Исследованы возможности глубокого обучения для обнаружения и классификации ядросодержащих клеток подвариантов острого лимфобластного лейкоза по цифровым изображениям препаратов костного мозга без предварительной ручной сегментации и выделения признаков. В ходе исследования сформирована выборка из 96 клинических случаев, включающая 9468 изображений ядросодержащих клеток с препаратов костного мозга, полученных с применением компьютерной микроскопии. Для анализа изображений использовалась архитектура одностадийного нейросетевого детектора семейства YOLO (You Only Look Once), что позволило значительно автоматизировать процесс обнаружения и классификации клеток. Обученная модель продемонстрировала высокую общую точность — 0,98 — на тестовой выборке и 0,83 — на независимой (48 клинических случаев), что свидетельствует о хорошей обобщающей способности и надежности представленного метода. Высокая чувствительность (1,0) для В-клеточного подварианта и специфичность (0,83) — для Т-клеточного подчеркивают эффективность и практическую ценность предложенного метода в дифференциальной диагностике, подтверждая его потенциал для повышения качества диагностики и ускорения обработки данных. Рекомендации по применению включают внедрение разработанной модели в научную и клиническую практику для дальнейшего анализа и совершенствования в ходе исследований при диагностике острого лимфобластного лейкоза.