小值视为离群值予以剔除；将余下数据重复前述步骤进行离群值检验，直至剔除所有离群值。用非参数方法计算各组数据的2.5百分位数至97.5百分位数为参考区间[5,6]。
5．诊断效率的计算：
以人工分类结果为"金标准"，计算全自动血细胞数字图像分析仪对697例随机临床标本的白细胞计数或形态异常的诊断效率，包括敏感度、特异度、精确度等指标。为了避免血涂片中白细胞可产生分布误差，特别是数量较少的细胞，例如嗜碱粒细胞，在两种检测方法的真阳性、假阳性、真阴性、假阴性判断时，按Rümke标准进行修正[7]。
6．统计学分析：
使用SPSS 13.0软件包进行数据分析。多组间比较采用单因素方差分析；若方差不齐，采用秩和检验；进一步两两比较采用两独立样本的秩和检验。采用χ2检验计算两种方法对异常细胞的识别是否存在差异，P<0.05为差异有统计学意义。
结果
参考区间的确定：中性分叶核粒细胞、淋巴细胞、中性粒细胞平均面积、中性粒细胞平均直径和中性粒细胞核分叶指数呈正态分布，其他参数均呈非正态分布。嗜酸粒细胞、单核细胞平均面积、单核细胞面积变异和单核细胞直径变异的参考区间有性别差异，其他参数均没有性别和年龄的差异(表1，表2)。
单位：1、北京大学第一医院检验科；2、山东医学高等专科学校医学检验系
白细胞形态学复检是临床血细胞分析复检中最主要和难度最大的项目，也是临床实验室血细胞形态学检验标本数量最多和不可缺少的项目，能够为临床提供非常重要的血液病及其相关疾病的检验诊断数据和进一步检验的信息。目前的检测流程是先使用血细胞分析仪进行筛查，触发复检规则的标本进行手工显微镜检查，保证假阴性率低于5%[1,2]。但是，随着临床标本数量的剧增、检验科形态学工作人员的相对不足以及标本流转时间(TAT)的严格要求，实验室越来越难以按照复检规则的要求去达到人工显微镜复检(镜检)的数量和质量，尤其在大型综合性医院复检率较高(20%～30%)的情况下，这样很容易造成与白细胞形态异常相关的血液病、感染性疾病等误诊或者漏诊。为了保证在复检规则[3]所要求复检率的基础上提高检验质量和工作效率，全自动血细胞形态学数字图像分析系统逐渐在临床血液学实验室中投入使用并发挥重要作用[4]。本研究旨在建立全自动血细胞形态学数字图像分析技术分类计数外周血白细胞的参考区间，并探讨全自动血细胞形态学数字图像分析在白细胞形态学复检中的临床应用价值，与传统的手工显微镜检查相比存在哪些优势和不足，如何在工作中根据不同情况选择不同方法，以提高工作质量并缩短结果报告时间。
对象与方法
一、对象
选取2013年11月于北京大学第一医院进行体检的健康体检者304名，其中男164名，女140名，年龄21～80岁，中位年龄42岁。通过问卷调查、体格检查、实验室检查筛选参考个体，满足以下要求[5]：常规体检无异常；无血液系统疾病、感染性疾病、变态反应性疾病、甲状腺疾病、恶性肿瘤等可影响外周血细胞分析的疾病。
随机选择2013年11月至2014年4月就诊于北京大学第一医院的患者697例，其中男301例，女396例，年龄7～99岁，中位年龄48岁。选择2014年10至12月北京大学第一医院已明确诊断的血液系统疾病和感染性疾病患者30例，男17例，女13例，年龄28～77岁，中位年龄49岁。
二、方法
1．仪器与试剂：
美国贝克曼-库尔特公司生产的LH755全自动血细胞分析仪、推染片仪及原装配套试剂和质控物。北京赛尔蒂扶科技发展有限公司生产的BCM-2型全自动血细胞形态学数字图像分析仪和日本奥林巴斯公司生产的OLYMPUS BX41生物显微镜。
2．标本采集：
采用真空采血方式自肘前静脉采血，使用含乙二胺四乙酸二钾盐(EDTA-K2)抗凝剂的真空采血管(美国BD公司生产)；排除不合格标本(如采集量不足、肉眼观察有血凝块、溶血、脂血；显微镜下有血小板聚集的标本)的影响[5]。
3．标本检测：
所有标本均使用LH755全自动血细胞分析仪及推染片仪完成全血细胞计数(CBC)及血涂片的制备和染色，然后将血涂片置于BCM-2全自动血细胞形态学数字图像分析仪上检测，设定分类计数150个白细胞(主要是为了去除非白细胞的影响)，结果经有形态学经验的工作人员进行审核(再分类)。将同一张血涂片由人工在显微镜下完成100个白细胞分类计数和形态学检查。
4．参考区间的设置：
离群值检验采用Dixon方法。首先将检测结果按照大小排序并计算极差®，然后分别计算最大值和最小值与其相邻数值之差(D)；若D/R≥1/3，则将最大值或最小值视为离群值予以剔除；将余下数据重复前述步骤进行离群值检验，直至剔除所有离群值。用非参数方法计算各组数据的2.5百分位数至97.5百分位数为参考区间[5,6]。
5．诊断效率的计算：
以人工分类结果为"金标准"，计算全自动血细胞数字图像分析仪对697例随机临床标本的白细胞计数或形态异常的诊断效率，包括敏感度、特异度、精确度等指标。为了避免血涂片中白细胞可产生分布误差，特别是数量较少的细胞，例如嗜碱粒细胞，在两种检测方法的真阳性、假阳性、真阴性、假阴性判断时，按Rümke标准进行修正[7]。
6．统计学分析：
使用SPSS 13.0软件包进行数据分析。多组间比较采用单因素方差分析；若方差不齐，采用秩和检验；进一步两两比较采用两独立样本的秩和检验。采用χ2检验计算两种方法对异常细胞的识别是否存在差异，P<0.05为差异有统计学意义。
结果
参考区间的确定：中性分叶核粒细胞、淋巴细胞、中性粒细胞平均面积、中性粒细胞平均直径和中性粒细胞核分叶指数呈正态分布，其他参数均呈非正态分布。嗜酸粒细胞、单核细胞平均面积、单核细胞面积变异和单核细胞直径变异的参考区间有性别差异，其他参数均没有性别和年龄的差异(表1，表2)。
2．两种方法对随机标本白细胞分类计数异常的诊断效率：
在697份随机标本中，220份触发了本实验室的血细胞分析仪复检规则[3]中的白细胞异常，包括中性粒细胞>85%的标本99份、淋巴细胞>50%的标本77份、单核细胞>12%的标本26份、核左移报警96份、不成熟粒细胞报警35份、原始细胞报警18份、异型淋巴细胞报警11份等(部分标本同时触发2条或2条以上复检规则)。全自动血细胞形态学数字图像分析对各种白细胞异常的诊断效率见表3。
3．两种方法对3种异常细胞分类计数的一致性比较：
30例明确诊断的标本中包括急性髓系白血病9例、急性淋巴细胞白血病1例、慢性髓细胞白血病5例、非霍奇金淋巴瘤4例、T淋巴母细胞淋巴瘤1例及感染性疾病10例。以原始细胞≥1%、不成熟粒细胞(早幼粒细胞＋中幼粒细胞＋晚幼粒细胞)≥1%、异型淋巴细胞≥5%作为阳性标准，人工镜检对3种异常细胞的阳性识别率分别为46.7%、53.3%和10%，全自动数字图像分析仪的阳性识别率分别为43.3%、60%和10%，两种方法对异常细胞的识别率差异无统计学意义(χ2＝0.067、0.271、0.000，均P>0.05)。
4．异常白细胞形态的数字图像分析：
全自动数字图像分析仪可以将所有扫描的细胞同时显示在屏幕上，便于观察细胞内部结构和细胞间的差异，对于中性粒细胞毒性改变和原始细胞中奥氏小体等细胞内的异常结构显示非常清晰(图1)，可以达到传统显微镜下观察细胞的效果。对697份随机标本中异常白细胞形态识别的分析，全自动数字图像分析的敏感度均可达到100%(表4)。
30例明确诊断的标本中包括急性髓系白血病9例、急性淋巴细胞白血病1例、慢性髓细胞白血病5例、非霍奇金淋巴瘤4例、T淋巴母细胞淋巴瘤1例及感染性疾病10例。以原始细胞≥1%、不成熟粒细胞(早幼粒细胞＋中幼粒细胞＋晚幼粒细胞)≥1%、异型淋巴细胞≥5%作为阳性标准，人工镜检对3种异常细胞的阳性识别率分别为46.7%、53.3%和10%，全自动数字图像分析仪的阳性识别率分别为43.3%、60%和10%，两种方法对异常细胞的识别率差异无统计学意义(χ2＝0.067、0.271、0.000，均P>0.05)。
4．异常白细胞形态的数字图像分析：
全自动数字图像分析仪可以将所有扫描的细胞同时显示在屏幕上，便于观察细胞内部结构和细胞间的差异，对于中性粒细胞毒性改变和原始细胞中奥氏小体等细胞内的异常结构显示非常清晰(图1)，可以达到传统显微镜下观察细胞的效果。对697份随机标本中异常白细胞形态识别的分析，全自动数字图像分析的敏感度均可达到100%(表4)。
5．优化血细胞分析仪复检规则：
由于全自动数字图像分析仪对白细胞的分类计数具有较高的诊断效率，考虑将本实验室目前使用的血细胞分析仪复检规则[3]进行优化：需要白细胞分类计数的标本可采用数字图像分析，需要在血涂片特殊位置(如片尾)筛查异常细胞时仍需要人工镜检。
讨论
血细胞数字图像分析技术从问世至今已有近50年的历史，尤其近十几年出现了突飞猛进的发展。在1966年，Prewitt等[8]首先报道应用自动显微镜扫描系统进行血细胞形态分析。随后的几十年中，相关的研究和报道一直没有停止，但由于计算机软件和硬件水平受限以及自动化程度不高，该项技术并未常规用于临床实验室中。直到瑞典的CellaVision公司推出DM96全自动血细胞数字图像分析仪，实现了血涂片上载的自动化、单细胞层定位、细胞图像扫描与获取、细胞识别与预分类、报告自动生成等功能，并显著提高了检测速度和细胞图像质量[4]。针对DM96的多项研究均证实该仪器与显微镜手工分类具有较好的相关性[9,10,11]，对识别异常细胞如原始细胞、不成熟粒细胞等具有较高的敏感度[12]。从此全自动血细胞图像分析仪真正进入临床实验室，并广泛投入使用。
本研究探讨了全自动血细胞形态学数字图像分析仪的参考区间，与2012年发布的《血细胞分析参考区间》[6]相比，嗜碱粒细胞的上限较高(4%)，其余细胞百分比没有太大差异(<3%)。而且，全自动数字图像分析仪可以测量每个细胞的直径、面积以及中性粒细胞的核形，得到关于白细胞形态的参数，如中性粒细胞、单核细胞和淋巴细胞的平均直径、平均面积、面积变异和直径变异。本研究结果显示，淋巴细胞直径(面积)<中性粒细胞直径(面积)<单核细胞直径(面积)，与实际细胞形态特点相符。正常情况下这3种细胞的大小比较均一，故面积和直径变异范围较小，如果明显超出参考区间提示细胞大小不均，并且仪器测量比肉眼观察更加灵敏和客观。中性粒细胞核左(右)移指数和分叶指数可用于判断中性粒细胞细胞核形态，辅助诊断核左(右)移。本文仅建立了这些形态学参数的参考区间，未涉及临床应用，将在后续的研究中验证。
全自动血细胞数字图像分析仪的优势是采集的血细胞形态与显微镜下十分接近，对血细胞的形态学分析更加精细[13,14]。从对各种白细胞异常表现的诊断效率中可以看出：分类计数各种白细胞或形态异常检测的特异度除单核细胞外，均>90%；中性粒细胞毒性改变(包括杜勒小体、中毒颗粒和空泡变性)检测的敏感度可达到100%；其次是原始细胞(91.7%)、不成熟粒细胞(60%～81.5%)、异型淋巴细胞(61.5%)；分类计数5种白细胞数量异常的敏感度分别为：中性粒细胞91.8%、淋巴细胞88.5%、单核细胞69.1%、嗜酸粒细胞78.9%、嗜碱粒细胞36.3%。由于细胞分布不均和分类计数的区域不同，对同一血涂片的多次分类计数结果可能存在差异。根据Rümke提供的白细胞分类计数95%可信区间的范围[7]，表明只要仪器分类结果与人工分类相比在95%可信区间内即为可接受。如果按此标准，仪器诊断中性粒细胞、淋巴细胞、单核细胞、嗜酸粒细胞、嗜碱粒细胞、晚幼粒细胞、中幼粒细胞、早幼粒细胞、原始细胞、异型淋巴细胞的敏感度可大大提高，分别为95.1%、90.9%、96.6%、87.7%、70.4%、85.7%、88.9%、80%、100%和84.6%。
在分析血细胞形态时，质量(形态)的异常往往比数量的异常更为重要，如粒细胞的毒性改变、异型淋巴细胞，尤其是外周血出现了不应该出现的细胞如原始细胞、不成熟粒细胞等，即使只有几个也不能忽视。针对细胞质量的异常，全自动数字图像分析仪也具有很高的敏感度。中性粒细胞毒性改变是临床最常见的白细胞异常，其敏感度可达到100%，并且有的标本人工显微镜下没有发现异常(杜勒小体3份、中毒颗粒18份、空泡变性1份)，但全自动数字图像分析仪却能检测到。由于全自动数字图像分析仪对细胞内部结构的显示清晰，而且将已分类白细胞全部显示在屏幕上，有利于对比细胞间的微小差异而发现有无异常。对于临床最关心的原始细胞，仪器虽然出现了1份假阴性标本，其原因可能是原始细胞比例较低(显微镜人工分类时原始细胞为2%)。如果按照Rümke标准，当细胞比例为2%时，分类计数100个白细胞时出现这种情况是可接受的。手工镜检在分类计数中，14份有原始细胞的标本中也发现了3份假阴性标本，计数原始细胞比例为1%～3%，这3份标本在显微镜下通过增加分类计数的细胞数量后确认存在原始细胞，由此表明手工镜检和全自动数字图像分析仪在检测原始细胞的敏感度上并没有明显差异；若想避免漏检，只能增加计数细胞的数量，而手工镜检需要占用更多的时间，此时仪器的优势不言而喻。全自动数字图像分析仪检测不成熟粒细胞的敏感度不及原始细胞，早幼粒细胞、中幼粒细胞和晚幼粒细胞的假阴性份数分别为2、5、5份，但是由于不成熟粒细胞的出现往往不只一种，而且多伴有白细胞或中性粒细胞的异常，所以结合患者其他指标的异常并不影响临床的判断。虽然异型淋巴细胞假阴性较多(5份)，这些标本人工镜检百分比为6%～9%，仪器计数为3%～5%。如果按照Rümke标准，假阴性可减少为2份。这些标本也都发现了异型淋巴细胞，只是百分比没有超过5%，所以不会对临床造成漏诊。
根据上述结果，全自动血细胞数字图像分析仪对白细胞异常时形态学检查的敏感度可以达到人工显微镜检查的水平，因此考虑可以进一步优化血细胞分析仪的复检规则，当白细胞异常需要分类计数时采用数字图像分析。本研究尚未包括数字图像分析在红细胞和血小板异常时的应用，所以这些异常标本仍采用人工镜检。在所有血细胞计数标本中，白细胞异常大约占80%，这样可以减少人工镜检率并缩短标本流转时间。
全自动数字图像分析仪虽然已经高度智能化，但对于血细胞识别的正确度并不能达到形态学专家的水平，所以针对每一张仪器检测的血涂片，必须由人工进行审核。另外，仪器对于血涂片的质量要求较高，最好使用自动推片机制备涂片，且染色效果满意，才能找到合适的单细胞层和提高识别率。对于白细胞数量太多(如慢性髓细胞白血病)的标本，最好将血涂片尽量推薄，否则仪器不容易找到单个细胞。对于白细胞数量少或退化细胞太多的标本，仪器扫描的有效细胞数可能不足，需要在设置上增加计数的细胞数量。针对上述情况或者血涂片制片质量不好时，可能仪器检测不能达到满意的效果，还需要采用手工镜检的方法。另外，本研究主要探讨的是临床最常见的白细胞异常标本，没有涉及红细胞和血小板的形态异常，全自动数字图像分析仪也可以检测红细胞和血小板，但其临床应用有待于进一步研究。
参考文献
[1]BarnesPW, McFaddenSL, MachinSJ, et al. The international consensus group for hematology review: suggested criteria for action following automated CBC and WBC differential analysis[J]．Lab Hematol, 2005, 11(2)：83–90.DOI：10.1532/LH96.05019.
[2]中华检验医学杂志编辑委员会．全国血液学复检专家小组工作会议纪要暨血细胞自动计数复检标准释义．中华检验医学杂志，2007, 30(4): 380–382.DOI：10.3760/j.issn：1009–9158.2007.04.005.
[3]邢莹，王建中，普程伟，等．ADVIA120/2120及多种类血细胞分析仪复检规则的建立和评价[J]．中华医学杂志，2010，90(22)：1526–1530．DOI：10.3760/cma.j.issn.0376–2491.2010.22.006.
[4]王建中．外周血细胞形态学检验诊断的发展趋势[J]．中华检验医学杂志，2013，36(5)：1–4．DOI：10.3760/cma.j.issn.1009–9158.2013.05.002.
[5]Clinical and Laboratory Standards Institute. Defining, establishing，and verifying reference intervals in the clinical laboratory; Approved Guideline-Third Edition.CLSI document C28-A3c. Wayne，PA：CLSI, 2010.
[6]王宏，叶琴，陆琳，等．WS/T 405-2012血细胞分析参考区间．中华检验医学杂志，2015，38(1)：62–63．DOI：10.3760/cma.j.issn.1009–9158.2015.01.016.
[7]刘成玉，罗春丽．临床检验基础.5版．北京：人民卫生出版社，2012.
[8]PrewittJM, MendelsohnML. The analysis of cell images[J]．Ann N Y Acad Sci, 1966, 128(3)：1035–1053.
[9]CornetE, PerolJP, TroussardX. Performance evaluation and relevance of the Cella Vision DM96 system in routine analysis and in patients with malignant hematological diseases[J]．Int J Lab Hematol, 2008, 30(6)：536–542.DOI：10.1111/j.1751–553X.2007.00996.x.
[10]BriggsC, LongairI, SlavikM, et al. Can automated blood film analysis replac the manual differential? An evaluation of the Cella Vision DM96 automated image analysis system[J]．Int J Lab Hematol, 2009, 31(1)：48–60.DOI：10.1111/j.1751–553X.2007.01002.x.
[11]黄骥斌，曾婷婷，郭曼英，等．CellaVision DM96自动化数字图像分析系统进行白细胞分类的临床应用[J]．检验医学，2012，27(4)：299–303．DOI：10.3969/j.issn.1673–8640.2012.04.014.
[12]KratzA, BengtssonHI, CaseyJE, et al. Performance evaluation of the CellaVision DM96 system: WBC differentials by automated digital image analysis supported by an artificial neural network[J]．Am J Clin Pathol, 2005, 124(5)：770–781.DOI：10.1309/XMB9–K0J4–1LHL–ATAY.
[13]QiaoG, ZongG, SunM, et al. Automatic neutrophil nucleus lobe counting based on graph representation of region skeleton[J]．Cytometry A, 2012, 81(9)：734–742.DOI：10.1002/cyto.a.22083.
[14]QiaoG, ZongG, WangJ, et al. Automatic toxic granulation detection and grading based on speeded up robust features[J]．Cytometry A, 2011, 79(11)：887–890.DOI：10.1002/cyto.a.21113.
由于全自动数字图像分析仪对白细胞的分类计数具有较高的诊断效率，考虑将本实验室目前使用的血细胞分析仪复检规则[3]进行优化：需要白细胞分类计数的标本可采用数字图像分析，需要在血涂片特殊位置(如片尾)筛查异常细胞时仍需要人工镜检。
讨论
血细胞数字图像分析技术从问世至今已有近50年的历史，尤其近十几年出现了突飞猛进的发展。在1966年，Prewitt等[8]首先报道应用自动显微镜扫描系统进行血细胞形态分析。随后的几十年中，相关的研究和报道一直没有停止，但由于计算机软件和硬件水平受限以及自动化程度不高，该项技术并未常规用于临床实验室中。直到瑞典的CellaVision公司推出DM96全自动血细胞数字图像分析仪，实现了血涂片上载的自动化、单细胞层定位、细胞图像扫描与获取、细胞识别与预分类、报告自动生成等功能，并显著提高了检测速度和细胞图像质量[4]。针对DM96的多项研究均证实该仪器与显微镜手工分类具有较好的相关性[9,10,11]，对识别异常细胞如原始细胞、不成熟粒细胞等具有较高的敏感度[12]。从此全自动血细胞图像分析仪真正进入临床实验室，并广泛投入使用。
本研究探讨了全自动血细胞形态学数字图像分析仪的参考区间，与2012年发布的《血细胞分析参考区间》[6]相比，嗜碱粒细胞的上限较高(4%)，其余细胞百分比没有太大差异(<3%)。而且，全自动数字图像分析仪可以测量每个细胞的直径、面积以及中性粒细胞的核形，得到关于白细胞形态的参数，如中性粒细胞、单核细胞和淋巴细胞的平均直径、平均面积、面积变异和直径变异。本研究结果显示，淋巴细胞直径(面积)<中性粒细胞直径(面积)<单核细胞直径(面积)，与实际细胞形态特点相符。正常情况下这3种细胞的大小比较均一，故面积和直径变异范围较小，如果明显超出参考区间提示细胞大小不均，并且仪器测量比肉眼观察更加灵敏和客观。中性粒细胞核左(右)移指数和分叶指数可用于判断中性粒细胞细胞核形态，辅助诊断核左(右)移。本文仅建立了这些形态学参数的参考区间，未涉及临床应用，将在后续的研究中验证。
全自动血细胞数字图像分析仪的优势是采集的血细胞形态与显微镜下十分接近，对血细胞的形态学分析更加精细[13,14]。从对各种白细胞异常表现的诊断效率中可以看出：分类计数各种白细胞或形态异常检测的特异度除单核细胞外，均>90%；中性粒细胞毒性改变(包括杜勒小体、中毒颗粒和空泡变性)检测的敏感度可达到100%；其次是原始细胞(91.7%)、不成熟粒细胞(60%～81.5%)、异型淋巴细胞(61.5%)；分类计数5种白细胞数量异常的敏感度分别为：中性粒细胞91.8%、淋巴细胞88.5%、单核细胞69.1%、嗜酸粒细胞78.9%、嗜碱粒细胞36.3%。由于细胞分布不均和分类计数的区域不同，对同一血涂片的多次分类计数结果可能存在差异。根据Rümke提供的白细胞分类计数95%可信区间的范围[7]，表明只要仪器分类结果与人工分类相比在95%可信区间内即为可接受。如果按此标准，仪器诊断中性粒细胞、淋巴细胞、单核细胞、嗜酸粒细胞、嗜碱粒细胞、晚幼粒细胞、中幼粒细胞、早幼粒细胞、原始细胞、异型淋巴细胞的敏感度可大大提高，分别为95.1%、90.9%、96.6%、87.7%、70.4%、85.7%、88.9%、80%、100%和84.6%。
在分析血细胞形态时，质量(形态)的异常往往比数量的异常更为重要，如粒细胞的毒性改变、异型淋巴细胞，尤其是外周血出现了不应该出现的细胞如原始细胞、不成熟粒细胞等，即使只有几个也不能忽视。针对细胞质量的异常，全自动数字图像分析仪也具有很高的敏感度。中性粒细胞毒性改变是临床最常见的白细胞异常，其敏感度可达到100%，并且有的标本人工显微镜下没有发现异常(杜勒小体3份、中毒颗粒18份、空泡变性1份)，但全自动数字图像分析仪却能检测到。由于全自动数字图像分析仪对细胞内部结构的显示清晰，而且将已分类白细胞全部显示在屏幕上，有利于对比细胞间的微小差异而发现有无异常。对于临床最关心的原始细胞，仪器虽然出现了1份假阴性标本，其原因可能是原始细胞比例较低(显微镜人工分类时原始细胞为2%)。如果按照Rümke标准，当细胞比例为2%时，分类计数100个白细胞时出现这种情况是可接受的。手工镜检在分类计数中，14份有原始细胞的标本中也发现了3份假阴性标本，计数原始细胞比例为1%～3%，这3份标本在显微镜下通过增加分类计数的细胞数量后确认存在原始细胞，由此表明手工镜检和全自动数字图像分析仪在检测原始细胞的敏感度上并没有明显差异；若想避免漏检，只能增加计数细胞的数量，而手工镜检需要占用更多的时间，此时仪器的优势不言而喻。全自动数字图像分析仪检测不成熟粒细胞的敏感度不及原始细胞，早幼粒细胞、中幼粒细胞和晚幼粒细胞的假阴性份数分别为2、5、5份，但是由于不成熟粒细胞的出现往往不只一种，而且多伴有白细胞或中性粒细胞的异常，所以结合患者其他指标的异常并不影响临床的判断。虽然异型淋巴细胞假阴性较多(5份)，这些标本人工镜检百分比为6%～9%，仪器计数为3%～5%。如果按照Rümke标准，假阴性可减少为2份。这些标本也都发现了异型淋巴细胞，只是百分比没有超过5%，所以不会对临床造成漏诊。
根据上述结果，全自动血细胞数字图像分析仪对白细胞异常时形态学检查的敏感度可以达到人工显微镜检查的水平，因此考虑可以进一步优化血细胞分析仪的复检规则，当白细胞异常需要分类计数时采用数字图像分析。本研究尚未包括数字图像分析在红细胞和血小板异常时的应用，所以这些异常标本仍采用人工镜检。在所有血细胞计数标本中，白细胞异常大约占80%，这样可以减少人工镜检率并缩短标本流转时间。
全自动数字图像分析仪虽然已经高度智能化，但对于血细胞识别的正确度并不能达到形态学专家的水平，所以针对每一张仪器检测的血涂片，必须由人工进行审核。另外，仪器对于血涂片的质量要求较高，最好使用自动推片机制备涂片，且染色效果满意，才能找到合适的单细胞层和提高识别率。对于白细胞数量太多(如慢性髓细胞白血病)的标本，最好将血涂片尽量推薄，否则仪器不容易找到单个细胞。对于白细胞数量少或退化细胞太多的标本，仪器扫描的有效细胞数可能不足，需要在设置上增加计数的细胞数量。针对上述情况或者血涂片制片质量不好时，可能仪器检测不能达到满意的效果，还需要采用手工镜检的方法。另外，本研究主要探讨的是临床最常见的白细胞异常标本，没有涉及红细胞和血小板的形态异常，全自动数字图像分析仪也可以检测红细胞和血小板，但其临床应用有待于进一步研究。
参考文献
[1]BarnesPW, McFaddenSL, MachinSJ, et al. The international consensus group for hematology review: suggested criteria for action following automated CBC and WBC differential analysis[J]．Lab Hematol, 2005, 11(2)：83–90.DOI：10.1532/LH96.05019.
[2]中华检验医学杂志编辑委员会．全国血液学复检专家小组工作会议纪要暨血细胞自动计数复检标准释义．中华检验医学杂志，2007, 30(4): 380–382.DOI：10.3760/j.issn：1009–9158.2007.04.005.
[3]邢莹，王建中，普程伟，等．ADVIA120/2120及多种类血细胞分析仪复检规则的建立和评价[J]．中华医学杂志，2010，90(22)：1526–1530．DOI：10.3760/cma.j.issn.0376–2491.2010.22.006.
[4]王建中．外周血细胞形态学检验诊断的发展趋势[J]．中华检验医学杂志，2013，36(5)：1–4．DOI：10.3760/cma.j.issn.1009–9158.2013.05.002.
[5]Clinical and Laboratory Standards Institute. Defining, establishing，and verifying reference intervals in the clinical laboratory; Approved Guideline-Third Edition.CLSI document C28-A3c. Wayne，PA：CLSI, 2010.
[6]王宏，叶琴，陆琳，等．WS/T 405-2012血细胞分析参考区间．中华检验医学杂志，2015，38(1)：62–63．DOI：10.3760/cma.j.issn.1009–9158.2015.01.016.
[7]刘成玉，罗春丽．临床检验基础.5版．北京：人民卫生出版社，2012.
[8]PrewittJM, MendelsohnML. The analysis of cell images[J]．Ann N Y Acad Sci, 1966, 128(3)：1035–1053.
[9]CornetE, PerolJP, TroussardX. Performance evaluation and relevance of the Cella Vision DM96 system in routine analysis and in patients with malignant hematological diseases[J]．Int J Lab Hematol, 2008, 30(6)：536–542.DOI：10.1111/j.1751–553X.2007.00996.x.
[10]BriggsC, LongairI, SlavikM, et al. Can automated blood film analysis replac the manual differential? An evaluation of the Cella Vision DM96 automated image analysis system[J]．Int J Lab Hematol, 2009, 31(1)：48–60.DOI：10.1111/j.1751–553X.2007.01002.x.
[11]黄骥斌，曾婷婷，郭曼英，等．CellaVision DM96自动化数字图像分析系统进行白细胞分类的临床应用[J]．检验医学，2012，27(4)：299–303．DOI：10.3969/j.issn.1673–8640.2012.04.014.
[12]KratzA, BengtssonHI, CaseyJE, et al. Performance evaluation of the CellaVision DM96 system: WBC differentials by automated digital image analysis supported by an artificial neural network[J]．Am J Clin Pathol, 2005, 124(5)：770–781.DOI：10.1309/XMB9–K0J4–1LHL–ATAY.
[13]QiaoG, ZongG, SunM, et al. Automatic neutrophil nucleus lobe counting based on graph representation of region skeleton[J]．Cytometry A, 2012, 81(9)：734–742.DOI：10.1002/cyto.a.22083.
[14]QiaoG, ZongG, WangJ, et al. Automatic toxic granulation detection and grading based on speeded up robust features[J]．Cytometry A, 2011, 79(11)：887–890.DOI：10.1002/cyto.a.21113.
