当消费遇上AI｜医疗大模型“皇冠上的明珠”病理大模型开发之难，难在哪

摘要：国内一名从事智慧病理营销经理张亮对第一财经记者说，春节以来，他们时不时会接到全国一些医院电话咨询病理数字化之类的合作，而以前，医院高层对这块的关注度并不高。

大模型DeepSeek推出后，正在颠覆AI发展的传统认知，各行各业拥抱数字化的进程在加快，连医院端也不例外。

国内一名从事智慧病理营销经理张亮对第一财经记者说，春节以来，他们时不时会接到全国一些医院电话咨询病理数字化之类的合作，而以前，医院高层对这块的关注度并不高。

2月的一天，中山大学附属肿瘤医院病理科主任云径平与医院信息科工程师们，以及相关供应商开了一个小会，也在探讨如何用AI赋能病理科。

病理诊断指通过手术切除、内镜活检、细针穿刺等方式获取人体组织或细胞，借助显微镜等工具对样本进行一系列处理和观察，是绝大部分疾病，尤其是肿瘤疾病的诊断“金标准”，是医生的医生。

随着大模型出现，医疗领域被认为是极具潜力的应用场景之一，而病理图像具有非常大的多样性，要借助人工智能技术开展诊断难度极大，病理大模型被认为是医疗大模型“皇冠上的明珠”。

这些年来，当AI浪潮袭来之际，医院的影像科率先投向数字化浪潮，但病理科的数字化进程却十分缓慢。病理大模型开发，面临的挑战如何？

AI给病理科带来的潜力

从手术切除的肿块，或从内镜活检取得的黏膜组织、细针穿刺抽取的细胞，迅速送往病理科后，要进行一系列的处理，包括固定、取材、脱水、浸蜡、包埋和切片等，最后送到显微镜下，病理医生会仔细观察细胞的大小、形态、染色深浅、核沟及核仁的数目和大小等特征，给出结果诊断。

2022年，中国新增癌症患者数量482万例、癌症死亡数257万例，数量均位列世界第一。

要降低癌症发病率、死亡率，早发现、早诊断、早治疗是关键，这里面，就离不开病理诊断，这考验病理诊断的可及性、准确性。

我国病理医生缺口大，病理医生分布不均，基层医院初诊复合率低。

中山大学附属肿瘤医院病理科主任云径平对第一财经记者表示，大医院病理科培养一位合格病理医生需要5年至8年时间，这里面涉及取材、冰冻等环节培养。但在县级医院，还无法耗费这么长时间来培养，这可能会导致病理行业的诊断质量不统一问题。

通常，一个病理检测需3天到5天，如遇较为疑难的疾病，加做免疫组化或分子检测，诊断时间长达7天至10天。

云径平认为，AI在病理科领域，大有可为。“传统的病理诊断过程中，诸如核分裂象及细胞标记计数等工作，需要医生在显微镜下耗费大量时间进行人工计数与分析，不仅工作强度大，而且容易因疲劳等因素导致误差。AI技术通过算法技术，能够在短时间内完成对大量细胞和组织的分析，将原本需要数小时甚至数天的工作缩短至几分钟。”

江丰生物有关负责人对第一财经记者表示，在以往，病理医生需要耗费大量时间进行切片观察、细胞识别等烦琐工作，而AI技术的引入，能够迅速识别病灶、精准定位异常细胞，大大减轻医生的工作负担。同时，通过大数据分析，能发现潜在的疾病趋势，为临床决策提供有力支持。数智病理科整体解决方案带来的效益显而易见。一方面，它显著提高了病理诊断的准确性和效率，降低了漏诊、误诊的风险；另一方面，通过优化病理科的工作流程，实现了资源的合理配置和高效利用，提升了科室的整体管理水平。

十年前，云径平就在琢磨病理信息化和数智化的事情。他去美国参加美加病理学术会议看到同行展示数字化的病理组织图像，回来后他们科室也申请购置了相关设备，当时的想法很简单，那时候大家都是把病理组织玻片做成幻灯片投影，用于教学和疾病讨论，如果把它们扫描成图片，以后只需要带个U盘，还能反复使用。再进一步，如果能够开发出图像诊断系统，可能用起来更方便。

他坦言，那时候计算机背景的研发人员和医生对这件事情的理解有偏差，复合型人才匮乏，这导致推进过程中遇到了不少困难，难度非常大。

不过，云径平所在的病理科室，至今没有放弃拥抱AI。

大模型打入病理科

当DeepSeek浪潮袭来之际，近期A股一些AI病理概念股挺身大涨。

2月18日，在上海交通大学医学院附属瑞金医院举行的2025医疗人工智能与精准诊疗发展论坛上，瑞金医院携手华为共同发布了瑞智病理大模型RuiPath。

瑞金医院方面对外介绍称，针对传统及数字化智慧病理发展中的痛点，如三甲医院病理医生诊断工作量巨大、数智化基础薄弱、传统AI模式中覆盖病种少、已公开病理大模型算力需求大、多模态训练难度大等业界普遍的业务痛点，RuiPath实现4大创新，包括场景与应用创新、模型与算法创新、存算协同创新和AI工具链创新。

在交互式辅助诊断环节，传统诊断方式是医生在显微镜下逐张查看切片，完成诊断后再人工录入报告。而RuiPath能够提前精准识别病灶区域，单切片AI诊断时间仅需数秒。

从知识深度层面看，亚专科病理医生在前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个月的研发历程里，“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，它覆盖中国每年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的回答准确率高达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”。

一位在研发病理大模型的人士对第一财经记者表示，他们也在通过各种渠道打听这款大模型具体情况，但基于公开披露的信息有限，还无法判断这款模型本身是基于医院自研的模型，还是开源的模型，也无法判断这是一个大模型还是多个病理小模型的混合。从表现力上看，这款大模型还无法完全做病理诊断以及完成最终的诊断报告。它现在是把需要关注的区域先提示出来，节省医生阅片时间，在一些环节上节省了医生的工作效率。

2024年以来，病理大模型成为了医疗大模型领域争夺的焦点，行业进入百模大战。

如国外方面，2024年3月，《Nature Medicine》发表了美国麻省总医院、哈佛医学院等组成研究团队设计了的两个CPath基础模型相关研究，即UNI和CONCH，其中的UNI为计算病理学开启全新篇章，能够泛化并应用解剖病理学领域中的各类诊断颇具挑战性的人物及临床工作流程。

2024年5月，《Nature》发布了一篇重磅论文,来自微软研究院、美国Providence的医疗网络和华盛顿大学的研究人员，共同提出了首个全切片尺度的数字病理学模型GigaPath，该模型可以成功攻克十亿像素级图像的处理与理解难题。

再如国内方面，2024年7月，商汤医疗联合中华医学会病理学分会王哲副主委团队、清华大学何永红教授团队，共同发布了国内首个病理大模型PathOrchestra，基于国内规模最大的数字病理图像数据集训练，并实现全球最广泛的临床任务赋能。

2024年12月，浙江大学发布人机交互AI病理诊断大模型OmniPT，该模型围绕交互便捷性、诊断效率、诊断精准性、诊断可信性等痛点需求开展技术攻关，以病理科医生为主导，通过人机交互形式，大幅提升诊断效率及质量。

上述人士对第一财经记者表示，从公开的信息来判断，总体上，目前病理大模型发展还不成熟，还谈不上可以到直接临床应用这个程度。

金域医学副总裁兼数字化管理中心总经理李映华则对第一财经记者表示，目前的病理大模型更多局限在病灶的热点区域识别，虽然有个别可以做到整张病理图识别了，但还无法覆盖到全病种。大模型的判断只能做到对病灶阴阳二元判断，在识别出阳性后，还无法进一步做分型。未来的大模型应该是往泛化性发展，在覆盖多病种的同时，对单个疾病的诊断能力还可以进一步增强。病理大模型跟多模态数据融合，也是未来一个发展趋势。目前很难指望病理大模型一下子所有能力都实现，而是分级别实现。