摘要：屏幕上随即闪烁出三个细小的红圈，每一个标记仅针尖大小。医生点击其中一个，AI不仅精准识别出“细胞核质比异常”，还迅速调取全球相似病例，并列出可能的诊疗方案。

清晨，病理科医生将一片胃黏膜活检切片放入智能扫描仪。镜头自动对焦的瞬间，AI的“眼睛”亮了——

屏幕上随即闪烁出三个细小的红圈，每一个标记仅针尖大小。医生点击其中一个，AI不仅精准识别出“细胞核质比异常”，还迅速调取全球相似病例，并列出可能的诊疗方案。

当医生端起咖啡时，一份详尽的预判报告已跃然屏上，等待医生确认签字。

这即将成为杭州市一医院病理科的一个普通早晨。

2025年3月30日，在首届数智病理西湖峰会上，西湖大学人工智能与生物医学影像实验室发布了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，该模型即将在杭州市一医院正式落地，让AI时代的数智病理成为可能。

人工智能正悄然融入医院，为精准诊断按下“加速键”。

首届数智病理西湖峰会现场

跨越感官：当细胞学会“说话”

病理诊断，是一门极度依赖经验的“手艺活”。

在传统模式中，医生需要在数亿像素的切片中搜寻蛛丝马迹，反复揣摩细胞的“言外之意”，耗时费力且易受主观因素影响。

“一个患者平均需要15张活检切片，一周100名患者就是1500张切片，” 杜克大学黄教悌教授在峰会上分享，“人眼会疲劳，经验有边界，而罕见病变的误诊风险始终存在。”

如今，病理医生迎来了一个永不疲倦、精确高效的AI助手——DeepPathAI。它能以 0.25 微米的精度扫描切片，在几秒之内完成基础筛查，并智能标记可疑病变。这将是一位病理科医生的“超级私人助理”。

人工智能辅助病理医生临床判读

它不仅“看”，还能“查”。普通AI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。”

它不仅“识别”，还能“思考”。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。

它不止是“专科医生”，更是“全科医生”。以往的AI模型像“单科选手”，只能诊断某种疾病，而DeepPathAI通过通用病理建模范式，能够支持宫颈癌、肺癌、乳腺癌、胃癌等40多种癌症类型的互动式诊断，大幅度提升诊断效率。

十年前可能需要N个小时的工作，现在喝一杯咖啡的时间就能完成。

而这样的变革，在不远的未来，很可能“无处不在，却悄无声息”——最好的AI，也应该是润物细无声的。人类充分感受到便利，又察觉不到AI的真正存在。

从0到1：始于跨界

当天的发布会同时在线上进行，共计5万人（次）观看。
这个病理大模型DeepPathAI的设计者，是西湖大学人工智能与生物医学影像实验室的负责人杨林及其团队
从 2003 年发表首篇 AI 辅助癌症诊断的论文开始，到 2025 年正式推出 DeepPathAI，病理AI这条路，杨林已经走了 20 余年。
2004年，在美国新泽西癌症中心的实验室里，杨林第一次透过显微镜“看到”了病理医生的日常——医生每天需要看海量的切片，往往一坐就是十几个小时。深刻感受到病理医生的辛劳，杨林开始思考，人工智能能否成为让医生减轻工作负担的临床好帮手
当时的杨林，正在美国罗格斯大学读博士，师从计算机视觉泰斗Peter Meer和数字病理学先驱David Foran。
他的博士之旅有点特别，既在实验室研究算法，也泡在病理科观察医生如何“破译”细胞的密语。
之后，杨林在新泽西癌症中心病理科和放射科做过两年助理教授，又在美国佛罗里达大学担任生物医学工程系、电子与计算机工程系、计算机系三系终身副教授，直到加入西湖大学工学院人工智能系，担任教授。
跨学科的经历，让杨林得以发现医生群体对数字病理的强烈需求。而他，想做那个能解决问题的人
技术的问题，还得回归本源，在实验室里解决。
2020年，杨林入职西湖大学工学院，成立人工智能与生物医学影像实验室——带着那个始于二十多年前的追问，我们能否让AI真正像医生一样思考，AI又如何做到处处都在，又无处不在

杨林在西湖大学人工智能与生物医学影像实验室此前，杨林团队已发表超过100篇病理AI方向的同行评议论文。加入西湖后，杨林将计算机视觉的精密算法与病理学相结合，并与全国上千家医院合作，构建起百万级病理数据集，为AI模型训练提供了丰富的素材。2023年，杨林团队正式从零开始打造系列“病理基座大模型”。当年，团队发布首个成果——医学数据库PathAsst，包含130亿参数、700万医学文献，2024年，团队连续发布4个病理基础大模型，并获得了领域顶级会议MICCAI 2024 的Young Scientist Award。

此次发布的统一模型DeepPathAI，是“集大成者”。

DeepPathAI ，是一种统一的病理图像分析人工智能模型，能同时处理显微镜下视野和全场扫描图像——它打破了传统 AI 只能针对单一病种的局限，一次训练，即可适用于多种癌症和病理类型，如同一把“万能钥匙”。
之所以能快速精准判别不同癌症类型，主要是因为DeepPathAI 结合了两种视觉系统，一种专注整体特征，另一种专注细节特征。同时，采用“从小到大”的学习策略，它先学习显微镜下视野图像，再学习全场图；并且能够模拟病理医生进行多尺度分析，既能看到细胞水平的变化，也能观察到组织层面的模式，实现了知识在不同癌症类型间的融合迁移，从而无需为每种癌症单独训练模型。
现在，DeepPathAI 将真正走向临床，在杭州市一医院全面落地，打造现实中的“AI 病理科”。

AI，跨越山海

医学不仅是一门自然科学，更是一门社会科学。杨林一直在思考在技术的变革中人所处的位置。
“AI不会取代医生，但会重塑医疗场景。”在他看来，技术终将回归服务本质——减轻医生负担，拓展诊疗边界，弥合医疗鸿沟。
这场变革正在发生。在新疆，搭载DeepPathAI的智能扫描系统可以将百万两癌筛查的人群阳性检出率提高2个百分点；在云南，搭载DeepPathAI的智能显微镜系统可以和广州实时交互，让偏远地区的患者也能获得及时诊断；在浙江松阳县，基层医院已开始体验这一变革……

峰会尾声，杨林分享了一个故事：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。病理医生就是一群看似默默无闻，实则为病人付出全部的群体。

“而我们努力的方向，是让这样的病理医生晚上能早点回家，吃上一顿热饭。”

医生视角下的AI病理诊断
请移步至本期推送二条

来源：阿慕爆科技