2024年7月，湖南省某三甲医院引入安图生物Autolas X-1流水线的同时，搭载了AI凝块与纤维丝检测的功能，成为国内首家使用该功能的医疗机构。
该功能已稳定运行超过5个月，根据6048例真实样本测试结果，凝块与纤维丝识别符合率达97%，结合血清识别过滤和质量检测功能，有效减轻了实验室工作人员的劳动强度，显著提升了实验室的运营效率和检测结果的准确性。
目前，AI凝块与纤维丝检测功能可有效解决凝块与纤维丝对自动化仪器产生的干扰问题，已在国内10余家大型三甲医院投入使用，获得高度认可！
在医学实验室样本前处理环节，凝块与纤维丝一直被视为检测中的“隐形杀手”。这些微小的固态物质不仅会堵塞分析仪器的取样针，干扰仪器正常运行，延误诊断时间，还会严重影响检测结果的准确性，导致结果失真。传统的肉眼识别方法不仅耗时费力，而且容易因疲劳导致漏检或误判，特别是在样本量大的情况下，检测效率和准确性难以保证。
为应对这一挑战，安图生物深入挖掘用户需求，通过持续不断地探索和研究，成功开发出流水线AI凝块与纤维丝检测功能，是国内首家将此方案应用于医学实验室流水线的企业。
实验室数据管理平台凝块与纤维丝识别
在离心血样的检测过程中，识别悬浮的凝块与纤维丝等细微结构是一项极具挑战性的任务，这一过程涉及多个技术难题：如怎样获取到稳定的离心血样图像；如何估计和定位到生化分析取样需要使用的血清区域；如何鉴别凝块与纤维丝，排除各类干扰等等。安图生物又是如何突破各项技术难题，实现该功能在流水线技术上的应用呢？
通过引入自动定焦与AI技术，实现了图像捕获的创新。
该技术能够自动调整成像参数，确保血样成像的清晰度和一致性，保证了关键视觉信息的精准捕捉，为后续的分析任务奠定了坚实的基础。
采用自研的高精度AI深度学习算法，能够精确识别血清中的凝块与纤维丝，并有效排除各种复杂干扰。该算法采用复合级联架构，基于UNeXt网络架构进行优化，显著提高了图像分割和特征采集的精度与适应性，相关研究成果已在权威医学检验期刊上发表。
凝块与纤维丝分割算法被SCI期刊收录
此外，AI模型通过迁移学习策略，确保在不同应用场景中均能保持较强的抗干扰能力，进一步提升了检测的稳定性。
处理复杂的离心血样本中的凝块与纤维丝需要庞大的数据支撑。安图生物的数据标注体系，由顶级临床专家团队开发，通过多重审核确保标注准确性，为AI模型优化提供坚实基础。
强大的数据样本库可支持各种离心血样类型识别
通过四年的不懈开发与积累，携手数十家医院开展课题合作，构建了强大的数据样本库：截至2024年底，样本库包含超过7万个血凝块与纤维丝分割样本，50万个血清质量样本，以及2万余个血清区域高精度样本，总样本数超100万例，涵盖所有主流采血管类型和临床常见血清情形，确保数据的多样性和全面性。
