人工智能辅助血细胞形态学检查的技术要求及其临床应用中国专家共识（2024版）解读

专家共识解读人工智能辅助血细胞形态学检查的技术要求及其临床应用中国专家共识（2024版）解读——基于中华医学会血液学分会实验诊断学组专家共识的学术解读汇报日期2026年07月内容导览01共识背景行业痛点与共识制定目的02技术原理AI辅助系统架构与核心算法03技术要求标本制备、图像采集与模型规范04性能评估验证方法与临床性能指标05临床应用适用场景与报告审核流程06质控安全质量控制体系与数据安全规范07标准展望行业标准进展与未来发展方向CHAPTER01共识背景标准统一是AI检验落地的第一道门槛从人工镜检困境到AI赋能，共识为行业规范化指明方向血细胞形态学检查的临床价值形态学检查临床检验医学的重要组成部分，显微镜观察形态、大小、结构及染色特性诊断价值为血液系统疾病诊断、鉴别、疗效评估及预后判断提供关键依据临床应用白细胞、红细胞、血小板相关疾病诊疗不可替代，血细胞分析重要复检手段血细胞形态学检查是血液病诊断的"金标准"之一传统人工镜检的三大痛点三大痛点相互叠加，传统模式已难以满足临床需求效率瓶颈突出60%县级医院日均标本超100份人工镜检耗时4小时/批次，检验医师难以及时完成全部标本细致分析效率瓶颈主观差异显著传统检查高度依赖检验医师个人经验，不同年资医师对同一标本判断存在明显差异，诊断一致性难以保证主观差异基层人才短缺形态学是检验医学中最难掌握的技能之一，基层医院形态学检验人员缺口大，技术人员识别能力参差不齐，严重制约基层医疗服务质量人才短缺AI技术为形态学检查带来变革效率精准稳定技术突破计算机视觉与深度学习实现血膜全域快速扫描与精准分析，解决传统方法学瓶颈临床装机国内450余台自动化设备应用于临床检验，覆盖全国绝大多数省区AI技术正推动形态学检查从"经验依赖"走向"数据驱动"行业标准缺失的隐患3倍10款主流AI系统血小板计数误差率差异8%-22%行业标准缺失的四大隐患01性能差异2023年多中心研究显示，10款主流AI系统血小板计数误差率在8%至22%之间，性能差异接近3倍02标准缺失不同AI产品在识别谱、分类精度、异常细胞检出灵敏度方面参差不齐，缺乏统一的横向比较标准03能力不足部分AI系统对罕见细胞类型识别能力不足，复杂病例中可能出现漏检，临床难以在采购前全面评估04制度后果行业标准缺失导致技术准入无据可依、临床应用无规可循，严重制约AI技术大范围推广标准化是AI检验从"可用"到"可信"的关键跨越共识制定的三大核心目的三大核心目的：规范先行·落地有据·安全兜底规范AI辅助检测标准95%异常细胞识别准确率明确AI系统性能验证指标，确保检测质量可控、有据可依推动技术临床应用落地40%日均辅助检测标本量提升建立标准化操作流程，推动AI系统临床深度应用保障医疗安全与患者权益及时确诊AI检测结果须经医师复核，初筛漏检罕见病例经人工复核后避免漏诊风险共识的核心价值：规范先行、落地有据、安全兜底共识制定过程与方法学96位专家、72个问题、多轮德尔菲评审——共识的权威性源自严谨的方法学组织架构与发表制定组织中华医学会血液学分会实验诊断学组发表信息《中华血液学杂志》2024年第45卷第4期方法学规范德尔菲法综合评优率90%以上且专家推荐率95%及以上为强烈建议级别90%综合评优率强烈建议覆盖范围问题数量72个问题收集专家意见5大核心领域术语定义、技术要求、临床应用、数据管理、信息安全专家规模96位专家多轮评审CHAPTER02技术原理四层架构协同，实现从图像到诊断的智能跃迁理解系统组成与算法原理，是评估AI性能的基础AI辅助检查系统四层架构"四层架构环环相扣，任何一层短板都将影响最终输出质量"图像采集模块高分辨率光学镜头及图像传感器，完成血涂片数字化扫描图像处理模块去噪、对比度增强、细胞分割等预处理，生成标准化数字图像AI分析模块深度学习模型驱动，实现细胞特征提取、分类识别和异常检测临床应用模块AI结果转化为结构化报告，支持医师审核、确认、修改与发布图像采集模块的技术内核四大核心技术参数设备形态全自动数字细胞形态分析仪，实现血涂片自动加载、扫描和对焦光学镜头≥40倍物镜，数值孔径≥0.65，确保细胞内细微结构清晰可辨图像传感器CCD或CMOS传感器，像素分辨率≥500万，保证图像细节信息充足对焦技术多点动态对焦，多焦平面图像算法合成，模糊率控制在0.3%以下高分辨光学系统是AI"看清"细胞的第一步AI分析模块的算法体系共识推荐的三种主流算法类型CNN提取细胞空间形态特征（大小、形状、纹理）优势场景:空间特征RNN适用于序列化分析优势场景:序列分析Transformer自注意力机制捕捉全局特征关系优势场景:全局关系共识推荐：多模态融合模型模型要求融合图像特征与临床检验数据（血细胞计数、生化指标），提升复杂形态细胞识别能力训练数据需使用10万+标注血涂片图像，涵盖常见细胞类型与罕见异常细胞，确保泛化能力多模态融合是突破单一图像分析局限的关键方向特征提取与分类识别原理特征提取层形态学特征：大小、形状、核质比纹理特征：染色强度分布颜色特征：RGB通道值特征向量层≥200个维度特征共同构成数字指纹分类决策层≥20类血细胞分类：中性粒细胞分叶核/杆状核、嗜酸性粒细胞、嗜碱性粒细胞、各类淋巴细胞及异常细胞稀有细胞专项：原始粒细胞、异型淋巴细胞等需针对独特形态特征进行专项训练，确保不漏检、不误判200+维度特征向量，让AI拥有超越人眼的"数字显微镜"能力训练策略与过拟合防控正则化与数据增强双管齐下，确保AI"学会"而非"背下"Dropout正则化随机"丢弃"部分神经元0.2-0.5丢弃比例迫使模型学习更鲁棒的特征表示，避免对特定训练样本的过度依赖权重衰减L2正则化约束参数1e-5正则化系数对模型参数施加约束，防止权重值过大，使模型更加平滑数据增强图像变换扩充多样性随机旋转翻转缩放在不增加标注成本的前提下有效扩充训练集多样性，提升模型泛化能力内部验证集需独立于训练集，样本量≥2万例，且必须包含罕见病例（如急性早幼粒细胞白血病），以客观评估模型真实性能数字病理平台的整合趋势从单机到云端，AI正在重塑检验医学的协作模式150家接入医院联影医疗AI病理云平台96.5%检出灵敏度华大基因AI系统融合血液涂片分析从单机到云端不同级别医院共享AI分析能力与专家资源平台化核心价值标准化数据格式、集中化模型更新、远程化专家会诊，基层医院获得等同三甲的AI辅助诊断能力标准化、远程化、集中化—基层医院获等同三甲AI辅助诊断能力CHAPTER03技术要求标准化是AI精准识别的生命线从采血管到算法输出，每个环节都有严格的技术门槛标本采集的标准化要求标本质量是AI分析的第一道关口，不合格标本必然导致不可靠结果EDTA-K2抗凝管1.5-2.2mg/mL浓度5-8次颠倒2-8℃保存操作规范：采血后立即颠倒混匀，避免细胞破坏采集容器EDTA-K2抗凝真空管，轻轻颠倒混匀5-8次，避免剧烈震荡保存条件2-8℃保存，4h内完成涂片，超24h不可用质量门槛Hb≥50g/L且PLT≥50×10⁹/L，严重脂血溶血需重采涂片制备的操作规范30°-45°角、2-3μL血量——标准化操作从每一个细节开始01滴加血液取2-3μL抗凝血，滴于载玻片距边缘1cm处，推片30°至45°角匀速推动02形态要求涂片头体尾分明，细胞均匀，血膜面积约5cm²；白细胞少时适当增加用血量和面积03干燥固定自然干燥室温下≥30分钟，或冷风干燥机≤40℃加速，避免高温致细胞变形04质量评估推片机或手工制备，均须满足AI分析和人工镜检双重质量要求推片角度、血量控制、干燥温度——任一参数偏差均影响AI识别精度推片机与手工制片的对比推片机制片稳定性更高消减手工制备重复性差及细胞破碎问题智能参数调节用血量2-4μL、角度20°-36°、速度30-185mm/s、延展0.5-3.0秒适配度更好利于AI标准化分析手工法制片需制定SOP对标仪器性能细胞差异推片机制备细胞可能更大、更薄识别差异AI识别结果可能存在差异对比验证实验室须进行对比验证共识强烈建议优先使用推片机制片，手工法需制定对标SOP血涂片染色的标准流程精确到秒的染色程序，是AI精准识别的物质基础标准五步染色程序01甲醇固定30秒02瑞氏染液染色1分钟03缓冲液稀释染液染色5分钟04流水冲洗1分钟05干燥—关键质控要点染液管理滴染或浸染，用量与更换频率严格管理，避免染液变性单一变量调整逐项调整染色设置，避免多变量干扰染色质量控制与比对要求≥95%一致性是硬指标——染色质量不过关，AI性能无从谈起细胞形态完整各成分着色正常、分色清晰，核染色质结构清楚比对符合率≥95%自动染片机与手工染色镜检结果一致性比对，确保AI可准确识别最佳染色方案预固定、初染、复染、冲洗、干燥各环节的时间与模式组合优化定期监测机制每批次质控血涂片验证，发现波动立即排查图像采集的硬件参数要求2048×2048

像素是AI"看细胞"的最低清晰度门槛数字分辨率≥2048×2048单个细胞占据足够像素面积，细节呈现无失真光学系统≥40×物镜，数值孔径≥0.65，传感器≥500万像素核仁、Auer小体等亚结构清晰可辨动态对焦多点采集多焦平面图像合成解决血细胞不同焦平面的聚焦难题扫描模式全区域扫描整张血涂片，白细胞减少标本仍可精准定位计数提高异常细胞检出率光学系统配置：≥40倍物镜/数值孔径≥0.65/传感器≥500万像素——核仁、Auer小体等亚结构清晰可辨的关键保障图像预处理与质量把控0.3%以下某AI系统通过自动对焦和预处理算法，将最终模糊率控制在0.3%以下，为后续AI分析提供了高质量输入图像处理是AI分析的咽喉要道，垃圾进必然垃圾出去噪处理通过滤波算法去除图像采集过程中引入的电子噪声和光学噪点，避免噪点被误判为细胞内的异常结构对比度增强采用直方图均衡化等算法，增强细胞核与细胞质之间的对比度，使染色质纹理和颗粒更清晰标准化校正对图像的颜色空间进行标准化，消除不同染色批次、不同设备间的色差，确保AI模型输入的一致性数据标注的严格规范99.5%的标注准确率，是AI模型的"天花板"——模型不可能超越训练数据的质量99.5%标注准确率参照协和标准2名副主任医师以上双盲标注10万+高质量标注图像性能基础保障资质保障2名副主任医师以上职称人员执行双盲标注，确保权威性与一致性流程保障双人结果不一致时，由第3位更高级别专家仲裁判定，形成最终金标准内容保障标注内容涵盖细胞类型、发育阶段（早幼粒/中幼粒/晚幼粒）、形态异常（中毒颗粒/空泡变性）及临床关联信息质量保障模型训练高度依赖标注质量与数量，10万+高质量标注图像是性能基础保障AI模型的算法规范要求≥20类多类细胞分类能力≥95%稀有细胞检测灵敏度形态特征提取精度红细胞大小与形态（镰刀形/椭圆形/球形）及血小板聚集状态识别准确率达98.3%多模态融合推荐整合血涂片图像特征与血细胞计数、生化指标等临床检验数据，提升综合诊断能力20+类细胞分类、95%稀有细胞检出率——AI模型的技术及格线细胞识别谱的基本要求全面的细胞识别谱是AI系统具备临床实用性的基本前提红细胞系（8项）正常红细胞球形红细胞椭圆形红细胞靶形红细胞镰刀形红细胞泪滴形红细胞嗜多色性红细胞有核红细胞白细胞系（7项）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淋巴细胞异型淋巴细胞单核细胞幼稚/异常白细胞（6项）原始粒细胞早幼粒细胞中幼粒细胞晚幼粒细胞幼稚淋巴细胞幼稚单核细胞血小板系（4项）正常血小板大血小板巨大血小板血小板聚集其他形态异常中毒颗粒空泡变性杜勒小体Auer小体CHAPTER04性能评估数据不会说谎，验证是信任的基石内部验证与外部临床研究共同构筑AI性能的证据链内部验证的规范要求2万例独立验证集是AI系统获批前的"入学考试"数据集独立性验证集必须独立于训练集，使用模型从未见过的样本，确保验证结果真实反映模型的泛化能力样本量门槛内部验证集样本量要求≥2万例，样本量不足将导致统计效力不够，无法有效检出性能缺陷病例覆盖度必须包含罕见病例（如急性早幼粒细胞白血病、毛细胞白血病等），评估AI在极端情况下的识别能力覆盖所有细胞类型逐一类别计算灵敏度、特异性、阳性预测值和阴性预测值性能评估报告记录每类细胞的性能指标及误判/漏检案例清单白血病筛查的灵敏度要求98%灵敏度AI系统检出灵敏度要求高灵敏度·极低漏检风险异常细胞比例低于1%时，AI系统仍需高概率将其检出急性白血病早期诊断关键线索检测外周血中幼稚粒细胞、原始细胞临床意义APL等类型进展迅速，早期检出显著改善预后，降低早期死亡风险多类细胞分类的准确性验证成熟细胞AI接近满分，幼稚细胞仍是差异化竞争的深水区98.2%白细胞分类准确率推想科技·30家三甲医院95%+白细胞分类准确率迈瑞×腾讯·较年轻医生80%提升≥90%异常血细胞识别准确率小蝇科技Cygnus·不受疲劳影响细胞类型与AI表现特征细胞类型AI表现特征成熟细胞（如中性分叶核粒细胞）不同产品准确率接近幼稚细胞、异型细胞识别准确率差异显著验证重点：AI在模糊边界病例（如中幼粒与晚幼粒区分）上的表现——此类场景为人工与AI共有易错区幼稚细胞识别是AI血细胞分析的下一个主战场AI与形态学专家的直接对决95.97%

排名第二——AI已跻身"形态学专家"行列，但并非全能AI优势总体准确率95.97%，在所有参评者中排名第二分析稳定性常规白细胞分类表现稳健研究设计104份标本与15位专家对比人类专家优势异常细胞识别AI91.38%降至第五，人类领先整合判断整合涂片整体背景信息模糊细胞判断更精准AI认知偏差模糊细胞归类为更早发育阶段，依赖孤立图像特征人类认知偏差判断为较晚发育阶段，整合涂片整体背景VS混合深度学习框架的性能突破97.16%准确率、98.2%特异性——混合框架正在重新定义AI血细胞分类的性能上限整体分类准确率98.2%幼稚粒细胞识别特异性0.93+马修斯相关系数100-250秒训练时间基准700-2000秒vsMLP91.96%97.16%提升5.2%vsEfficientKAN95.36%97.16%提升1.8%效率增益3-8倍训练效率提升技术原理BiT1024维特征提取+KAN非线性决策边界，实现效率与精度平衡数据来源·实验对比不同AI产品性能差异的量化对比产品/系统关键性能指标验证规模数据来源推想科技AI系统白细胞分类准确率

98.2%30家三甲医院2024版共识迈瑞AI阅片机分类准确率

≥95%全球400+医院迈瑞公开数据Cygnus分析系统异常识别准确率

≥90%国家药监局验证小蝇科技MC-100i系统总体准确率

95.97%104例/19,174细胞npjDigitalMedicineBiT-HyMLP框架准确率

97.16%17,092张图像学术研究报道98.2%白细胞分类准确率95.97%总体准确率注意要点测试条件和数据集不完全相同，直接横向对比需谨慎关注产品在本地实验室条件下的实际表现，而非仅参考厂商验证数据采购前进行本地化验证，使用本实验室标本和染色条件评估AI性能数据虽好，本地验证才是选型的"试金石"性能评估的综合指标体系性能评估不止于准确率——速度、一致性、鲁棒性缺一不可分析性能灵敏度、特异性、准确率阳性预测值、阴性预测值ROC曲线下面积按细胞类型逐一报告效率性能单标本分析时间日均处理量连续运行稳定性全流程通量效率一致性AI与人工镜检金标准一致不同操作者一致同一标本重复分析一致鲁棒性不同染色质量、制片方式、样本条件下的稳定性低质量样本中的降级表现综合评估应形成性能验证报告，作为AI系统投入临床使用的必要条件CHAPTER05临床应用AI是辅助，不是替代明确适用边界与报告审核流程，确保医疗安全适用场景与不适用场景AI辅助核心定位辅助检验医师完成外周血涂片的血细胞分类计数与形态学评估，而非替代人工判断不适用场景骨髓涂片分析细胞类型复杂、形态多样、各发育阶段共存，AI尚不具备独立分析能力，必须人工复核原始与幼稚细胞鉴别原始细胞与正常幼稚细胞、异常造血与正常造血细胞的区分，仍是AI重大技术挑战涂片质量差的骨髓标本骨髓坏死、纤维化等情况导致AI分析准确性

显著下降超范围使用风险适用范围需在

产品说明书

中明确标注，超出范围可能导致误判外周血是AI的主战场，骨髓涂片仍须人工掌舵贫血类型的AI辅助鉴别AI可对涂片中数千个红细胞进行批量形态测量，输出大小分布直方图与异形率统计核心鉴别参数大小红细胞平均直径色素含量中央淡染区异形率异形红细胞比例两种贫血的AI识别特征缺铁性贫血小细胞低色素性红细胞红细胞大小不等中央淡染区扩大可伴少量靶形红细胞巨幼细胞性贫血大卵圆形红细胞红细胞体积增大色素饱满常伴中性粒细胞核分叶过多千级细胞批量分析，让贫血类型的形态学鉴别从"经验判断"走向"数据支撑"VS白血病的AI辅助筛查路径自动扫描AI对全血膜进行全域扫描覆盖所有有核细胞异常标记标记可疑幼稚粒细胞等灵敏度要求≥98%人工复核精准定位异常细胞坐标镜检下快速复核确认报告AI标记→人工复核→确认报告形成完整闭环形成完整的AI辅助筛查闭环全域扫描+精准定位，AI让白血病筛查从"大海捞针"变为"按图索骥"血小板减少性疾病的鉴别血小板数量+形态+分布——AI三维分析辅助精准鉴别免疫性血小板减少症（ITP）血小板数量显著减少AI识别血小板数量显著减少可见巨大血小板（直径>4μm）巨大血小板直径超过4微米提示骨髓巨核细胞代偿性增生血小板破坏增加，骨髓代偿增生AI辅助：AI可全区域计数与形态评估辅助鉴别血栓性血小板减少性紫癜（TTP）血小板数量极度减少AI识别血小板数量极度减少血小板形态通常正常TTP患者血小板形态无明显异常可见裂红细胞提示微血管病性溶血血涂片中裂红细胞为TTP特征AI辅助：结合AI直方图和形态参数高效判断遗传性血液病的形态学筛查AI形态学初筛，为遗传性血液病的早发现打开一扇新窗口AI自动识别血涂片中的异形红细胞，为遗传性血液病提供形态学初筛线索，引导进一步针对性检查球形红细胞AI识别细胞直径减小、中央淡染区消失、呈球形的红细胞增多遗传性球形红细胞增多症椭圆形红细胞AI识别呈椭圆形的红细胞比例增高（>25%有诊断意义）遗传性椭圆形红细胞增多症靶形红细胞AI识别中央染色区域呈靶状的红细胞增多，常见于地中海贫血和血红蛋白病地中海贫血血红蛋白病感染性疾病的辅助诊断AI系统可识别中性粒细胞中的中毒颗粒和空泡变性等感染相关形态学改变，辅助细菌感染的早期诊断中毒颗粒胞浆中出现粗大、深染的紫黑色颗粒，AI通过纹理分析和颗粒度测量实现定量评估空泡变性胞浆内出现大小不等的圆形空泡，AI通过分割算法识别并统计空泡化细胞的比例与血常规参数（白细胞计数、中性粒细胞百分比、C反应蛋白）联合解读，提高诊断特异性定量分析为感染严重程度评估提供形态学参考指标AI让感染中毒的形态学评估从"有或无"升级为"多或少"的定量分析报告审核与人工复核流程AI定位异常，医师确认判断——最佳的人机协作不是替代而是互补报告审核与人工复核流程01AI初筛生成AI系统自动扫描分类，输出包含细胞分类计数、异常标记及形态描述的初步报告02智能标记引导AI自动标记可疑异常细胞，记录血涂片坐标，形成复核清单引导医师逐项确认03人工镜下复核检验医师对标记细胞进行人工显微镜下复核，确认或修正AI判断，同时全片浏览排查遗漏04确认签发归档确认无误后签发最终报告，AI分析结果与人工修改记录双轨留存AI检测结果必须经医师复核，AI仅为辅助工具，最终诊断决策权始终在医师手中阅片效率提升的临床实证效率提升实证迈瑞腾讯合作：阅片时间缩至0.5分钟效率提升近60倍，从25-30分钟大幅缩短某省血液中心：AI辅助检测量提升40%日均标本检测量提升，有效缓解检验科工作压力效率赋能：医师精力转向疑难病例更多投入临床沟通，整体提升检验服务质量市场与落地全球市场：400+医院使用迈瑞AI阅片机上市后销量超竞争对手过去十年总和小蝇科技落地：海淀区项目升级Cygnus系统参与科技应用场景项目，升级为血液病专项半分钟完成过去半小时的工作量——效率的量变正在引发检验服务的质变CHAPTER06质控安全质量是检验的生命，安全是医疗的底线建立覆盖全流程的质量控制与数据安全管理体系室内质量控制的体系建设AI辅助检查系统须建立与传统人工镜检同等甚至更严格的质量控制体系，覆盖全流程各环节日常质控每日使用已知细胞分类比例的质控血涂片进行测试，AI分类结果与靶值的偏差需在允许范围内定期校准每月至少进行一次全类目细胞识别性能测试，涵盖所有类型的正常和异常细胞，记录并追踪性能变化趋势系统验证每季度或重大系统更新后，使用独立验证集进行全面性能评估，形成质控报告出现性能下降时应立即启动根因分析：检查染色质量、图像采集参数、软件版本、模型状态等可能的变异来源质量控制不是偶发行为，而是嵌入每日工作流的持续机制室间质评与实验室间比对外部比对是AI系统质量的"照妖镜"，让系统偏差无处遁形室间质评与实验室间比对要点01参加EQA计划与同类系统实验室及人工镜检参考实验室同步比对02三维一致性指标细胞分类计数、异常细胞检出、形态学描述03定期实验室间比对AI系统间、AI与人工镜检间交叉验证，识别并纠正系统偏差04覆盖临床相关浓度样本含正常与异常标本（各类血液系统疾病），充分评估性能边界不达标即停改—室间质评不达标立即暂停临床使用，整改验证合格后方可恢复检验人员的能力要求AI不是"替代人"，而是"要求人更强"——只会操作不会判断的时代已经过去形态学基础能力独立完成人工镜检具备AI结果审核判定能力AI系统操作能力掌握系统操作规程了解性能特点与常见误差模式熟悉故障处理方法综合审核能力判定AI结果准确性识别典型误判：如反应性淋巴细胞误判为幼稚细胞对AI标记异常细胞逐一复核确认对AI未标记但具临床意义的异常形态保持警惕机构应建立定期培训和考核机制，确保检验人员持续保持形态学识别与AI操作双重能力数据保存与电子化存档规范从玻片柜到云端存储，数据留存方式的变革正在释放血液形态学的教学和研究价值核心规范要求保存格式以电子化图片、资料为主，逐步替代传统玻片存档模式保存内容血涂片全玻片数字图像、AI分类结果、人工复核修改记录、最终报告、质控数据法规遵循保存期限需符合国家医疗器械管理和医疗记录保存相关法规要求，确保完整可追溯延伸应用价值纵向对比可对同一患者不同时间段的形态学特征变化进行对比分析，为疾病进展评估提供直观依据教学资源去除患者隐私信息后，血细胞分析图片可作为教学素材，为线上或线下培训提供宝贵资源LIS系统集成与自动审核双向通信AI形态学检查与LIS实现数据互通，形成闭环报警联动AI结果与血细胞分析报警信息结合，触发审核流程自动推送复检规则触发时，LIS自动推送标本信息启动自动扫描分析智能回传AI结果自动回传LIS，按预设规则自动审核发布效率提升大幅缩短异常报警到形态学复核的全流程时间LIS+AI联动，让"自动化检验流水线"从细胞计数延伸到形态学分析大幅缩短异常报警到形态学复核的全流程时间信息安全与患者隐私保护患者信息和医学图像数据属于敏感个人信息，需遵守《个人信息保护法》和《数据安全法》技术安全措施访问权限控制数据加密传输和存储、操作日志审计追踪远程会诊安全传输加密、终端身份认证、会诊后数据按规定处理科研教学脱敏去除所有可追溯患者个人身份的信息管理制度要求数据安全管理制度明确数据访问权限、使用范围和责任追究机制安全与准确底线患者信息安全与数据准确性是AI临床应用的底线数据安全是AI医疗的红线——技术跑得再快，也不能越过隐私保护的底线CHAPTER07标准展望从共识到标准，从试点到普及AI辅助血细胞形态学检查正在开启检验医学新纪元首个AI三类证获批的里程碑2025年9月|全国首个体外诊断领域AI三类医疗器械注册证≥90%异常血细胞识别准确率"LaCeMuM"多模态细粒度大模型多点动态对焦高清成像，血涂片血膜全域快速扫描国家药监局验证结果客观稳定，不受人员疲劳与经验差异影响深度参与海淀区科技应用场景项目形成"技术落地—效果验证—专项深化"良性闭环首张AI三类证，为行业从"野蛮生长"走向"规范发展"树立了标杆首个行业标准的正式发布YY/T1990—2025标准编号首个AI病理辅助分析行业标准2025.10.30发布时间国家药监局人工智能医疗器械标准化技术归口单位秦文健研究员主持制定从共识到标准，AI检验的规范化进程正在加速核心聚焦细胞分割、细胞类型识别等算法性能测试方法适用范围采用AI技术对细胞病理图像进行后处理的辅助分析软件行业价值填补标准空白，解决算法性能评价不统一、测试数据采集与标注不规范等问题卫生技术评估项目的推进牵头单位国家卫健委卫生发展研究中心与北京协和医院检验科联合牵头2024年7月启动参与规模14家全国大型综合医疗机构参与，涵盖华西医院、瑞金医院、湘雅二医院等评估维度四维评估：安全性、有效性、经济性、适宜性临床验证证明"可用"，卫生技术评估证明"该用"——AI检验走向广覆盖的必经之路政府决策与医保准入为政府决策、医保准入、医院采购提供科学依据代表性与普适性覆盖不同级别和地区医疗机构，确保代表性和普适性国家标准计划的全面推进"人工智能医疗器械

质量要求和评价"系列标准全面推进，第3部分（数据标注通用要求）与第4部分（可追溯性）于202