华为加入病理检测AI“洼地” 对话多位资深医生：AI想替代我，先做到这些

每经记者：金喆 林姿辰 每经编辑：杨夏

2月18日下午，瑞金病理大模型暨华为DCS AI解决方案在2025医疗人工智能与精准诊疗发展论坛上正式发布。这场医疗圈与科技圈顶流合作的“盛会”，吸引了超过3万人在线观看。病理检测作为本轮AI医疗板块的领跑板块，公募机构上周调研医药生物行业134次，其中安必平（688393.SH，股价34.39元，市值32.18亿元）获60次调研。

2000公里之外的王新（化名）在医院的办公室里看了这场直播。作为国内一家顶级医疗机构的病理科主任，他这几年一直在研究人工智能辅助临床工作的可行性。特别是AI模型DeepSeek在今年春节期间推出以后，他觉得AI在病理诊断领域大有可为。

在医疗领域，病理检测是肿瘤诊断的金标准，是确诊肿瘤恶性、良性和有创治疗方案的关键一环，通常出报告的时间需要3~5天。数据显示，2022年中国恶性肿瘤的死亡病例约为257.42万例，快速并且准确的诊断癌症对病人来说非常重要。

资本市场的“新宠儿”AI病理诊断现状究竟如何？《每日经济新闻》记者对话北上广多位病理科的资深医生后发现，与资本市场热火朝天的场面截然不同，一线病理科的医生对AI的态度更加理性。

一场科技圈、医疗圈都在关注的发布会

过去一张组织切片的显微镜下诊断需要耗时5至10分钟，现在单切片AI计算时间仅为秒级，一名医生40分钟的阅片时间和在显微镜下逐个切片诊断的工作流转变为人机互动审核的AI诊断结果，这是2月18日下午瑞金瑞智病理大模型RuiPath发布活动上的“科幻”画面。

生成式人工智能的出现，让智慧医疗大步迈进3.0时代，AI病理检测也开始向大模型演变。几天前，华为就为RuiPath的正式亮相开始“预热”。在RuiPath的知识深度层面，以亚专科病理医生为例，其在前10年的学习历程中，至少需研读50本相关专业书籍，学习诊断50万张病理切片；而RuiPath在短短2个月的研发进程里，“研读”了300余本病理诊断书籍，“阅览”100万张数字切片。

在广度上，RuiPath覆盖中国每年90%癌症发病人群罹患的癌种；在深度上，亚专科知识问答深度达到专家级知识水平，由病理医生整理的常用问题测试中，RuiPath的回答准确率达90%以上，并在医学考试场景的图文问答任务中处于国内外领先水平。

去年以来，生成式AI技术推进下，医疗垂类大模型取得不小突破。去年7月，空军军医大学联合清华大学、中国科学技术大学发布国内首个病理大模型“PathOrchestra”，实现了国内病理人工智能领域从“单模专病”到“一模多病”的突破。

该病理大模型在建立过程中特别强化了对食管癌、乳腺癌等中国高发病的识别能力，使其更加贴近我国临床实际需求。在多器官泛癌分类、淋巴瘤亚型诊断、膀胱癌筛查等近50项任务中，该模型的准确率超过95%。只要将疾病的数字病理切片输入到病理大模型的软件中，电脑屏幕就能随即显示病理诊断的各种可能性，帮助医生完成病情研判。

去年，美国华盛顿大学王晟和合作者研发出一个超多参数的AI病理学大模型GigaPath，也是全球第一个能针对“整张”病理图片进行建模和分类的模型。这一模型能够迅速分析病理图像，提供初步诊断意见，帮助病理学家更高效地做出准确诊断。他们将本次模型在来自28个癌症中心的3万个病人数据上进行训练和验证。结果显示，该模型在26个任务中的25个任务上取得最佳效果，证明了其有效性和普适性。

GigaPath模型示意图 图片来源：Nature官网

AI在病理检测大有可为

从送检组织中精准挑出的关键标本，迅速浸入特制溶液，固定细胞形态。紧接着，标本依次历经脱水、透明、浸蜡、包埋等流程，摇身变成蜡块，经过切片、染色后才被送到病理医生的显微镜下，拥有揭晓患者疾病真相的机会。

这就是病理科的工作日常，主要包含取样、制片、诊断和报告四步。其中，通过开放手术、内镜检查或经皮穿刺活检获取的标注属于组织学样本，常与外科手术挂钩；通过体液、拉网、细针穿刺、脱落细胞等途径获取的是细胞学样本，典型场景之一是宫颈癌筛查。

一名专业的病理科医生，主要负责样本切片、诊断和报告。但病理检测需求多、工作量繁琐，目前基本由人工来完成，从提取样本到出诊断报告通常需要3~5天时间。但任何一个环节达不到要求，都可能影响病理报告的准确性——临床医生根据病理诊断报告来决定肿瘤患者接下来的治疗方案，比如下一场手术要不要做，是全切还是半切。

“同行经常开玩笑说病理科医生是全才，不仅要对患者负责，还要给主刀医生出主意，是‘医生的医生’。”北京清华长庚医院病理科主任尹洪芳对《每日经济新闻》记者表示，病理科的样本来自医院各个科室，疾病类型涵盖肿瘤和非肿瘤，对病理科医生的知识储备要求很高，病例的复杂性直接决定了医生诊断的工作量。

例如，对于慢性胃炎切片，资深医生只需扫一眼显微镜就能得出结论，但对于与临床科室合作的四级手术（手术难度大、风险高、技术要求严格的一类手术），被切除的肿瘤涉及大量组织样本切片，需要一张张仔细查看，完成一个病例的诊断需要花费更久的时间。

而且，在病理科，培养一名可以独立写诊断报告的医生，大约需要8年。在其他科室，同样的从业时间已经是有一定资历的医生了。而且不同地方、不同级别的医院，病理医生的工作量也有很大区别，在北京有医院的常规组织学标本的诊断量接近4万份，但在某些县城医院，一年接收到的标本量不到1万份，不同的工作量也拉开了病理医生之间的差距。

但现实情况是，国内真正具备阅读病理切片、开具报告能力的医生，数量却非常有限。根据《病理科建设与管理指南（试行）》要求，每100张病床需配备1至2名病理医师。截至2021年末，中国医疗卫生机构床位数量约为880.7万张，按最低标准计算，病理医师需求量约为8.8万人，而实际在册的病理医师仅约1.86万人，缺口高达约6.9万人。

人工智能技术推动下，病理检测成为最早探索的领域之一。东吴证券认为，病理AI（人工智能）能大幅提高病理医生的阅片速度，提升病理诊断效率，弥补病理医生的缺口，赋能病理诊断行业发展。

王新非常希望有更成熟的产品能落地到临床辅助他们的临床工作，病理见的就是由病寻因，由因寻理，用图来看有什么疾病、分析什么原因引起的、有什么变化，AI可以让病理诊断更加准确、效率、全面。

但现在说这些还有点早，目前行业里跑在更前面的研究是美国科学家的一些研究成果，还没有一款大模型真正应用到临床。看完发布会后，王新马上召集科室医生开会，继续探讨正在开发的病理模型。

数字图像存储、数据安全、标准建立，都是挑战

类似的想法，7年前就在尹洪芳的心底萌芽了。

当年，AI再度被写入政府工作报告，侧重点从技术的研发和转化转向研发应用，厂商也开始行动，但推进一直比较慢，2023年3月国内才出现首张AI病理三类证，用于宫颈细胞学诊断。

而在影像科，AI应用繁荣得多，不仅首张AI“影像辅助诊断”三类证的诞生时间比病理的领先3年，产品获批的厂家数量也更多，既有安德医智等科技公司，也有联影集团等自营医学影像诊断设备的医疗公司。

记者注意到，病理科之所以成为AI医疗应用的“洼地”，与病理科工作流程和AI病理诊断流程的差距有关。根据头豹研究院报告，AI病理诊断流程包括人工制片、数字化、AI读片、医师读片、出具报告五步，其中数字化——通过高清扫描设备将病理切片转变为数字图像是AI病理诊断的基础。

AI病理诊断流程 图片来源：头豹研究院

尹洪芳指出，对于CT、超声等“一步出片”的影像学检查项目，数字图像是现成的；但在病理科，动辄几百万的高清扫描仪不是标配，对于一眼辨别的简单病例，扫描会耽误诊断时间，对于切片量过多的复杂病理，扫描又是个大工程。所以，即便多年前科室已经购置了扫描仪，但切片扫描工作开展得并不理想，扫描仪更多用于科研或教学方面。

王新也遇到了同样的问题，与传统图片分类模型不同，病理图片非常大，一张普通的病理图片甚至高达10万乘以10万个像素，会占用很大的内存空间。AI病理检测需要投喂大量数据，但病理学样本数字化的比例并不高。

此外，医生诊疗习惯和数据存储也是现实挑战。例如，作为一个从业近40年的资深医生，李鹏总觉得切片的扫描图片有些失真，还是把切片寄给上级医院更保险；尹洪芳虽然不觉得扫描图失真，也经常在学术研讨会上看图阅片，但她更喜欢在显微镜下看切片，尤其是“（在临床工作中）负责的时候，还是看那张切片比较踏实”。

这种安全感的需求，也体现在存储方面。资料显示，数字化后的单张病理切片总像素可高达140亿，是用于训练常规图像识别AI模型的数据量的数万倍。若按照《病理科建设与管理指南（试行）》的要求，门诊患者病理切片、蜡块和阳性涂片的保存期限通常为15年，住院患者病理切片及相关资料的保存期限则要求为30年，医院该到何处寻找存储空间？AI如何从巨大图像中提取关键信息？这些都是现实难题。

据尹洪芳透露，北京清华长庚医院正在与清华研究生院合作，开展病理AI的研究，尝试将AI应用于胃肠镜诊断等领域。不过，自己也会思考更多问题：目前国内有少数AI病理诊断产品获批，但部分软件价格昂贵，再加上AI参与诊疗行为现阶段不重复收费，很多医院尤其是基层医院是否难以承受？未来该如何破局，让医院、患者和厂商实现三赢？