每經記者 金喆  林姿辰    每經編輯 楊夏    

2月18日下午，瑞金病理大模型暨華為DCS AI解決方案在2025醫療人工智能與精準診療發展論壇上正式發布。這場醫療圈與科技圈頂流合作的“盛會”，吸引了超過3萬人在線觀看。病理檢測作為本輪AI醫療板塊的領跑板塊，公募機構上周調研醫藥生物行業134次，其中安必平（688393.SH，股價34.39元，市值32.18億元）獲60次調研。

2000公里之外的王新（化名）在醫院的辦公室里看了這場直播。作為國內一家頂級醫療機構的病理科主任，他這幾年一直在研究人工智能輔助臨床工作的可行性。特別是AI模型DeepSeek在今年春節期間推出以后，他覺得AI在病理診斷領域大有可為。

在醫療領域，病理檢測是腫瘤診斷的金標準，是確診腫瘤惡性、良性和有創治療方案的關鍵一環，通常出報告的時間需要3~5天。數據顯示，2022年中國惡性腫瘤的死亡病例約為257.42萬例，快速并且準確的診斷癌癥對病人來說非常重要。

資本市場的“新寵兒”AI病理診斷現狀究竟如何？《每日經濟新聞》記者對話北上廣多位病理科的資深醫生后發現，與資本市場熱火朝天的場面截然不同，一線病理科的醫生對AI的態度更加理性。

一場科技圈、醫療圈都在關注的發布會

過去一張組織切片的顯微鏡下診斷需要耗時5至10分鐘，現在單切片AI計算時間僅為秒級，一名醫生40分鐘的閱片時間和在顯微鏡下逐個切片診斷的工作流轉變為人機互動審核的AI診斷結果，這是2月18日下午瑞金瑞智病理大模型RuiPath發布活動上的“科幻”畫面。

生成式人工智能的出現，讓智慧醫療大步邁進3.0時代，AI病理檢測也開始向大模型演變。幾天前，華為就為RuiPath的正式亮相開始“預熱”。在RuiPath的知識深度層面，以亞專科病理醫生為例，其在前10年的學習歷程中，至少需研讀50本相關專業書籍，學習診斷50萬張病理切片；而RuiPath在短短2個月的研發進程里，“研讀”了300余本病理診斷書籍，“閱覽”100萬張數字切片。

在廣度上，RuiPath覆蓋中國每年90%癌癥發病人群罹患的癌種；在深度上，亞專科知識問答深度達到專家級知識水平，由病理醫生整理的常用問題測試中，RuiPath的回答準確率達90%以上，并在醫學考試場景的圖文問答任務中處于國內外領先水平。

去年以來，生成式AI技術推進下，醫療垂類大模型取得不小突破。去年7月，空軍軍醫大學聯合清華大學、中國科學技術大學發布國內首個病理大模型“PathOrchestra”，實現了國內病理人工智能領域從“單模專病”到“一模多病”的突破。

該病理大模型在建立過程中特別強化了對食管癌、乳腺癌等中國高發病的識別能力，使其更加貼近我國臨床實際需求。在多器官泛癌分類、淋巴瘤亞型診斷、膀胱癌篩查等近50項任務中，該模型的準確率超過95%。只要將疾病的數字病理切片輸入到病理大模型的軟件中，電腦屏幕就能隨即顯示病理診斷的各種可能性，幫助醫生完成病情研判。

去年，美國華盛頓大學王晟和合作者研發出一個超多參數的AI病理學大模型GigaPath，也是全球第一個能針對“整張”病理圖片進行建模和分類的模型。這一模型能夠迅速分析病理圖像，提供初步診斷意見，幫助病理學家更高效地做出準確診斷。他們將本次模型在來自28個癌癥中心的3萬個病人數據上進行訓練和驗證。結果顯示，該模型在26個任務中的25個任務上取得最佳效果，證明了其有效性和普適性。

GigaPath模型示意圖 圖片來源：Nature官網

AI在病理檢測大有可為

從送檢組織中精準挑出的關鍵標本，迅速浸入特制溶液，固定細胞形態。緊接著，標本依次歷經脫水、透明、浸蠟、包埋等流程，搖身變成蠟塊，經過切片、染色后才被送到病理醫生的顯微鏡下，擁有揭曉患者疾病真相的機會。

這就是病理科的工作日常，主要包含取樣、制片、診斷和報告四步。其中，通過開放手術、內鏡檢查或經皮穿刺活檢獲取的標注屬于組織學樣本，常與外科手術掛鉤；通過體液、拉網、細針穿刺、脫落細胞等途徑獲取的是細胞學樣本，典型場景之一是宮頸癌篩查。

一名專業的病理科醫生，主要負責樣本切片、診斷和報告。但病理檢測需求多、工作量繁瑣，目前基本由人工來完成，從提取樣本到出診斷報告通常需要3~5天時間。但任何一個環節達不到要求，都可能影響病理報告的準確性——臨床醫生根據病理診斷報告來決定腫瘤患者接下來的治療方案，比如下一場手術要不要做，是全切還是半切。

“同行經常開玩笑說病理科醫生是全才，不僅要對患者負責，還要給主刀醫生出主意，是‘醫生的醫生’。”北京清華長庚醫院病理科主任尹洪芳對《每日經濟新聞》記者表示，病理科的樣本來自醫院各個科室，疾病類型涵蓋腫瘤和非腫瘤，對病理科醫生的知識儲備要求很高，病例的復雜性直接決定了醫生診斷的工作量。

例如，對于慢性胃炎切片，資深醫生只需掃一眼顯微鏡就能得出結論，但對于與臨床科室合作的四級手術（手術難度大、風險高、技術要求嚴格的一類手術），被切除的腫瘤涉及大量組織樣本切片，需要一張張仔細查看，完成一個病例的診斷需要花費更久的時間。

而且，在病理科，培養一名可以獨立寫診斷報告的醫生，大約需要8年。在其他科室，同樣的從業時間已經是有一定資歷的醫生了。而且不同地方、不同級別的醫院，病理醫生的工作量也有很大區別，在北京有醫院的常規組織學標本的診斷量接近4萬份，但在某些縣城醫院，一年接收到的標本量不到1萬份，不同的工作量也拉開了病理醫生之間的差距。

但現實情況是，國內真正具備閱讀病理切片、開具報告能力的醫生，數量卻非常有限。根據《病理科建設與管理指南（試行）》要求，每100張病床需配備1至2名病理醫師。截至2021年末，中國醫療衛生機構床位數量約為880.7萬張，按最低標準計算，病理醫師需求量約為8.8萬人，而實際在冊的病理醫師僅約1.86萬人，缺口高達約6.9萬人。

人工智能技術推動下，病理檢測成為最早探索的領域之一。東吳證券認為，病理AI（人工智能）能大幅提高病理醫生的閱片速度，提升病理診斷效率，彌補病理醫生的缺口，賦能病理診斷行業發展。

王新非常希望有更成熟的產品能落地到臨床輔助他們的臨床工作，病理見的就是由病尋因，由因尋理，用圖來看有什么疾病、分析什么原因引起的、有什么變化，AI可以讓病理診斷更加準確、效率、全面。

但現在說這些還有點早，目前行業里跑在更前面的研究是美國科學家的一些研究成果，還沒有一款大模型真正應用到臨床。看完發布會后，王新馬上召集科室醫生開會，繼續探討正在開發的病理模型。

數字圖像存儲、數據安全、標準建立，都是挑戰

類似的想法，7年前就在尹洪芳的心底萌芽了。

當年，AI再度被寫入政府工作報告，側重點從技術的研發和轉化轉向研發應用，廠商也開始行動，但推進一直比較慢，2023年3月國內才出現首張AI病理三類證，用于宮頸細胞學診斷。

而在影像科，AI應用繁榮得多，不僅首張AI“影像輔助診斷”三類證的誕生時間比病理的領先3年，產品獲批的廠家數量也更多，既有安德醫智等科技公司，也有聯影集團等自營醫學影像診斷設備的醫療公司。

記者注意到，病理科之所以成為AI醫療應用的“洼地”，與病理科工作流程和AI病理診斷流程的差距有關。根據頭豹研究院報告，AI病理診斷流程包括人工制片、數字化、AI讀片、醫師讀片、出具報告五步，其中數字化——通過高清掃描設備將病理切片轉變為數字圖像是AI病理診斷的基礎。

AI病理診斷流程 圖片來源：頭豹研究院

尹洪芳指出，對于CT、超聲等“一步出片”的影像學檢查項目，數字圖像是現成的；但在病理科，動輒幾百萬的高清掃描儀不是標配，對于一眼辨別的簡單病例，掃描會耽誤診斷時間，對于切片量過多的復雜病理，掃描又是個大工程。所以，即便多年前科室已經購置了掃描儀，但切片掃描工作開展得并不理想，掃描儀更多用于科研或教學方面。

王新也遇到了同樣的問題，與傳統圖片分類模型不同，病理圖片非常大，一張普通的病理圖片甚至高達10萬乘以10萬個像素，會占用很大的內存空間。AI病理檢測需要投喂大量數據，但病理學樣本數字化的比例并不高。

此外，醫生診療習慣和數據存儲也是現實挑戰。例如，作為一個從業近40年的資深醫生，李鵬總覺得切片的掃描圖片有些失真，還是把切片寄給上級醫院更保險；尹洪芳雖然不覺得掃描圖失真，也經常在學術研討會上看圖閱片，但她更喜歡在顯微鏡下看切片，尤其是“（在臨床工作中）負責的時候，還是看那張切片比較踏實”。

這種安全感的需求，也體現在存儲方面。資料顯示，數字化后的單張病理切片總像素可高達140億，是用于訓練常規圖像識別AI模型的數據量的數萬倍。若按照《病理科建設與管理指南（試行）》的要求，門診患者病理切片、蠟塊和陽性涂片的保存期限通常為15年，住院患者病理切片及相關資料的保存期限則要求為30年，醫院該到何處尋找存儲空間？AI如何從巨大圖像中提取關鍵信息？這些都是現實難題。

據尹洪芳透露，北京清華長庚醫院正在與清華研究生院合作，開展病理AI的研究，嘗試將AI應用于胃腸鏡診斷等領域。不過，自己也會思考更多問題：目前國內有少數AI病理診斷產品獲批，但部分軟件價格昂貴，再加上AI參與診療行為現階段不重復收費，很多醫院尤其是基層醫院是否難以承受？未來該如何破局，讓醫院、患者和廠商實現三贏？

封面圖片來源：視覺中國-VCG4192118984