潮新闻客户端 执笔 纪驭亚 朱平
随着AI大模型的迅速发展，医疗的各个环节正在被重塑。
3月30日，在西湖大学举行的首届数智病理西湖峰会上，西湖大学正式发布全球首个融合了镜下视野和全场图的多模态病理大模型DeepPathAI。DeePathAI不仅能够实现对肺癌、乳腺癌、胃癌、肠癌等40个癌种的智能分析，在数秒内精确定位癌变区域，还能秒级调取全球病例库等。
由于数字病理切片数量多、分辨率要求高、数据个性化等难点，要借助人工智能技术开展诊断难度极大。病理大模型也因此有了医疗大模型“皇冠上的明珠”之称。
但随着AI浪潮来袭，病理大模型成为医疗大模型领域争夺的新黄金赛道。去年以来，清华大学、浙江大学、华为等名校、企业相继官宣了自主研发的病理大模型。
病理大模型即将进入下半场，病理医生会被AI取代吗？DeepPathAI这类的大模型和普通患者有什么关系？
图为在西湖大学举行的首届数智病理西湖峰会现场。西湖大学供图
一门极度依赖经验的手艺活
国内病理医生数量缺口巨大
“在人类无法企及的微观影像中，细胞悄无声息地记录着生命体与疾病反复博弈、交手的经过，它们身上留下的印记，浮现出整个故事的发展脉络......遭受了何种疾病的攻击？又如何抗争？最终转向什么命运？而这样的故事，便是病理。”
纪录片《医者》曾以这样一段话描述不为普通人所熟知的病理学科。
实际上，在如今的精准医疗时代，病理诊断扮演着至关重要的角色。病理医生会在数亿像素的切片中对人体组织、细胞进行观察和分析，来判断疾病的性质、类型以及发展程度。可以说，病理诊断是目前疾病诊断中最准确的方法，被称为“金标准”。
例如，根据最新的国际癌症研究报告，中国在癌症的新发病例和死亡人数上均位居世界第一。要降低肿瘤发病率、死亡率，早发现、早诊断、早治疗，以及肿瘤相关疾病的全流程管理，病理发挥着至关重要的作用。
再比如，浙江省人民医院病理科主任陈云昭告诉记者，该院每年组织及细胞学样本有十几万例，其中肿瘤相关患者的人均切片在15张左右。如此大量的工作，均需要资深病理医师逐一阅片并发出诊断报告。
但在病理诊断的巨大需求量背后，却面临着我国病理医生面临缺口大、培养周期长、分布不均，以及数字化进展缓慢等现实困境。
一方面，在如今诊疗新手段快速涌现的环境下，病理依然依赖部分手工操作及要求深厚的专业知识，培养一位合格病理医生需要8—10年时间。这造成病理医生的人员严重短缺，且分布不均，尤其在边远和欠发达地区尤为明显。目前，全国病理注册医生的数量只有2万余名，实际需求却超过10万。
图为浙人医病理科指导贵州毕节医院病理科远程疑难会诊平台搭建。浙人医供图
“一位初级病理医生完成筛阴工作大约需要5-10分钟，通过病理大模型的协助，只需要1分钟左右就能完成。”陈云昭主任举例说明，大模型应用可承担筛阴、分级等重复性工作，释放医生精力提升学习及处理复杂病例，加快医生培养，缓解医疗压力。
但另一方面，由于病理的复杂性，病理学也是医疗领域里数字化进程最慢的学科之一。会场上，有专家用数字化进度较快的放射学科做了个数据对比得出结论：病理学科的数字化程度大约仅为放射学科的20%。
“在很多重大疾病诊断方面，如果大家不能够取得一致的诊断，将会导致对病人的治疗结果产生很大区别。所以病理诊断的一致性是癌症精准诊疗的前提，数字病理和人工智能会给我们提供非常多的帮助。”美国杜克大学病理系主任、教授黄教悌说，更重要的是，人眼会疲劳，经验有边界，而罕见病变的误诊风险始终存在。
一条“百模大战”的新赛道
看浙江多家高校医院如何试水
2016年，Google DeepMind团队首次让AI“阅读”乳腺癌病理切片，成功识别癌变区域。此时，中山大学附属肿瘤医院病理科主任云径平也正带着医院信息科工程师们尝试将病理组织图像数字化。他回忆，当时复合型人才匮乏，导致推进难度非常大。
如今，随着大模型技术的飞速发展，AI在病理学中的应用已远远超越了简单的病灶识别。从高精度的切片扫描、多癌种智能辅助诊断，到AI自动生成报告等。而在躬身入局的“破局者”里，不乏浙江高校、医院的身影。
以西湖大学此次发布的DeepPathAI大模型为例，不仅全面智能化了显微镜和扫描仪等常用光学和硬件设备，还深度集成了病理信息管理系统，实现从样本处理到报告生成的病理全流程智能化变革。
例如，普通病理大模型只能识别细胞形态，而DeepPathAI能“读病历”，可以结合基因数据、病史甚至家族癌症史，提供更完整的诊断依据。例如，“这个细胞不仅形态异常，家族中60%类似病例已恶化。”
当医生面对复杂病症，DeepPathAI不仅能标记病变区域，还能秒级调取全球病例库，提供相似病例分析和治疗建议，让医生不必从零开始查阅海量文献。
此外，DeepPathAI还是“全科医生”。通过通用病理建模范式，它能支持宫颈癌、肺癌、乳腺癌、胃癌等40种癌症类型的互动式诊断，大幅度提升诊断效率。
图为杨林在西湖大学人工智能与生物医学影像实验室。西湖大学供图
“病理大模型的国内外竞争都非常激烈，病理大模型的设计最重要的因素是需要匹配临床需求，否则医生使用起来会觉得很不方便。”西湖大学工学院人工智能与生物医学影像实验室负责人杨林介绍，自己和团队根据病理医生的临床使用场景设计DeepPathAI并构建起百万级病理数据集，将镜下视野和全场图像形成统一大模型。
近期，DeepPathAI将从全国上千家试点医院真正走向临床，在西湖大学附属杭州市第一人民医院全面落地。
对于病理大模型来说，进入临床是AI通往医疗的最后关键一公里。
去年12月，浙大计算机学院也联合浙大一院发布视觉与语言模型融合的AI病理助手——OmniPT。目前，该病理助手已在浙大一院病理科多个高发病率癌症开展临床验证，1-3秒内就能锁定病理图中癌症病灶。
而一年半前，浙人医病理科团队就将医院绍兴越城院区打造为全数字化的病理科。目前，数智化的病理系统已能辅助病理医生进行远程冰冻诊断、会诊、MDT及教学培训。
“病理医生报告资质要求很严格，我们病理科又需要同时兼顾多院区报告，切片尤其是冰冻切片数字化后，可部分解放医生资源，也能实现多院区实时会诊，避免医疗风险。”陈云昭介绍，在与贵州毕节共建的浙江省人民医院毕节医院，也逐渐实现了远程病理平台进行疑难的病理会诊和教学培训，通过远程完成并实现同质化。
大模型是助手还是对手？
医学的温度也要关注
技术的发展往往带来生产关系的变化。近年来，随着AI技术快速发展，关于“AI取代人工”的讨论从未停止过。
如今，这一讨论也蔓延到了病理学科。
“随着AI不断发展，我相信会在很多领域超越人类医生的诊断。如果这一天到来，我们病理科会变成机械化的流水线吗？”会场上，中国人民解放军空军特色医学中心病理科主任李腾向全场病理科主任、高校教授发问。
“病理大模型的出现从来都不是为了取代医生，但一定会成为医生最可靠的个人助手。”杨林认为，人工智能是人类智慧的补充，就像是医生身边一位细致入微、不知疲倦的搭档，帮助医生从重复劳动中解放出来，把精力集中在更复杂的病理分析和临床决策上。
杨林分享了一个小故事：在一次医院的交流拜访中，他看到一位病理科主任的办公室里堆满了方便面，只因常年需要等待冰冻切片至深夜。“有了AI大模型当助手，原本可能需要N个小时的工作，现在喝一杯咖啡的时间就能完成。病理医生们就有可能回家吃上一顿热晚饭。”
杨林的观点，获得多位病理科主任的共鸣。
在解放军总医院301医院第一医学中心病理科副主任宋志刚看来，目前，AI还无法达到人脑的复杂思维能力。但面对绝大多数常见病，AI病理大模型会让病理医生从以往的执行者变成决策者，给过往繁重的工作做减法。
“我有多聪明，才能引导AI往更聪明的方向去训练。”另一位国内的资深病理科主任分析，对于病理医生来说，在技术的变革中找到自己最合适的位置，就能够提高核心竞争力和效率。
但也有一些病理科主任结合日常工作，提出了自己的担忧。
有病理科主任发现，一些年轻病理医生接受AI病理大模型速度很快且过度依赖AI进行病理诊断，对某一疾病诊断的学习意愿下降。“在病理学科AI发展中，我们依然要坚持用传统的知识传授模式来培养年轻的病理人才。否则未来可能真的保不住病理人才队伍。”
还有病理科主任提出，利用病理大模型去突破病理常规对图像的识别能力，加深对疾病认识的同时，也要关注医学的温度。
例如，不管病理大模型还是病理医生，都可能会遇到病理诊断的灰区问题。“当临床怀疑一个6岁的孩子得了恶性黑色素瘤，但病理用尽所有诊断方法都无法直接诊断，一般定义为灰区病变。”李腾说，病理大模型会直接标注“可疑恶性黑素瘤”，孩子和家长可能一生都会因此受到很大影响。而一个有温度的病理大夫会在研读报告后告诉病患，这是一个生长很活跃的良性病变，切除干净后保持随访就可以。
医学的本质，从来不仅仅是技术的进步。让人类充分感受到便利，又能发挥出医生最大的价值，这或许也正是病理大模型的未来发展之路。
“转载请注明出处”
