每經記者 金喆    每經編輯 楊夏    

病理診斷是疾病診斷的關鍵環節，以組織細胞圖像為基礎確定病因、病理變化及疾病進程，其重要性不言而喻。

一周前，病理圈的醫生們都在討論華為和瑞金醫院合作的病理大模型會是什么樣，中山大學附屬腫瘤醫院病理科主任云徑平也不例外，他很期待這場AI病理大模型發布會。在醫生中他屬于積極擁抱新技術的一類，如果能有更好的技術來讓病理檢測更高效和準確，他愿意做臨床第一批“吃螃蟹”的人。

2月18日，云徑平接受《每日經濟新聞》記者采訪時表示，AI在病理領域大有可為——在準確性上，AI能夠以超越人類肉眼的精度識別圖像細節，降低誤診率；在效率提升方面，AI可在短時間內完成數據監測與分析，大大縮短診斷周期。從可及性來看，AI還可以使得偏遠地區患者能夠獲得高級別病理診斷服務，促進醫療資源公平分配。目前來看，AI病理研發項目如雨后春筍一樣蓬勃發展，相信在不久的將來會在臨床上落地應用。

技術進步打破了AI病理多年無進展的僵局

10年前，云徑平教授就在琢磨病理信息化和數智化的事情。他去美國參加美加病理學術會議看到同行展示數字化的病理組織圖像，回來后他們科室也申請購置了相關設備。云徑平當時的想法很簡單，那時候大家都是把病理組織玻片做成幻燈片投影，用于教學和疾病討論，如果把它們掃描成圖片，以后只需要帶個U盤，還能反復使用。再進一步，如果能夠開發出圖像診斷系統，可能用起來更方便。

病理科的工作日常主要包含取樣、制片、診斷報告等10多個重要環節，流程長、步驟多、工作繁瑣，如果應用信息化及智能化手段，將會顯著提質增效。真正到雙方融合的時候，大家發現這不是一件容易的事。云徑平坦言，那時候計算機背景的研發人員和醫生對這件事情的理解有偏差，在推進過程中遇到了不少困難，難度非常大。

人工智能技術興起后，病理診斷被認為是最適合落地的場景之一。常見的AI應用場景大概分為三大類。第一是輔助病理診斷：針對病理醫生診斷的任務，建立AI分類模型輔助醫生完成任務，提高效率和準確率。第二是量化評估：對于某些需要病理醫生完成的繁瑣任務，例如細胞計數和陽性標志判讀等，建立AI模型代替人工操作。第三是預后預測：結合臨床場景，通過病理圖像構建AI模型，直接預測患者的預后、藥物治療反應、基因突變或分子標簽等。

云徑平也提到，傳統的病理診斷過程中，諸如核分裂象及細胞標記計數等工作，需要醫生在顯微鏡下耗費大量時間進行人工計數與分析，不僅工作強度大，而且容易因疲勞等因素導致誤差。AI技術通過自動化的算法，能夠在短時間內完成對大量細胞和組織的分析，將原本需要數小時甚至數天的工作縮短至幾分鐘。

但與外界想象的不同，AI病理的進展非常慢，甚至可以說是沒有進展，大家基本都在“無人區”摸索。這里面有多方面原因，其中最核心的因素是樣本數據。

與影像科的CT、磁共振或者超聲檢查相比，病理診斷的材料獲得樣本的過程不容易，都需要通過穿刺、手術等創傷性的途徑。同時，病理學最主要的分析對象并不是語言文本，而是圖像。病理圖像分辨率高，每個像素不到一個微米，一張病理切片圖像相當于一部電影的存儲量，而訓練AI需要投喂海量數據，掃描的時間成本和資金成本都極其高，自然會影響進度。

2022年底ChatGPT（GPT 3.5）橫空出世，真正的人工智能仿佛在一夜之間終于涌現了，各行各業的大模型遍地開花，病理領域也不例外。從谷歌到微軟，以及一眾人工智能企業，兩年間推出了多個自己的病理大模型。

在技術加持下，云徑平帶領病理科的醫生與醫院信息科工程師一起研發，就像培訓一名病理醫生一樣訓練模型，掃描圖像、如何識別圖像標注異常等等。今年春節以后，云徑平基本上每天都會使用DeepSeek，接下來的目標是把研發出的AI輔助診斷系統能夠逐步應用到臨床。

AI病理落地臨床，遵循行業規范得到高質量病理圖像很重要

2月18日，華為聯合瑞金醫院發布病理大模型RuiPath，基于瑞金醫院的豐富病種及高質量醫療數據，癌種覆蓋廣度達到中國每年全癌種發病人數90%的常見癌種，同時涵蓋垂體神經內分泌腫瘤等罕見病。在深度上，醫生可以和RuiPath開展互動式病理診斷對話。

針對傳統及數字化智慧病理發展中的痛點，如三甲醫院病理醫生診斷工作量巨大、數智化基礎薄弱、傳統AI模式中覆蓋病種少、已公開病理大模型算力需求大、多模態訓練難度大等，RuiPath大模型實現四大創新，包括場景與應用創新、模型與算法創新、存算協同創新和AI工具鏈創新。

作為一名臨床經驗近40年的病理專家，云徑平非常欣喜地看到像RuiPath這樣的大模型產生，傳統的病理診斷需要3~5天才能有病理診斷報告，如果大模型應用于病理診斷，能夠顯著提升診斷效率與質量，這也是AI病理發展過程中的美麗愿景。但眼下，AI病理落地應用還有較長距離，也面臨多重挑戰。

在他看來，做出高質量AI病理大模型，執行行業規范制成高質量病理切片和存儲高質量病理圖像是基礎工程。

“病理切片及其掃描的質量決定了圖像數據的好壞，不同級別醫院、不同水平病理人員制作的切片質量差別非常大。制成病理切片全流程的檢測儀器、試劑、操作等要素均會影響病理圖像質量和病理診斷結果，因此每個關鍵環節都遵循行業規范和標準，如果沒遵循好，也會影響病理圖像及病理大模型的質量。”云徑平說，病理醫生是醫療診斷中的“幕后”角色，病理診斷是腫瘤診斷的“金標準”，病理報告結果需要判斷腫瘤是良性還是惡性、是什么程度的惡性，適合什么類型的治療。目前的腫瘤治療都是有創治療，所以每一步都需要格外慎重。

此外，醫療數據的安全與隱私保護也是亟待解決的關鍵問題。病理數據包含患者大量敏感信息，在數據收集、存儲、傳輸和使用過程中，如何確保數據安全、合法合規地應用于AI模型訓練，同時保護患者隱私，是當前面臨的嚴峻挑戰。例如，在數據共享與交易過程中，雖有脫敏處理等措施，但仍存在潛在風險，如數據質量參差不齊、信息泄露隱患等。

但云徑平也表示，AI與病理診斷的融合將是必然趨勢。隨著技術成熟，有望實現人機交互AI病理診斷的新模式，構建人機診斷協同的高效生態。在這個過程中，醫院、企業和科研機構應加強合作，共同推動技術進步。對于擁有大量病理數據的醫院，應在保障數據安全和患者隱私的前提下，探索合理的數據共享與合作機制，促進AI病理診斷技術的均衡發展，提升我國整體病理診斷水平，為患者提供更優質、高效的醫療服務。

封面圖片來源：視覺中國-VCG111383920316