HematoCase: detecção e classificação assistidas por IA em mielograma e sangue periférico — nota técnica de validação

1. Introdução

A avaliação morfológica do esfregaço de sangue periférico e do aspirado de medula óssea (mielograma) é etapa central do diagnóstico hematológico, apoiada na contagem diferencial e na identificação de linhagens celulares². Limiares morfológicos têm peso diagnóstico direto — por exemplo, o percentual de blastos que define leucemia aguda na classificação da OMS¹ — e a própria contagem diferencial carrega imprecisão amostral bem descrita, que justifica reportar intervalos de confiança em vez de pontos isolados³.

Métodos de aprendizado profundo tornaram-se referência em visão computacional ⁸ e, em hematologia, redes convolucionais já demonstraram reconhecimento de blastos e tipagem de leucócitos em nível comparável ao humano^14,15. O HematoCase aplica detecção de objetos⁹ para localizar células e classificação para tipá-las, mantendo o profissional como autoridade final. Esta nota reporta a validação desses modelos com quantificação explícita de incerteza.

2. Materiais e métodos

2.1 Modelos

Foram avaliados três detectores de mielograma — dois de 2024 (arquitetura YOLOv8n), um deles com pré‑processamento letterbox (preservando a proporção do campo, igual ao treino) e outro com squash, e um de 2023 (YOLOv5s)¹⁰ — e cinco classificadores de 9 classes celulares: VGG16 e VGG19¹¹, ResNet50¹², DenseNet121¹³ e YOLOv8‑cls¹⁰.

2.2 Conjuntos de avaliação e verdade de referência

A curadoria humana constitui a verdade de referência. A classificação foi avaliada em 180 imagens (9 classes — basófilo, eosinófilo, linfócito, monócito, neutrófilo, granulócito imaturo, plaqueta, eritroblasto e fundo — 20 por classe, amostragem com semente fixa 42, pré‑processamento raw255). A detecção foi avaliada em 6 campos de mielograma totalizando 50 caixas anotadas.

2.3 Métricas

Uma detecção é considerada verdadeiro‑positivo quando a sobreposição com a caixa de referência atinge IoU ≥ 0,5^16,17. Reporta‑se precisão, revocação e acerto de classe sobre os verdadeiro‑positivos; para os classificadores, acurácia global e matriz de confusão.

3. Análise estatística

Cada proporção é acompanhada de intervalo de confiança de Wilson (score) 95%⁴, preferido à aproximação normal e à Clopper‑Pearson⁵ por bom comportamento em amostras pequenas e proporções próximas de 0 ou 1. Como verificação independente, os mesmos intervalos foram estimados por bootstrap percentil 95% (10.000 reamostragens, semente 42)⁶. A comparação entre as variantes letterbox e squash, avaliadas sobre as mesmas 50 caixas de referência, usou o teste pareado de McNemar⁷. Reprodutibilidade: sementes fixas, pré‑processamento congelado e serviço de inferência determinístico (verificado por teste‑ouro de regressão).

4. Resultados

4.1 Classificação (9 classes)

As acurácias variaram de 36,1% (VGG16) a 98,3% (YOLOv8‑cls). A Figura 1 mostra os pontos e os IC de Wilson 95%; as matrizes de confusão dos dois melhores modelos aparecem na Figura 2.

Tabela 1. Acurácia por classificador com IC de Wilson e bootstrap 95%.

4.2 Detecção (mielograma)

A variante letterbox apresentou o melhor desempenho global (revocação 0,86; acerto de classe 88,4%), com precisão de 1,00 e nenhum falso‑positivo em 43 detecções. A Figura 3 resume as métricas com IC 95%.

Tabela 2. Detectores de mielograma — métricas com IC 95% (50 caixas GT, IoU ≥ 0,5).

4.3 Letterbox vs. squash (teste pareado)

Sobre as mesmas 50 caixas, o letterbox recuperou 43 e o squash 42 (Δrevocação = +2,0 pp; Δacerto de classe = +2,7 pp). O teste de McNemar não rejeitou a hipótese nula (p ≈ 1), ou seja, a diferença observada é compatível com ruído amostral neste tamanho de amostra.

4.4 Exemplos de detecção

5. Discussão

No conjunto avaliado, a classificação atinge desempenho alto e estável para os modelos mais recentes (ResNet50 e YOLOv8‑cls), enquanto arquiteturas VGG servem como linha de base inferior — padrão consistente com a literatura de backbones^12,13. Na detecção, a precisão elevada (ausência de falsos‑positivos nos modelos de 2024) é desejável em triagem, pois limita alarmes espúrios; a revocação de ~0,85 indica que uma fração das células ainda escapa e reforça a necessidade de revisão humana. A tipagem de leucócitos do sangue periférico é coberta pelo classificador de 9 classes; a verdade de referência de detecção em campo concentra‑se, por ora, no mielograma.

6. Limitações e reprodutibilidade

O principal limite é o tamanho do conjunto anotado de detecção (50 caixas em 6 campos), que amplia os intervalos de confiança e reduz o poder do teste pareado; comparações entre variantes devem ser lidas como exploratórias. As imagens provêm de aquisição limitada e não substituem uma avaliação clínica prospectiva. A plataforma é RUO: as saídas são apoio à decisão e não constituem laudo. Para reprodutibilidade, fixaram‑se sementes (42), pré‑processamento e um serviço de inferência determinístico, verificado por teste‑ouro de regressão a cada implantação.

7. Conclusão

O HematoCase entrega detecção e classificação assistidas com incerteza quantificada (IC de Wilson e bootstrap) e comparações honestas (McNemar). Os melhores modelos alcançam desempenho alto em classificação e precisão perfeita em detecção no conjunto avaliado, sempre sob curadoria humana obrigatória. A ampliação do conjunto anotado é o passo natural para estreitar os intervalos e sustentar afirmações comparativas com significância estatística.

Referências

1. Khoury JD, Solary E, Abla O, et al. The 5th edition of the World Health Organization Classification of Haematolymphoid Tumours: Myeloid and Histiocytic/Dendritic Neoplasms. Leukemia. 2022;36(7):1703–1719.
2. Bain BJ. Blood Cells: A Practical Guide. 5th ed. Wiley‑Blackwell; 2015.
3. Rümke CL. The imprecision of the ratio of two percentages observed in differential white blood cell counts: a warning. Blood Cells. 1985;11(1):137–140.
4. Wilson EB. Probable inference, the law of succession, and statistical inference. J Am Stat Assoc. 1927;22(158):209–212.
5. Clopper CJ, Pearson ES. The use of confidence or fiducial limits illustrated in the case of the binomial. Biometrika. 1934;26(4):404–413.
6. Efron B, Tibshirani RJ. An Introduction to the Bootstrap. Chapman & Hall/CRC; 1993.
7. McNemar Q. Note on the sampling error of the difference between correlated proportions or percentages. Psychometrika. 1947;12(2):153–157.
8. LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015;521(7553):436–444.
9. Redmon J, Divvala S, Girshick R, Farhadi A. You Only Look Once: Unified, Real‑Time Object Detection. In: Proc. IEEE CVPR; 2016. p. 779–788.
10. Jocher G, et al. Ultralytics YOLO (v5/v8) [software]. https://github.com/ultralytics/ultralytics
11. Simonyan K, Zisserman A. Very Deep Convolutional Networks for Large‑Scale Image Recognition. In: Proc. ICLR; 2015.
12. He K, Zhang X, Ren S, Sun J. Deep Residual Learning for Image Recognition. In: Proc. IEEE CVPR; 2016. p. 770–778.
13. Huang G, Liu Z, van der Maaten L, Weinberger KQ. Densely Connected Convolutional Networks. In: Proc. IEEE CVPR; 2017. p. 4700–4708.
14. Matek C, Schwarz S, Spiekermann K, Marr C. Human‑level recognition of blast cells in acute myeloid leukaemia with convolutional neural networks. Nat Mach Intell. 2019;1(11):538–544.
15. Acevedo A, Merino A, Alférez S, Molina Á, Boldú L, Rodellar J. A dataset of microscopic peripheral blood cell images for development of automatic recognition systems. Data Brief. 2020;30:105474.
16. Everingham M, Van Gool L, Williams CKI, Winn J, Zisserman A. The PASCAL Visual Object Classes (VOC) Challenge. Int J Comput Vis. 2010;88(2):303–338.
17. Padilla R, Netto SL, da Silva EAB. A survey on performance metrics for object‑detection algorithms. In: Proc. IWSSIP; 2020.