每經(jīng)記者 金喆    每經(jīng)編輯 楊夏    

病理診斷是疾病診斷的關鍵環(huán)節(jié)，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(yī)生們都在討論華為和瑞金醫(yī)院合作的病理大模型會是什么樣，中山大學附屬腫瘤醫(yī)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(fā)布會。在醫(yī)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(jīng)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(jié)，降低誤診率；在效率提升方面，AI可在短時間內完成數(shù)據(jù)監(jiān)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(qū)患者能夠獲得高級別病理診斷服務，促進醫(yī)療資源公平分配。目前來看，AI病理研發(fā)項目如雨后春筍一樣蓬勃發(fā)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(shù)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(shù)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(fā)出圖像診斷系統(tǒng)，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(huán)節(jié)，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(fā)現(xiàn)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(fā)人員和醫(yī)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(yī)生診斷的任務，建立AI分類模型輔助醫(yī)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(yī)生完成的繁瑣任務，例如細胞計數(shù)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(tǒng)的病理診斷過程中，諸如核分裂象及細胞標記計數(shù)等工作，需要醫(yī)生在顯微鏡下耗費大量時間進行人工計數(shù)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(shù)小時甚至數(shù)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(qū)”摸索。這里面有多方面原因，其中最核心的因素是樣本數(shù)據(jù)。

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(chuàng)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(shù)據(jù)，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(xiàn)了，各行各業(yè)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(yè)，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(yī)生與醫(yī)院信息科工程師一起研發(fā)，就像培訓一名病理醫(yī)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(jié)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(fā)出的AI輔助診斷系統(tǒng)能夠逐步應用到臨床。

AI病理落地臨床，遵循行業(yè)規(guī)范得到高質量病理圖像很重要

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

針對傳統(tǒng)及數(shù)字化智慧病理發(fā)展中的痛點，如三甲醫(yī)院病理醫(yī)生診斷工作量巨大、數(shù)智化基礎薄弱、傳統(tǒng)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(tài)訓練難度大等，RuiPath大模型實現(xiàn)四大創(chuàng)新，包括場景與應用創(chuàng)新、模型與算法創(chuàng)新、存算協(xié)同創(chuàng)新和AI工具鏈創(chuàng)新。

作為一名臨床經(jīng)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(chǎn)生，傳統(tǒng)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(fā)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(zhàn)。

在他看來，做出高質量AI病理大模型，執(zhí)行行業(yè)規(guī)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(shù)據(jù)的好壞，不同級別醫(yī)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(huán)節(jié)都遵循行業(yè)規(guī)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(yī)生是醫(yī)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(chuàng)治療，所以每一步都需要格外慎重。

此外，醫(yī)療數(shù)據(jù)的安全與隱私保護也是亟待解決的關鍵問題。病理數(shù)據(jù)包含患者大量敏感信息，在數(shù)據(jù)收集、存儲、傳輸和使用過程中，如何確保數(shù)據(jù)安全、合法合規(guī)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(zhàn)。例如，在數(shù)據(jù)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(shù)據(jù)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(xiàn)人機交互AI病理診斷的新模式，構建人機診斷協(xié)同的高效生態(tài)。在這個過程中，醫(yī)院、企業(yè)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(shù)據(jù)的醫(yī)院，應在保障數(shù)據(jù)安全和患者隱私的前提下，探索合理的數(shù)據(jù)共享與合作機制，促進AI病理診斷技術的均衡發(fā)展，提升我國整體病理診斷水平，為患者提供更優(yōu)質、高效的醫(yī)療服務。

封面圖片來源：視覺中國-VCG111383920316