每經記(ji)者(zhe)｜金喆    每經編輯｜楊夏    

病(bing)(bing)理(li)診斷是疾病(bing)(bing)診斷的關鍵環節(jie)，以組織細胞圖像(xiang)為基礎確定病(bing)(bing)因、病(bing)(bing)理(li)變化及疾病(bing)(bing)進程，其重要性(xing)不言而喻。

一周前，病(bing)理圈的醫(yi)(yi)生們(men)都在討論華為和(he)瑞金(jin)醫(yi)(yi)院合作的病(bing)理大(da)(da)模型會是(shi)什(shen)么樣，中山大(da)(da)學附屬(shu)腫(zhong)瘤醫(yi)(yi)院病(bing)理科主任(ren)云徑平也不例外，他很期待這(zhe)場(chang)AI病(bing)理大(da)(da)模型發布會。在醫(yi)(yi)生中他屬(shu)于積極(ji)擁抱新技(ji)術的一類(lei)，如(ru)果能有更好的技(ji)術來讓病(bing)理檢測更高效和(he)準確，他愿意做臨床第一批(pi)“吃(chi)螃(pang)蟹”的人(ren)。

2月18日(ri)，云(yun)徑(jing)平(ping)接受(shou)《每日(ri)經(jing)濟(ji)新聞(wen)》記者(zhe)采訪時表示，AI在(zai)(zai)(zai)(zai)病理領(ling)域(yu)大(da)有可(ke)為——在(zai)(zai)(zai)(zai)準確性上，AI能(neng)夠(gou)以(yi)超越人類肉眼的精(jing)度識(shi)別(bie)(bie)圖像細節，降(jiang)低誤診率；在(zai)(zai)(zai)(zai)效率提升(sheng)方面，AI可(ke)在(zai)(zai)(zai)(zai)短(duan)時間內完成數據監測與分(fen)析(xi)，大(da)大(da)縮短(duan)診斷周期。從可(ke)及性來(lai)看，AI還可(ke)以(yi)使(shi)得偏(pian)遠(yuan)地區患(huan)者(zhe)能(neng)夠(gou)獲得高級(ji)別(bie)(bie)病理診斷服務(wu)，促進醫療資源公(gong)平(ping)分(fen)配。目(mu)前來(lai)看，AI病理研發項目(mu)如(ru)雨后春筍一樣蓬勃發展，相信(xin)在(zai)(zai)(zai)(zai)不久的將來(lai)會在(zai)(zai)(zai)(zai)臨床(chuang)上落地應用。

技術進步打破了AI病理多年無進展的僵局

10年前，云(yun)徑(jing)平教授(shou)就(jiu)在琢(zhuo)磨(mo)病理(li)(li)信(xin)息(xi)化(hua)(hua)和(he)數(shu)智化(hua)(hua)的(de)事(shi)情。他(ta)去美(mei)國參加美(mei)加病理(li)(li)學(xue)術會議看到同行展示數(shu)字化(hua)(hua)的(de)病理(li)(li)組(zu)織圖(tu)像，回來后他(ta)們科室也(ye)申(shen)請購置了相關設備。云(yun)徑(jing)平當時的(de)想法(fa)很簡(jian)單，那(nei)時候大(da)家都(dou)是把病理(li)(li)組(zu)織玻片做成幻燈片投影，用于教學(xue)和(he)疾病討論，如果(guo)把它們掃描(miao)成圖(tu)片，以后只需要帶個U盤，還能反復使用。再(zai)進一步，如果(guo)能夠開(kai)發出圖(tu)像診斷(duan)系(xi)統，可(ke)能用起來更方便(bian)。

病理科(ke)的(de)(de)工(gong)作(zuo)日常主(zhu)要包含取樣、制片、診斷報告等10多個重要環節，流程長、步驟多、工(gong)作(zuo)繁瑣(suo)，如(ru)果應用信息化(hua)及智能化(hua)手段，將會顯著提質增效。真正到(dao)雙方(fang)融合的(de)(de)時(shi)候(hou)，大(da)(da)家(jia)發現這(zhe)不(bu)是一件容易的(de)(de)事。云徑平坦言，那時(shi)候(hou)計算機背(bei)景的(de)(de)研發人員和醫生對這(zhe)件事情的(de)(de)理解有偏(pian)差，在(zai)推進過程中遇到(dao)了不(bu)少困(kun)難(nan)，難(nan)度非常大(da)(da)。

人(ren)工智能(neng)技術興起(qi)后(hou)，病理診斷(duan)(duan)被認(ren)為(wei)是(shi)最適(shi)合落地的場(chang)景之一(yi)。常見(jian)的AI應(ying)用場(chang)景大概分(fen)為(wei)三(san)大類(lei)。第一(yi)是(shi)輔助(zhu)病理診斷(duan)(duan)：針對病理醫(yi)生(sheng)(sheng)診斷(duan)(duan)的任(ren)(ren)務(wu)，建立AI分(fen)類(lei)模型(xing)輔助(zhu)醫(yi)生(sheng)(sheng)完成任(ren)(ren)務(wu)，提高效率(lv)和準確(que)率(lv)。第二是(shi)量化評(ping)估：對于某些需(xu)要病理醫(yi)生(sheng)(sheng)完成的繁瑣任(ren)(ren)務(wu)，例如細(xi)胞(bao)計(ji)數和陽性標志判讀等，建立AI模型(xing)代替人(ren)工操作(zuo)。第三(san)是(shi)預(yu)后(hou)預(yu)測：結合臨床場(chang)景，通過病理圖(tu)像構建AI模型(xing)，直接預(yu)測患者的預(yu)后(hou)、藥物治療(liao)反(fan)應(ying)、基因突變或分(fen)子標簽等。

云徑平也提(ti)到，傳統(tong)的病理診斷過程(cheng)中，諸如核分(fen)裂象及細胞標記計數(shu)(shu)等(deng)工(gong)(gong)作(zuo)，需(xu)要醫生在顯微(wei)鏡下(xia)耗(hao)費大量時(shi)間進行人工(gong)(gong)計數(shu)(shu)與分(fen)析，不(bu)僅工(gong)(gong)作(zuo)強(qiang)度大，而且(qie)容易因疲勞等(deng)因素導(dao)致誤差。AI技術通過自動化的算法，能夠在短時(shi)間內(nei)完(wan)成對大量細胞和組(zu)織(zhi)的分(fen)析，將原本需(xu)要數(shu)(shu)小(xiao)時(shi)甚(shen)至(zhi)數(shu)(shu)天(tian)的工(gong)(gong)作(zuo)縮短至(zhi)幾分(fen)鐘。

但與外界想象的不同，AI病理的進(jin)展(zhan)非常慢，甚(shen)至可以說是沒有進(jin)展(zhan)，大家(jia)基本(ben)都在“無人區”摸索。這里面有多方(fang)面原(yuan)因(yin)，其中(zhong)最核心的因(yin)素(su)是樣本(ben)數據(ju)。

與影像(xiang)(xiang)科的(de)(de)(de)CT、磁共(gong)振或者超(chao)聲檢查相比，病(bing)理(li)診斷的(de)(de)(de)材料獲得(de)樣本的(de)(de)(de)過程不容易，都需(xu)要(yao)通過穿刺、手術等(deng)創傷性的(de)(de)(de)途徑。同時(shi)，病(bing)理(li)學最主要(yao)的(de)(de)(de)分析(xi)對象并不是語言文(wen)本，而是圖(tu)像(xiang)(xiang)。病(bing)理(li)圖(tu)像(xiang)(xiang)分辨率高，每個像(xiang)(xiang)素(su)不到一(yi)(yi)個微米，一(yi)(yi)張(zhang)病(bing)理(li)切(qie)片(pian)圖(tu)像(xiang)(xiang)相當于一(yi)(yi)部(bu)電影的(de)(de)(de)存儲量，而訓練AI需(xu)要(yao)投(tou)喂海量數據，掃描的(de)(de)(de)時(shi)間成本和資(zi)金成本都極其高，自然會影響進度。

2022年底ChatGPT（GPT 3.5）橫空出世，真正的人(ren)工(gong)智能仿佛(fo)在一夜之間終于涌現了，各行各業(ye)的大模型(xing)遍地開(kai)花，病理領(ling)域也不例外。從谷(gu)歌到微(wei)軟，以及一眾(zhong)人(ren)工(gong)智能企業(ye)，兩年間推出了多個(ge)自己的病理大模型(xing)。

在技(ji)術加持下，云徑平帶領(ling)病理(li)科的(de)(de)(de)醫生與醫院(yuan)信息(xi)科工程師一起研發，就(jiu)像培(pei)訓一名病理(li)醫生一樣(yang)訓練模型(xing)，掃描圖像、如何識(shi)別圖像標注(zhu)異常(chang)等(deng)等(deng)。今年春節以后(hou)，云徑平基本上每天都會使用DeepSeek，接下來的(de)(de)(de)目標是把研發出的(de)(de)(de)AI輔助診斷系(xi)統能夠逐步應用到臨床。

AI病理落地臨床，遵循行業規范得到高質量病理圖像很重要

2月(yue)18日，華為聯合(he)瑞(rui)金醫院發(fa)(fa)布病(bing)理大模型(xing)RuiPath，基于瑞(rui)金醫院的(de)豐富病(bing)種及(ji)高(gao)質量(liang)醫療數據，癌(ai)種覆(fu)蓋(gai)廣度達(da)到中(zhong)國(guo)每年全癌(ai)種發(fa)(fa)病(bing)人數90%的(de)常見癌(ai)種，同時涵蓋(gai)垂體神經內(nei)分泌腫瘤等罕見病(bing)。在深度上，醫生可以和RuiPath開(kai)展互(hu)動式(shi)病(bing)理診斷對(dui)話(hua)。

針對傳統及數(shu)字(zi)化(hua)智慧病(bing)(bing)理發展(zhan)中(zhong)的痛點，如(ru)三(san)甲醫(yi)院病(bing)(bing)理醫(yi)生診斷工(gong)作(zuo)量巨大(da)(da)(da)、數(shu)智化(hua)基礎薄弱、傳統AI模(mo)式中(zhong)覆蓋病(bing)(bing)種(zhong)少、已公(gong)開病(bing)(bing)理大(da)(da)(da)模(mo)型算(suan)力需求(qiu)大(da)(da)(da)、多模(mo)態訓練難度大(da)(da)(da)等，RuiPath大(da)(da)(da)模(mo)型實現四大(da)(da)(da)創(chuang)(chuang)新(xin)，包括場(chang)景與應用創(chuang)(chuang)新(xin)、模(mo)型與算(suan)法(fa)創(chuang)(chuang)新(xin)、存算(suan)協同創(chuang)(chuang)新(xin)和AI工(gong)具(ju)鏈創(chuang)(chuang)新(xin)。

作(zuo)為(wei)一(yi)名臨床(chuang)經驗近40年(nian)的(de)(de)病(bing)(bing)理專家(jia)，云(yun)徑平非常欣喜地(di)看到像(xiang)RuiPath這樣的(de)(de)大模(mo)(mo)型(xing)產生(sheng)，傳統(tong)的(de)(de)病(bing)(bing)理診(zhen)斷需(xu)要3~5天才(cai)能有病(bing)(bing)理診(zhen)斷報(bao)告，如果(guo)大模(mo)(mo)型(xing)應(ying)(ying)用于病(bing)(bing)理診(zhen)斷，能夠顯著提升診(zhen)斷效率與(yu)質(zhi)量(liang)，這也(ye)是AI病(bing)(bing)理發展過程中的(de)(de)美麗(li)愿(yuan)景。但眼下，AI病(bing)(bing)理落地(di)應(ying)(ying)用還有較長距離，也(ye)面臨多重挑(tiao)戰。

在他看來，做出高(gao)質(zhi)量(liang)AI病(bing)理(li)大模型，執行(xing)行(xing)業(ye)規范(fan)制成高(gao)質(zhi)量(liang)病(bing)理(li)切片(pian)和(he)存(cun)儲高(gao)質(zhi)量(liang)病(bing)理(li)圖(tu)像是基(ji)礎工程。

“病(bing)(bing)(bing)理(li)切(qie)片(pian)及其掃描的(de)(de)(de)(de)質(zhi)量決定了圖(tu)像(xiang)數(shu)據的(de)(de)(de)(de)好壞(huai)，不同(tong)級別(bie)(bie)醫(yi)院、不同(tong)水平(ping)病(bing)(bing)(bing)理(li)人員制作的(de)(de)(de)(de)切(qie)片(pian)質(zhi)量差別(bie)(bie)非常大。制成病(bing)(bing)(bing)理(li)切(qie)片(pian)全流程的(de)(de)(de)(de)檢(jian)測儀器、試(shi)劑、操作等要素均會影(ying)響(xiang)病(bing)(bing)(bing)理(li)圖(tu)像(xiang)質(zhi)量和病(bing)(bing)(bing)理(li)診(zhen)斷結果，因(yin)此(ci)每個(ge)關鍵環節都遵循行(xing)業規范(fan)和標(biao)準，如(ru)果沒遵循好，也會影(ying)響(xiang)病(bing)(bing)(bing)理(li)圖(tu)像(xiang)及病(bing)(bing)(bing)理(li)大模型的(de)(de)(de)(de)質(zhi)量。”云徑平(ping)說，病(bing)(bing)(bing)理(li)醫(yi)生是醫(yi)療診(zhen)斷中的(de)(de)(de)(de)“幕后”角色(se)，病(bing)(bing)(bing)理(li)診(zhen)斷是腫瘤(liu)診(zhen)斷的(de)(de)(de)(de)“金標(biao)準”，病(bing)(bing)(bing)理(li)報告結果需(xu)要判斷腫瘤(liu)是良性(xing)還(huan)是惡(e)性(xing)、是什(shen)(shen)么程度的(de)(de)(de)(de)惡(e)性(xing)，適合(he)什(shen)(shen)么類型的(de)(de)(de)(de)治(zhi)(zhi)療。目(mu)前(qian)的(de)(de)(de)(de)腫瘤(liu)治(zhi)(zhi)療都是有(you)創治(zhi)(zhi)療，所以每一(yi)步都需(xu)要格外(wai)慎重。

此外，醫療數(shu)據(ju)的(de)(de)安(an)(an)全(quan)與隱私保(bao)護(hu)也是(shi)亟(ji)待解決的(de)(de)關鍵問題。病理數(shu)據(ju)包含患者(zhe)大量敏(min)感信息(xi)，在數(shu)據(ju)收集(ji)、存(cun)儲、傳輸和(he)使(shi)用過程中，如何確(que)保(bao)數(shu)據(ju)安(an)(an)全(quan)、合(he)法合(he)規地應(ying)用于AI模型訓練，同時保(bao)護(hu)患者(zhe)隱私，是(shi)當前(qian)面臨的(de)(de)嚴峻挑戰。例如，在數(shu)據(ju)共享與交易過程中，雖有脫敏(min)處理等措施，但(dan)仍存(cun)在潛在風險，如數(shu)據(ju)質(zhi)量參(can)差不齊、信息(xi)泄露隱患等。

但(dan)云徑平(ping)也表(biao)示，AI與病理(li)(li)診(zhen)(zhen)斷(duan)的融(rong)合(he)將是必然趨勢。隨著(zhu)技(ji)術成熟，有(you)望(wang)實現人機(ji)交(jiao)互AI病理(li)(li)診(zhen)(zhen)斷(duan)的新模式，構(gou)建人機(ji)診(zhen)(zhen)斷(duan)協同的高(gao)效生態。在這個過程中，醫(yi)院、企(qi)業和(he)科研機(ji)構(gou)應加強合(he)作，共同推動技(ji)術進步。對于擁有(you)大量(liang)病理(li)(li)數據的醫(yi)院，應在保障數據安全和(he)患者隱私(si)的前(qian)提(ti)(ti)下，探索合(he)理(li)(li)的數據共享與合(he)作機(ji)制，促進AI病理(li)(li)診(zhen)(zhen)斷(duan)技(ji)術的均(jun)衡發展，提(ti)(ti)升我國(guo)整體病理(li)(li)診(zhen)(zhen)斷(duan)水平(ping)，為患者提(ti)(ti)供更優(you)質、高(gao)效的醫(yi)療服(fu)務。

封面圖片來源：視覺中(zhong)國-VCG111383920316