中山大学附属肿瘤医院云径平：AI在病理领域大有可为，落地临床需要打牢基础

病理诊断是疾病诊断的关键环节，以组织细胞图像为基础确定病因、病理变化及疾病进程，其重要性不言而喻。

一周前，病理圈的医生们都在讨论华为和瑞金医院合作的病理大模型会是什么样，中山大学附属肿瘤医院病理科主任云径平也不例外，他很期待这场AI病理大模型发布会。在医生中他属于积极拥抱新技术的一类，如果能有更好的技术来让病理检测更高效和准确，他愿意做临床第一批“吃螃蟹”的人。

2月18日，云径平接受《每日经济新闻》记者采访时表示，AI在病理领域大有可为——在准确性上，AI能够以超越人类肉眼的精度识别图像细节，降低误诊率；在效率提升方面，AI可在短时间内完成数据监测与分析，大大缩短诊断周期。从可及性来看，AI还可以使得偏远地区患者能够获得高级别病理诊断服务，促进医疗资源公平分配。目前来看，AI病理研发项目如雨后春笋一样蓬勃发展，相信在不久的将来会在临床上落地应用。

技术进步打破了AI病理多年无进展的僵局

10年前，云径平教授就在琢磨病理信息化和数智化的事情。他去美国参加美加病理学术会议看到同行展示数字化的病理组织图像，回来后他们科室也申请购置了相关设备。云径平当时的想法很简单，那时候大家都是把病理组织玻片做成幻灯片投影，用于教学和疾病讨论，如果把它们扫描成图片，以后只需要带个U盘，还能反复使用。再进一步，如果能够开发出图像诊断系统，可能用起来更方便。

病理科的工作日常主要包含取样、制片、诊断报告等10多个重要环节，流程长、步骤多、工作繁琐，如果应用信息化及智能化手段，将会显著提质增效。真正到双方融合的时候，大家发现这不是一件容易的事。云径平坦言，那时候计算机背景的研发人员和医生对这件事情的理解有偏差，在推进过程中遇到了不少困难，难度非常大。

人工智能技术兴起后，病理诊断被认为是最适合落地的场景之一。常见的AI应用场景大概分为三大类。第一是辅助病理诊断：针对病理医生诊断的任务，建立AI分类模型辅助医生完成任务，提高效率和准确率。第二是量化评估：对于某些需要病理医生完成的繁琐任务，例如细胞计数和阳性标志判读等，建立AI模型代替人工操作。第三是预后预测：结合临床场景，通过病理图像构建AI模型，直接预测患者的预后、药物治疗反应、基因突变或分子标签等。

云径平也提到，传统的病理诊断过程中，诸如核分裂象及细胞标记计数等工作，需要医生在显微镜下耗费大量时间进行人工计数与分析，不仅工作强度大，而且容易因疲劳等因素导致误差。AI技术通过自动化的算法，能够在短时间内完成对大量细胞和组织的分析，将原本需要数小时甚至数天的工作缩短至几分钟。

但与外界想象的不同，AI病理的进展非常慢，甚至可以说是没有进展，大家基本都在“无人区”摸索。这里面有多方面原因，其中最核心的因素是样本数据。

与影像科的CT、磁共振或者超声检查相比，病理诊断的材料获得样本的过程不容易，都需要通过穿刺、手术等创伤性的途径。同时，病理学最主要的分析对象并不是语言文本，而是图像。病理图像分辨率高，每个像素不到一个微米，一张病理切片图像相当于一部电影的存储量，而训练AI需要投喂海量数据，扫描的时间成本和资金成本都极其高，自然会影响进度。

2022年底ChatGPT（GPT 3.5）横空出世，真正的人工智能仿佛在一夜之间终于涌现了，各行各业的大模型遍地开花，病理领域也不例外。从谷歌到微软，以及一众人工智能企业，两年间推出了多个自己的病理大模型。

在技术加持下，云径平带领病理科的医生与医院信息科工程师一起研发，就像培训一名病理医生一样训练模型，扫描图像、如何识别图像标注异常等等。今年春节以后，云径平基本上每天都会使用DeepSeek，接下来的目标是把研发出的AI辅助诊断系统能够逐步应用到临床。

AI病理落地临床，遵循行业规范得到高质量病理图像很重要

2月18日，华为联合瑞金医院发布病理大模型RuiPath，基于瑞金医院的丰富病种及高质量医疗数据，癌种覆盖广度达到中国每年全癌种发病人数90%的常见癌种，同时涵盖垂体神经内分泌肿瘤等罕见病。在深度上，医生可以和RuiPath开展互动式病理诊断对话。

针对传统及数字化智慧病理发展中的痛点，如三甲医院病理医生诊断工作量巨大、数智化基础薄弱、传统AI模式中覆盖病种少、已公开病理大模型算力需求大、多模态训练难度大等，RuiPath大模型实现四大创新，包括场景与应用创新、模型与算法创新、存算协同创新和AI工具链创新。

作为一名临床经验近40年的病理专家，云径平非常欣喜地看到像RuiPath这样的大模型产生，传统的病理诊断需要3~5天才能有病理诊断报告，如果大模型应用于病理诊断，能够显著提升诊断效率与质量，这也是AI病理发展过程中的美丽愿景。但眼下，AI病理落地应用还有较长距离，也面临多重挑战。

在他看来，做出高质量AI病理大模型，执行行业规范制成高质量病理切片和存储高质量病理图像是基础工程。

“病理切片及其扫描的质量决定了图像数据的好坏，不同级别医院、不同水平病理人员制作的切片质量差别非常大。制成病理切片全流程的检测仪器、试剂、操作等要素均会影响病理图像质量和病理诊断结果，因此每个关键环节都遵循行业规范和标准，如果没遵循好，也会影响病理图像及病理大模型的质量。”云径平说，病理医生是医疗诊断中的“幕后”角色，病理诊断是肿瘤诊断的“金标准”，病理报告结果需要判断肿瘤是良性还是恶性、是什么程度的恶性，适合什么类型的治疗。目前的肿瘤治疗都是有创治疗，所以每一步都需要格外慎重。

此外，医疗数据的安全与隐私保护也是亟待解决的关键问题。病理数据包含患者大量敏感信息，在数据收集、存储、传输和使用过程中，如何确保数据安全、合法合规地应用于AI模型训练，同时保护患者隐私，是当前面临的严峻挑战。例如，在数据共享与交易过程中，虽有脱敏处理等措施，但仍存在潜在风险，如数据质量参差不齐、信息泄露隐患等。

但云径平也表示，AI与病理诊断的融合将是必然趋势。随着技术成熟，有望实现人机交互AI病理诊断的新模式，构建人机诊断协同的高效生态。在这个过程中，医院、企业和科研机构应加强合作，共同推动技术进步。对于拥有大量病理数据的医院，应在保障数据安全和患者隐私的前提下，探索合理的数据共享与合作机制，促进AI病理诊断技术的均衡发展，提升我国整体病理诊断水平，为患者提供更优质、高效的医疗服务。

封面图片来源：视觉中国-VCG111383920316