大模型DeepSeek推出后，正在顛覆AI發(fā)展的傳統(tǒng)認(rèn)知，各行各業(yè)擁抱數(shù)字化的進(jìn)程在加快，連醫(yī)院端也不例外。

國(guó)內(nèi)一名從事智慧病理營(yíng)銷經(jīng)理張亮對(duì)第一財(cái)經(jīng)記者說，春節(jié)以來，他們時(shí)不時(shí)會(huì)接到全國(guó)一些醫(yī)院電話咨詢病理數(shù)字化之類的合作，而以前，醫(yī)院高層對(duì)這塊的關(guān)注度并不高。

2月的一天，中山大學(xué)附屬腫瘤醫(yī)院病理科主任云徑平與醫(yī)院信息科工程師們，以及相關(guān)供應(yīng)商開了一個(gè)小會(huì)，也在探討如何用AI賦能病理科。

病理診斷指通過手術(shù)切除、內(nèi)鏡活檢、細(xì)針穿刺等方式獲取人體組織或細(xì)胞，借助顯微鏡等工具對(duì)樣本進(jìn)行一系列處理和觀察，是絕大部分疾病，尤其是腫瘤疾病的診斷“金標(biāo)準(zhǔn)”，是醫(yī)生的醫(yī)生。

隨著大模型出現(xiàn)，醫(yī)療領(lǐng)域被認(rèn)為是極具潛力的應(yīng)用場(chǎng)景之一，而病理圖像具有非常大的多樣性，要借助人工智能技術(shù)開展診斷難度極大，病理大模型被認(rèn)為是醫(yī)療大模型“皇冠上的明珠”。

這些年來，當(dāng)AI浪潮襲來之際，醫(yī)院的影像科率先投向數(shù)字化浪潮，但病理科的數(shù)字化進(jìn)程卻十分緩慢。病理大模型開發(fā)，面臨的挑戰(zhàn)如何？

AI給病理科帶來的潛力

從手術(shù)切除的腫塊，或從內(nèi)鏡活檢取得的黏膜組織、細(xì)針穿刺抽取的細(xì)胞，迅速送往病理科后，要進(jìn)行一系列的處理，包括固定、取材、脫水、浸蠟、包埋和切片等，最后送到顯微鏡下，病理醫(yī)生會(huì)仔細(xì)觀察細(xì)胞的大小、形態(tài)、染色深淺、核溝及核仁的數(shù)目和大小等特征，給出結(jié)果診斷。

2022年，中國(guó)新增癌癥患者數(shù)量482萬例、癌癥死亡數(shù)257萬例，數(shù)量均位列世界第一。

要降低癌癥發(fā)病率、死亡率，早發(fā)現(xiàn)、早診斷、早治療是關(guān)鍵，這里面，就離不開病理診斷，這考驗(yàn)病理診斷的可及性、準(zhǔn)確性。

我國(guó)病理醫(yī)生缺口大，病理醫(yī)生分布不均，基層醫(yī)院初診復(fù)合率低。

中山大學(xué)附屬腫瘤醫(yī)院病理科主任云徑平對(duì)第一財(cái)經(jīng)記者表示，大醫(yī)院病理科培養(yǎng)一位合格病理醫(yī)生需要5年至8年時(shí)間，這里面涉及取材、冰凍等環(huán)節(jié)培養(yǎng)。但在縣級(jí)醫(yī)院，還無法耗費(fèi)這么長(zhǎng)時(shí)間來培養(yǎng)，這可能會(huì)導(dǎo)致病理行業(yè)的診斷質(zhì)量不統(tǒng)一問題。

通常，一個(gè)病理檢測(cè)需3天到5天，如遇較為疑難的疾病，加做免疫組化或分子檢測(cè)，診斷時(shí)間長(zhǎng)達(dá)7天至10天。

云徑平認(rèn)為，AI在病理科領(lǐng)域，大有可為。“傳統(tǒng)的病理診斷過程中，諸如核分裂象及細(xì)胞標(biāo)記計(jì)數(shù)等工作，需要醫(yī)生在顯微鏡下耗費(fèi)大量時(shí)間進(jìn)行人工計(jì)數(shù)與分析，不僅工作強(qiáng)度大，而且容易因疲勞等因素導(dǎo)致誤差。AI技術(shù)通過算法技術(shù)，能夠在短時(shí)間內(nèi)完成對(duì)大量細(xì)胞和組織的分析，將原本需要數(shù)小時(shí)甚至數(shù)天的工作縮短至幾分鐘。”

江豐生物有關(guān)負(fù)責(zé)人對(duì)第一財(cái)經(jīng)記者表示，在以往，病理醫(yī)生需要耗費(fèi)大量時(shí)間進(jìn)行切片觀察、細(xì)胞識(shí)別等煩瑣工作，而AI技術(shù)的引入，能夠迅速識(shí)別病灶、精準(zhǔn)定位異常細(xì)胞，大大減輕醫(yī)生的工作負(fù)擔(dān)。同時(shí)，通過大數(shù)據(jù)分析，能發(fā)現(xiàn)潛在的疾病趨勢(shì)，為臨床決策提供有力支持。數(shù)智病理科整體解決方案帶來的效益顯而易見。一方面，它顯著提高了病理診斷的準(zhǔn)確性和效率，降低了漏診、誤診的風(fēng)險(xiǎn)；另一方面，通過優(yōu)化病理科的工作流程，實(shí)現(xiàn)了資源的合理配置和高效利用，提升了科室的整體管理水平。

十年前，云徑平就在琢磨病理信息化和數(shù)智化的事情。他去美國(guó)參加美加病理學(xué)術(shù)會(huì)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(qǐng)購(gòu)置了相關(guān)設(shè)備，當(dāng)時(shí)的想法很簡(jiǎn)單，那時(shí)候大家都是把病理組織玻片做成幻燈片投影，用于教學(xué)和疾病討論，如果把它們掃描成圖片，以后只需要帶個(gè)U盤，還能反復(fù)使用。再進(jìn)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。

他坦言，那時(shí)候計(jì)算機(jī)背景的研發(fā)人員和醫(yī)生對(duì)這件事情的理解有偏差，復(fù)合型人才匱乏，這導(dǎo)致推進(jìn)過程中遇到了不少困難，難度非常大。

不過，云徑平所在的病理科室，至今沒有放棄擁抱AI。

大模型打入病理科

當(dāng)DeepSeek浪潮襲來之際，近期A股一些AI病理概念股挺身大漲。

2月18日，在上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院舉行的2025醫(yī)療人工智能與精準(zhǔn)診療發(fā)展論壇上，瑞金醫(yī)院攜手華為共同發(fā)布了瑞智病理大模型RuiPath。

瑞金醫(yī)院方面對(duì)外介紹稱，針對(duì)傳統(tǒng)及數(shù)字化智慧病理發(fā)展中的痛點(diǎn)，如三甲醫(yī)院病理醫(yī)生診斷工作量巨大、數(shù)智化基礎(chǔ)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(xùn)練難度大等業(yè)界普遍的業(yè)務(wù)痛點(diǎn)，RuiPath實(shí)現(xiàn)4大創(chuàng)新，包括場(chǎng)景與應(yīng)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。

在交互式輔助診斷環(huán)節(jié)，傳統(tǒng)診斷方式是醫(yī)生在顯微鏡下逐張查看切片，完成診斷后再人工錄入報(bào)告。而RuiPath能夠提前精準(zhǔn)識(shí)別病灶區(qū)域，單切片AI診斷時(shí)間僅需數(shù)秒。

從知識(shí)深度層面看，亞?？撇±磲t(yī)生在前10年的學(xué)習(xí)歷程中，至少需研讀50本相關(guān)專業(yè)書籍，學(xué)習(xí)診斷50萬張病理切片。而RuiPath在短短2個(gè)月的研發(fā)歷程里，“研讀”了300余本病理診斷書籍，“閱覽”100萬張數(shù)字切片。

在廣度上，它覆蓋中國(guó)每年90%癌癥發(fā)病人群罹患的癌種；在深度上，亞?？浦R(shí)問答深度達(dá)到專家級(jí)知識(shí)水平，由病理醫(yī)生整理的常用問題測(cè)試中，RuiPath的回答準(zhǔn)確率高達(dá)90%以上，并在醫(yī)學(xué)考試場(chǎng)景的圖文問答任務(wù)中處于國(guó)內(nèi)外領(lǐng)先水平”。

一位在研發(fā)病理大模型的人士對(duì)第一財(cái)經(jīng)記者表示，他們也在通過各種渠道打聽這款大模型具體情況，但基于公開披露的信息有限，還無法判斷這款模型本身是基于醫(yī)院自研的模型，還是開源的模型，也無法判斷這是一個(gè)大模型還是多個(gè)病理小模型的混合。從表現(xiàn)力上看，這款大模型還無法完全做病理診斷以及完成最終的診斷報(bào)告。它現(xiàn)在是把需要關(guān)注的區(qū)域先提示出來，節(jié)省醫(yī)生閱片時(shí)間，在一些環(huán)節(jié)上節(jié)省了醫(yī)生的工作效率。

2024年以來，病理大模型成為了醫(yī)療大模型領(lǐng)域爭(zhēng)奪的焦點(diǎn)，行業(yè)進(jìn)入百模大戰(zhàn)。

如國(guó)外方面，2024年3月，《Nature Medicine》發(fā)表了美國(guó)麻省總醫(yī)院、哈佛醫(yī)學(xué)院等組成研究團(tuán)隊(duì)設(shè)計(jì)了的兩個(gè)CPath基礎(chǔ)模型相關(guān)研究，即UNI和CONCH，其中的UNI為計(jì)算病理學(xué)開啟全新篇章，能夠泛化并應(yīng)用解剖病理學(xué)領(lǐng)域中的各類診斷頗具挑戰(zhàn)性的人物及臨床工作流程。

2024年5月，《Nature》發(fā)布了一篇重磅論文,來自微軟研究院、美國(guó)Providence的醫(yī)療網(wǎng)絡(luò)和華盛頓大學(xué)的研究人員，共同提出了首個(gè)全切片尺度的數(shù)字病理學(xué)模型GigaPath，該模型可以成功攻克十億像素級(jí)圖像的處理與理解難題。

再如國(guó)內(nèi)方面，2024年7月，商湯醫(yī)療聯(lián)合中華醫(yī)學(xué)會(huì)病理學(xué)分會(huì)王哲副主委團(tuán)隊(duì)、清華大學(xué)何永紅教授團(tuán)隊(duì)，共同發(fā)布了國(guó)內(nèi)首個(gè)病理大模型PathOrchestra，基于國(guó)內(nèi)規(guī)模最大的數(shù)字病理圖像數(shù)據(jù)集訓(xùn)練，并實(shí)現(xiàn)全球最廣泛的臨床任務(wù)賦能。

2024年12月，浙江大學(xué)發(fā)布人機(jī)交互AI病理診斷大模型OmniPT，該模型圍繞交互便捷性、診斷效率、診斷精準(zhǔn)性、診斷可信性等痛點(diǎn)需求開展技術(shù)攻關(guān)，以病理科醫(yī)生為主導(dǎo)，通過人機(jī)交互形式，大幅提升診斷效率及質(zhì)量。

上述人士對(duì)第一財(cái)經(jīng)記者表示，從公開的信息來判斷，總體上，目前病理大模型發(fā)展還不成熟，還談不上可以到直接臨床應(yīng)用這個(gè)程度。

金域醫(yī)學(xué)副總裁兼數(shù)字化管理中心總經(jīng)理李映華則對(duì)第一財(cái)經(jīng)記者表示，目前的病理大模型更多局限在病灶的熱點(diǎn)區(qū)域識(shí)別，雖然有個(gè)別可以做到整張病理圖識(shí)別了，但還無法覆蓋到全病種。大模型的判斷只能做到對(duì)病灶陰陽二元判斷，在識(shí)別出陽性后，還無法進(jìn)一步做分型。未來的大模型應(yīng)該是往泛化性發(fā)展，在覆蓋多病種的同時(shí)，對(duì)單個(gè)疾病的診斷能力還可以進(jìn)一步增強(qiáng)。病理大模型跟多模態(tài)數(shù)據(jù)融合，也是未來一個(gè)發(fā)展趨勢(shì)。目前很難指望病理大模型一下子所有能力都實(shí)現(xiàn)，而是分級(jí)別實(shí)現(xiàn)。

數(shù)據(jù)之困

無數(shù)據(jù)，不AI。

病理大模型發(fā)展的困境仍在于數(shù)據(jù)，病理學(xué)特有的挑戰(zhàn)不僅限制了病理診斷的效率，也阻礙了人工智能技術(shù)的深度應(yīng)用。

在瑞智病理大模型RuiPath發(fā)布會(huì)上，瑞金醫(yī)院病理醫(yī)生笪倩表示，中國(guó)1.58萬家二三級(jí)醫(yī)院，不足1.3%的醫(yī)院開始積累數(shù)字切片并用于數(shù)字化診斷，數(shù)字化存在短板；物理玻片質(zhì)量參差不齊、病理跟圖片格式標(biāo)準(zhǔn)不統(tǒng)一、匹配數(shù)據(jù)類型質(zhì)量不高；病理數(shù)據(jù)呈PB級(jí)增長(zhǎng)，數(shù)據(jù)的存儲(chǔ)也是挑戰(zhàn)。

而瑞金醫(yī)院自身，2021年開始建設(shè)數(shù)字化智慧病理科，積累了百萬級(jí)數(shù)字病理切片庫(kù)，為病理大模型的搭建筑牢了數(shù)據(jù)根基。

據(jù)笪倩介紹，在未來，瑞智病理大模型RuiPath在技術(shù)創(chuàng)新方面，仍會(huì)打通前后端的多組學(xué)的數(shù)據(jù)，構(gòu)建以患者為中心的跨模態(tài)多組學(xué)融合的數(shù)據(jù)庫(kù)，建立全場(chǎng)景的多模態(tài)人工智能的平臺(tái)，打破數(shù)據(jù)與技術(shù)的壁壘，加速臨床到科研的轉(zhuǎn)化進(jìn)程。

張亮說，當(dāng)前，每個(gè)省份有一兩家醫(yī)院在開展智慧病理，病理玻片數(shù)字化需要數(shù)字切片掃描儀，每臺(tái)掃描儀的成本在50萬元至300萬元之間。掃描出數(shù)字片后，還涉及到存儲(chǔ)，存儲(chǔ)也是一筆不小的成本負(fù)擔(dān)。病理切片的數(shù)據(jù)容量遠(yuǎn)大于影像圖像，一張病理切片圖像容量從0.5GB到幾十GB。

云徑平表示，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，需要通過穿刺、手術(shù)等創(chuàng)傷性的途徑。要做出高質(zhì)量AI病理大模型，執(zhí)行行業(yè)規(guī)范制成高質(zhì)量病理切片和存儲(chǔ)高質(zhì)量病理圖像是基礎(chǔ)工程。

“病理切片及其掃描的質(zhì)量決定了圖像數(shù)據(jù)的好壞，不同級(jí)別醫(yī)院、不同水平病理人員制作的切片質(zhì)量差別非常大。制成病理切片全流程的檢測(cè)儀器、試劑、操作等要素均會(huì)影響病理圖像質(zhì)量和病理診斷結(jié)果，因此每個(gè)關(guān)鍵環(huán)節(jié)都遵循行業(yè)規(guī)范和標(biāo)準(zhǔn)，如果沒遵循好，也會(huì)影響病理圖像及病理大模型的質(zhì)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(biāo)準(zhǔn)”，病理報(bào)告結(jié)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，在云徑平看來，醫(yī)療數(shù)據(jù)的安全與隱私保護(hù)也是亟待解決的關(guān)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(chǔ)、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(yīng)用于AI模型訓(xùn)練，同時(shí)保護(hù)患者隱私，是當(dāng)前面臨的嚴(yán)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(fēng)險(xiǎn)，如數(shù)據(jù)質(zhì)量參差不齊、信息泄露隱患等。

“這段時(shí)間，病理大模型行業(yè)很熱鬧，雖然還沒到臨床應(yīng)用臨界點(diǎn)，但會(huì)繼續(xù)驅(qū)使行業(yè)在數(shù)據(jù)資源、訓(xùn)練資源、算法人才等方面進(jìn)行更多投入，隨著大模型技術(shù)的發(fā)展，病理大模型還會(huì)有新的突破。”李映華說。

（文中采訪對(duì)象張亮為化名）