AI在病理中的应用

一、AI在病理诊断中的突破进展

在病理诊断领域，AI技术正带来革命性的突破。以西安交通大学国家医学攻关产教融合创新平台教授李辰团队与英国剑桥大学科研人员的合作为例，他们在国际上首次攻克了弱监督学习下数字病理全玻片难以实现精准空间量化的技术瓶颈。其研发的新型AI框架SMMILe，能在仅使用简化“病人级诊断标签”的情况下，对全玻片病灶进行精确空间量化。传统的主流AI方法虽能判断切片“是否有癌症”，但对于“病灶具体在哪里”“恶性程度如何分布”以及“各类亚型占多大比例”等关键问题却难以回答，而SMMILe打破了传统弱监督算法“重分类、轻定位”的局限，无需昂贵人工标注，就能像绘制地图一样，自动推断出肿瘤在组织中的具体位置、边界范围及不同亚型的空间分布。

人工分析一张复杂的组织切片可能耗时20分钟，而SMMILe最快仅需1秒钟即可生成详尽的量化报告，让癌症诊断的“金标准”从原来耗时数分钟或者几十分钟缩短到秒级，甚至更快，使用常规计算机，诊断速度还能达到毫秒级。该技术的创新之处在于设计理念，类似于一套用于图像的“声呐系统”，赋予了计算机“在黑暗中视物”的能力，通过融合特征压缩、参数自适应处理及马尔可夫随机场约束等前沿数学模型，敏锐捕捉微弱的病理信号，精准锁定并还原具有生物学意义的肿瘤空间图谱。

二、AI助力乳腺癌病理诊疗

乳腺癌是全球女性最常见的恶性肿瘤之一，在我国其发病率和死亡率呈逐年上升态势。天津医科大学肿瘤医院乳腺影像诊断科主任路红教授带领团队，通过将人工智能技术与乳腺多模态综合影像技术创新性结合，显著提高了乳腺癌诊断准确性，以及对疗效和预后的预测水平。

传统影像学手段存在一定局限性，对影像数据的解读主要依赖于医生的主观判断，超声检查结果的准确性受操作者经验和设备质量影响，对于中国女性中常见的致密型乳腺，也容易因组织重叠导致肿瘤漏诊或误诊。路红教授团队探索性发现适合不同女性群体的乳腺癌早诊方案，针对普通女性，建议以乳腺X线检查为主；当女性乳腺密度高、BMI低且乳房体积小时，建议补充超声检查；针对高危女性，建议补充快速磁共振成像（MRI）检查。

基于乳腺动态对比增强MRI，利用影像组学特征和机器学习算法，团队建立了乳腺癌良恶性诊断模型，大幅提高了诊断准确性和一致性，减少了不同医生间的差异。此外，团队还率先开展数字化乳腺断层合成摄影及断层合成C - view技术、MRI导向下“第二眼”超声技术、超声剪切波弹性成像技术，并研发了乳腺超声实时动态AI诊断系统，对病变的检出率近100%。使用AI辅助诊断系统后，科室的乳腺癌早期诊断率提高了约20%，不仅帮助患者赢得更多的治疗机会，还显著提高了诊断效率，降低了整体医疗成本。

在乳腺癌治疗的疗效评估及预测中，AI技术也发挥了重要作用。团队建立了涵盖乳腺X线、超声、MRI和锥光束CT多种影像的数据库，开发了新辅助治疗疗效评估模型，通过深度挖掘综合影像学图像代表性特征参数，预测患者获得病理完全缓解的可能性，以及对新辅助化疗的反应，从而优化个体化治疗方案和随访管理模式，帮助患者改善预后。同时，通过提取乳腺X线图像和MRI图像的影像组学特征，构建了乳腺癌分子分型和远处转移预测模型，开发了ConvRNN深度学习模型，用于量化术前DCE - MRI扫描的动态异质性，为豁免腋窝淋巴结清扫手术提供依据。

对于保乳手术，AI技术提高了其精准性和便捷性。基于乳腺MRI组学特征及语义特征，团队建立了保乳手术最终切缘状态的预测模型，清晰显示肿瘤的具体位置和边界，为术前评估保乳手术的可行性及优化治疗方案提供依据，提高了一次手术的成功率，帮助患者减轻身心创伤。

三、AI在医院多科室病理相关应用

哈医大二院在智慧医院建设中，将AI技术全面应用于临床医疗，涉及多个科室。

超声医学科引进了全球领先地位的超声人工智能辅助诊断系统，该系统基于10万例以上数据训练生成的AI模型，依托超轻量级SK - RTMDet算法与Transformer分类网络双引擎，响应速度突破毫秒级瓶颈。可显著提升早期微小病灶的检出率，降低漏诊风险，并根据病灶特征进行定性的分级辅助诊断，显著提高病灶检测准确率。系统可通过AR自动识别标记病灶，为超声设备注入人工智能新活力，对复杂病例的鉴别诊断提供多维度量化依据，减轻医生因疲劳和经验欠缺引发的漏诊及误诊情况，标志着超声诊断正式踏入“AI赋能的新时代”。

放射科率先引入智能乳腺断层影像智能分析系统，通过AI技术与医学影像的深度融合赋能乳腺疾病精准诊断。该技术可通过多模态融合，联动超声、MRI构建“乳腺病变图谱”，预测肿瘤演进，并利用AI标注的十万级标准化病例库，挖掘病灶特征与预后关联，推动个体化治疗。AI系统可自动识别11类病灶，快速定位目标层，AI实时同步分析，大幅降低漏诊风险，实现“精准标记 + 人工复核”的高效模式。与传统乳腺影像诊断技术相比，AI辅助技术具有早筛提速、精准分级、辅助决策等多项技术优势，实现效率与精准双跃升。

骨外科九病房耿硕主任团队成功运用AI和3D打印技术为多名髋关节发育不良（DDH）患者、复杂膝关节内、外翻患者实施关节置换手术。AI辅助技术具有精准的假体匹配度和自动化精确医学参数测量，助力术者获得更好的术后恢复效果。传统术前规划往往需要工程师和术者反复沟通设计1 - 4周才能得出可行方案，而AI辅助仅仅需要5 - 40分钟，术者通过个人手术习惯进行微调，极大增加了术前规划在关节置换的应用可能。此外，AI辅助具有更加安全、准确的特点，可减少手术时间和术中出血，提高手术效率，帮助患者更快恢复。

CT诊断科将AI技术应用于肺结节、血管病变、骨骼疾病等的诊断。肺结节AI医学辅助检测软件支持自动对病灶进行五分类，自动测量病灶的长径、短径、CT值、体积等参数，自动进行结节特征分析，生成结节密度分布图和结节影像组学等相关信息，自动定位结节所在的影像层面与解剖位置，对结节种类进行分型，并预测结节病灶的恶性概率。血管AI医学辅助诊断系统可自动对CT影像进行3D/2D后处理，实现自动血管VR/CPR/MIP等显示，分析其形态、走向和病变情况，同时提供辅助诊断结构化报告。骨质病变AI医学辅助检查系统可自动检出骨质病变，提供更为准确的骨骼疾病诊断信息，并提供VRT和CPR骨质病变图像展示和结构化报告。

病理科启用“AI病理人机协作诊断综合系统”，成为东北地区首家引入该先进技术的医疗机构。该智能初筛系统诊断效率倍增，可将常规病例初筛时间缩短80%，AI辅助检测微小病灶的灵敏度较传统方式提升40%。其标准化算法模型确保诊断一致性，通过深度学习构建多维度病理特征数据库，有效消除医师个体经验差异，提高病理诊断的一致性和精准性。系统实时更新的智能知识库系统，可自动同步最新版WHO分类标准及NCCN指南，保证诊断结果始终与国际前沿接轨。该系统目前主要应用于淋巴结转移肿瘤筛查、活检标本快速评估和恶性肿瘤精准分型三个领域，采用“动态扫描 + 智能判读”双引擎模式，单张切片处理时间缩减至90秒内，微小病灶检出率提升至99.6%。智能色彩标注技术能够将阴性切片镜下判读时间缩短至1分钟一例，比纯人工判读效率提升5倍，在恶性肿瘤精准分型方面，定位准确，误差极小，更能够为肿瘤患者提供个性化治疗依据。

核医学科在省内率先成功完成PET/CT自动报告系统部署，将AI深度学习技术融入影像分析和报告生成流程，为医生提供高效、精准的辅助诊断工具，提升核医学影像诊断的智能化水平。磁共振AI辅助诊断系统投入使用，极大缓解医生超负荷工作压力，降低漏诊。该系统通过标准化模型减少个体差异，提升结果可靠性，减少误诊。现代MRI常结合DWI（弥散加权成像）、MRS（磁共振波谱）等多序列数据，AI可高效整合多维信息，挖掘人眼难以察觉的关联模式，自动量化病灶体积变化、组织修复程度，减少人工测量的时间与误差。

门诊接入DeepSeek大模型，早在2024年3月，哈医大二院就率先推出了AI预问诊服务，该系统能够根据患者挂号科室，模拟临床医生的诊疗思路进行对话，进而自动生成预问诊病历，并实时同步至医生工作站，使医生在患者就诊前就能全面了解病情，显著提升就诊效率。2025年2月27日，医院再次引领数智化医疗技术，上线了检查检验结果“AI报告解读”功能，患者完成检查获取报告后，点击【AI报告结果科普】，AI就医助手即刻启动智能解读，根据检查项目的异常指标，用通俗易懂的语言解释其临床意义，生成易懂的报告分析，降低患者理解门槛，帮助患者清晰掌握病情，并根据异常指标提供后续诊疗建议。

四、创新AI病理系统的应用优势

香港科技大学成功研发的创新人工智能系统SmartPath，革新了癌症病理诊疗全流程。该系统整合了临床诊断、分型、生物标记物量化、治疗评估及预后跟进功能，涵盖多种癌症类型，以加快诊断速度，为患者提供更个人化的治疗方案。

SmartPath建基于全球其中一个规模最大及最多元的病理数据集，涵盖34种主要人体组织部位、逾50万张全切片影像。系统可辅助专业医疗人员执行逾百项临床任务，包括癌症病情分级、分型、治疗反应评估、存活率预测，以及生成详细病理报告等。其关键突破在于能通过综合病理基础模型框架，精准诊断多种香港发病率最高的癌症，包括肺癌、乳腺癌、大肠癌及胃癌。

该系统的核心能力由两大整合式AI模型驱动。卓越的跨癌种通用能力方面，系统核心的通用病理基础模型（GPFM）提供了统一框架，能精准识别不同肿瘤类型及癌症亚型与生物标记物量化。该系统不仅能进行诊断，更能预测患者的生存期及评估潜在治疗反应，为个人化治疗奠定基于数据的基础。多模态智能深化病理分析方面，系统另一重要的多模态全切片病理基础模型（mSTAR）整合了病理影像及海量的文字数据，包括病理报告及转录组学数据，可在短短数分钟内自动生成资料详尽的病理报告，并具备视觉咨询功能，让病理学家能针对切片细节提问。

SmartPath提供端到端解决方案，全面优化癌症诊疗周期，从肿瘤切片快速初筛分析、风险预警到自动生成报告，进一步简化癌症护理周期的临床工作流程。这有助纾缓诊断瓶颈，让病理专家专注于重大诊断决策及分析复杂病例。经全面的基准测试后，系统表现显著比现有模型优胜，根据南方医院近期进行的前瞻性研究，SmartPath在诊断肺癌、乳癌、结直肠癌等多种癌症类型中表现优异，整体准确率超过95%，这些结果充分证明SmartPath有助提升诊断准确度、可靠预测存活期，以及快速生成报告的能力。

五、AI在病理应用中的挑战与解决思路

尽管AI在病理应用中取得了显著进展，但也面临一些挑战。在技术研发方面，如西安交通大学李辰团队在研发SMMILe框架时，主要面临两大技术难点，一是如何将全局特征与区域特征有效融合；二是如何在模型训练中，不依赖大量人工标注，直接从临床病历中提取标签用于训练。团队通过不断尝试多种方案，历经两年多才获得突破，依靠“笨功夫”，根据结果反复比对，及时调整训练方向，最终通过持续试验与测试，得到稳定的量化结果。

数据方面，虽然目前有一些大规模的病理数据集，如SmartPath建基于涵盖34种主要人体组织部位、逾50万张全切片影像的数据集，但随着技术发展，数据需要越来越精细，且不同地区的数据差异也需要考虑。同时，数据的隐私和安全问题也是需要关注的重点，如何在保证数据安全的前提下，实现数据的有效利用和共享，是需要解决的问题。

人才方面，AI技术在病理中的应用需要既懂医学又懂AI技术的复合型人才。目前这类人才相对短缺，需要加强相关专业的教育和培训，培养更多能够将AI技术应用于病理诊断和研究的专业人员。此外，医生对AI技术的接受度和使用能力也需要提高，需要加强对医生的培训，让他们更好地理解和应用AI技术，充分发挥其优势。

六、AI在病理应用中的未来展望

随着技术的不断发展，AI在病理中的应用前景广阔。在诊断方面，未来AI技术有望实现更精准的量化诊断，能够更准确地定位病灶、判断恶性程度和各类亚型占比，甚至可以替代一部分成本高昂的分子检测。如西安交通大学李辰团队研发的SMMILe框架有望进一步拓展用于肿瘤分子特征的推断，实现组织形态学与多组学数据的深度融合，推动综合癌症医学与精准医疗的发展。

在治疗方面，AI可以辅助医生制定更个性化的治疗方案。通过对大量病例数据的分析，AI能够预测患者对不同治疗方法的反应，为医生提供参考，提高治疗效果。例如SmartPath系统能预测患者的生存期及评估潜在治疗反应，为个人化治疗奠定基于数据的基础。

在科研方面，AI技术可以帮助科研人员系统研究肿瘤异质性，探索不同组织亚型与预后、免疫反应及药物敏感性之间的关系。同时，AI还可以加速药物研发的进程，通过对大量数据的分析和模拟，筛选出更有潜力的药物靶点和治疗方案。

此外，随着AI技术的不断发展和完善，其在病理中的应用将更加普及和深入。未来可能会出现更多集成化、智能化的AI病理系统，能够实现从诊断到治疗的全流程自动化和精准化，为患者提供更高效、更优质的医疗服务。