编者按：凝血功能检测是血栓与出血性疾病诊疗、围术期风险评估、抗凝药物监测及重症患者救治的核心实验室依据，其结果的准确性直接决定临床决策的安全性与有效性。在检验全流程的误差来源中，检验前阶段的占比超过60%，而血液标本中的微小凝块是凝血检测中最常见、隐蔽性最强的干扰因素之一。近年来，计算机视觉与深度学习技术的快速发展为医学检验的自动化质控提供了全新技术路径，通过人工智能实现标本凝块的自动化、标准化检测，成为提升凝血检验质量的重要突破方向。在2026年国际血栓与止血学会（ISTH）大会上，由北京积水潭医院吴俊教授团队联合国内7家医学中心共同完成的CLOT（Clot Learning and On-guard Tracking，凝块学习与实时追踪）系统研究正式发布（摘要号04.1）。该研究基于十万级多中心数字图像数据集，开发了融合注意力机制与定制化损失函数的深度学习模型，实现了凝血标本凝块的高精准自动化分层，并系统量化了凝块对凝血检测指标的干扰程度，为凝血检验前质量控制的智能化升级提供了高质量循证依据。
研究设计与方法
本研究为多中心回顾性研究，纳入2025年5—10月期间国内7家医疗机构的凝血检测标本图像，经严格纳入排除标准筛选后，最终构建包含97322张数字图像的标注数据集。所有图像均经过专业人员标准化标注，数据集分为两个独立部分：其一为主图像数据集，包含96782张图像，凝块阳性与阴性样本比例约为1:180，用于模型的训练与开发；其二为配对临床验证数据集，包含540张图像，来自270例经确认的凝块阳性标本及其对应的无凝块配对标本，用于模型性能的最终独立验证。
研究开发的CLOT系统以DenseNet-121为主干网络架构，创新性融合卷积块注意力模块（CBAM）以强化模型对微小凝块特征的提取能力；针对数据集严重的类别不平衡问题，研究团队设计了新型类别依赖调制焦点损失函数，有效缓解了极端样本比例下的模型偏倚，提升了对少数类凝块样本的识别性能。研究采用ROC曲线下面积（AUC）、灵敏度、特异度及F1分数作为模型性能的核心评价指标，并通过消融实验逐一验证各模块的性能贡献。
为明确凝块对临床检测的实际影响，研究对270组配对标本的核心凝血参数进行对照分析，涵盖凝血酶原时间（PT）、活化部分凝血活酶时间（APTT）、纤维蛋白原（FIB）、凝血酶时间（TT）、D-二聚体、纤维蛋白（原）降解产物（FDP），采用Wilcoxon符号秩检验评估组间差异的统计学显著性。
核心研究结果
01、模型检测性能优异，实现凝块高精准分层
独立配对临床验证集的测试结果显示，CLOT系统对凝血标本凝块具有极佳的鉴别能力，ROC曲线下面积达0.993，接近完美分类水平。在临床最优工作点下，系统的灵敏度可达0.922，特异度达0.985，兼具高凝块检出率与低假阳性率，完全满足临床实验室的质控需求。
消融实验结果证实，CBAM注意力模块与定制化的类别依赖调制焦点损失函数均对模型性能提升具有关键作用：注意力机制有效增强了模型对微小凝块特征的聚焦能力，而定制损失函数则显著改善了极端类别不平衡带来的模型偏向性。与MLP基线模型及其他主流主干网络架构相比，融合CBAM的DenseNet-121方案在参数量与检测性能间实现了最佳平衡，模型轻量化程度高，具备临床落地的部署优势。
02、凝块显著干扰凝血参数，临床质控价值明确
研究通过配对标本的对照分析，系统量化了凝块对凝血检测结果的干扰程度。结果显示，标本中凝块的存在会导致多项核心凝血指标出现显著偏倚：可造成APTT结果假性延长、FIB检测值假性降低，同时导致D-二聚体与FDP水平假性升高，上述差异均具有统计学意义。
这一结果直观印证了凝块标本对临床检验结果的实质性危害：异常的指标可能使临床误判患者的凝血功能状态，比如将凝血功能正常的患者误判为低凝或高纤溶状态，进而引发不必要的进一步检查甚至错误的治疗干预，从数据层面凸显了前置性凝块筛查的临床必要性。
结 语
CLOT凝块智能检测系统的成功开发与多中心验证，是人工智能技术与临床检验质控深度融合的标志性成果。该系统依托十万级多中心真实世界数据训练，兼具极高的检测准确性与临床适用性，能够替代传统人工目视筛查，实现凝血标本凝块的自动化、标准化、高通量检测，可直接嵌入现有检验流水线，从检验流程的源头把控标本质量。
从临床价值来看，CLOT系统的应用不仅能够大幅提升实验室质控效率、降低人工成本，更重要的是能够有效减少因标本凝块导致的检验误差，避免错误的临床决策，同时减少患者重复采血的负担，全面提升凝血检验的安全性与同质化水平。
放眼检验医学的发展趋势，智能化正在成为推动检验质量与效率双提升的核心驱动力。CLOT系统为凝血专业的智能化质控提供了可复制、可推广的实践范式，也为人工智能在检验全流程的应用拓展了新的边界。未来，随着算法的持续迭代与真实世界应用数据的积累，智能化质控系统有望覆盖更多标本异常类型与检验项目，推动临床检验质控从“人工抽样筛查”向“智能全量管控”转型，为精准诊疗提供更坚实、更可靠的实验室支撑。