王哲

病理学是支撑精准医疗的核心学科，病理诊断直接决定肿瘤分型、治疗方案选择与预后评估。长期以来，传统病理以物理制片、显微镜人工阅片、人工报告为主要模式，面临医生缺口大、优质资源集中、基层能力薄弱、效率偏低、同质化不足等挑战。在政策支持、技术突破与临床刚需共同驱动下，以数字化、智能化为特征的数智病理快速发展，成为推动病理学科升级、提升医疗服务质量的重要力量。

▊一、数智病理的内涵与发展机遇

数智病理是数字病理与智慧病理的深度融合，以全面数字化、诊疗智慧化、流程一体化为核心目标，构建覆盖标本接收、制片、扫描、存储、人工智能（AI）分析、诊断、报告、数据共享的全链条体系。（1）全面数字化：通过全切片扫描将物理切片转为高分辨率数字图像，实现采集、存储、管理、分析全程数字化，建立安全可追溯的数据体系。（2）诊疗智慧化：以病理AI模型为支撑，实现病灶识别、分型分级、免疫组化判读、预后预测、诊疗标志物发现等功能，提升诊断效率与准确度。（3）流程一体化：打通扫描、分析、诊断、报告环节，深度融合病理和临床信息系统，实现医技协同与高效运营。

当前数智病理发展面临多重机遇：临床对精准诊断、快速报告、远程会诊需求持续上升；AI、大模型、多模态融合技术快速成熟；全球医疗向精准化、智能化转型；智能病理应用发展得到国家相关政策支持；医保逐步完善数字切片、云端存储等收费项目，为技术落地提供政策保障。

▊二、核心技术突破：从数字底座到智能引擎

（一）统一数据格式：破解“数据孤岛”

数字切片长期存在扫描仪厂商私有格式互不兼容问题，严重制约远程病理与AI应用。中华医学会病理学分会（CSP）和中国医师协会病理科医师分会牵头制定CSP统一存储格式，成为数字病理图像标准规范。CSP格式具备四大优势：优化数据排布与压缩，降低存储成本、提升加载速度；增强数据校验，保障安全；适配AI模型训练与推理；支持多设备互通。目前CSP格式已开放源码，并提供格式转换工具、软件开发工具包和浏览器，形成数据格式规范文本，国内众多主流扫描仪和AI厂商完成对接，形成全国统一的数字切片生态，已对接Openslide平台，对全球开放。

（二）AI垂直模型：临床场景规模化落地

AI垂直模型专注特定病理任务，资源需求低、落地快，已广泛应用于临床。AI垂直模型对乳腺癌淋巴结转移检测灵敏度达97.7%，阅片时间缩短55%以上；对前列腺癌分级、消化道早癌识别、程序性死亡配体-1（PD-L1）判读等均实现稳定应用；宫颈细胞学AI辅助诊断软件获国家药品监督管理局第三类医疗器械注册证。以肾脏病理为例，AI垂直模型可完成肾小球提取、荧光识别、超微结构分割与多模态信息融合，自动生成结构化报告并接入信息系统，实现分析-阅片-报告一体化，显著提升诊断效率与规范性。

（三）病理大模型：通用能力与泛化性跃升

病理大模型以海量无标注数据预训练，具备强泛化能力，可快速适配多病种、小样本与罕见病诊断。国际上相继推出UNI、Virchow、Prov GigaPath、CONCH等基础模型，在泛癌检测、生物标志物预测、预后分层等任务中表现优异。我国自主研发PathOrchestra病理大模型，基于多中心、多模态数据训练，覆盖20余种组织器官、112项临床任务，在泛癌分类、病灶检测、基因表达预测等方面达到国际先进水平。病理大模型推动了AI从“专用单任务”向“通用基座+快速微调”转变，大幅降低研发成本、缩短落地周期。

（四）多模态与具身智能：拓展病理应用边界

多模态AI融合病理图像、临床文本、基因、影像等信息，实现图文对话、检索、报告生成与复杂推理。PathChat、CONCH等模型可结合病史与切片给出鉴别诊断，提升系统性与科学性。具身智能进一步覆盖病理前端流程，赋能接收、取材、包埋、切片、捞片、染色等环节，空军军医大学西京医院病理科已完成具身智能捞片系统的研发，能够模拟人类操作，并实现标准化；其他流程正在研发过程中，完成后可实现高难度感知与自动化操作，提升制片均一性与稳定性，为AI诊断提供高质量标准化数据，推动实验室向高通量、智能化、无人化升级。

▊三、数智病理的临床价值与实践意义

数智病理的临床价值与意义体现在以下多个方面。（1）提升诊断效率，缓解医生短缺：AI初筛+医生复核模式大幅提升了处理能力，应用于宫颈细胞学、淋巴结筛查等场景，日均处理量可提升2~3倍，报告时间明显缩短，有效缓解人力不足与工作负荷。（2）推动同质化，促进优质资源下沉：数字切片支持远程会诊与区域病理中心建设，基层能快速获得上级专家支持；同时统一AI标准降低了经验差异，提升了基层诊断准确性，助力分级诊疗落地。（3）支撑精准诊疗，服务全周期管理：AI可识别微小病灶、隐匿转移灶，提高了早癌检出率；能精准判读免疫组化与分子指标，指导靶向与免疫治疗；结合多模态数据实现预后分层，为治疗选择、疗效监测提供客观依据。（4）规范质控管理，提升医疗安全：数字化全程可追溯，关键节点自动质控；统一格式与存储保障了数据安全完整；AI辅助降低了漏诊误诊，提升诊断可靠性。（5）驱动科研创新，加速成果转化：标准化、规模化、多模态病理数据为疾病机制、生物标志物、药物临床研究提供了支撑；多中心协同与联邦学习加速了科研转化，推动病理学从形态描述向数据驱动、定量精准科学升级。

▊四、直面挑战，智启未来

数智病理在发展中仍面临着诸多挑战，笔者对以下3个方面进行了思考并作出了应对建议。（1）技术与标准挑战：数据标准化、全流程质控、模型可解释性、算力成本仍是瓶颈。需加快CSP格式普及，完善制片-扫描-阅片-分析质控体系；加强可解释 AI 研究，提升临床信任度；优化算法与算力方案，降低部署门槛。（2）临床整合与人才挑战：部分机构存在系统不兼容、流程不顺畅问题，数智病理需深度融入临床流程；复合型人才短缺，病理医生与AI工程师需双向赋能。应优化人机协同流程，开展系统化培训，培育跨学科团队。（3）伦理、监管与公平挑战：数据隐私、模型偏见、责任界定、监管体系仍需完善。应建立严格数据安全与隐私保护机制；构建公平无偏训练与评估体系；完善AI器械审批、医保定价、质量评价政策，保障规范有序发展。

展望未来，数智病理的发展趋势将迈向全智能、全协同与全互通。（1）全流程智能化：从制片、扫描、分析到诊断、随访、科研，实现全链条自动化与智慧化，建成智慧病理科。（2）多模态深度融合：整合病理、影像、临床、基因、空间转录组，构建时空病理模型，揭示疾病分子机制。（3）区域协同化：建成全国互联互通数字病理网络，实现远程会诊、质控、培训一体化，推动资源均衡。（4）规范产业化：标准、监管、医保体系持续完善，设备、软件、服务协同发展，形成健康可持续产业生态。

需要强调的是，病理医生在数智时代依然处于核心地位：负责提供高质量标注数据；参与模型训练、验证与迭代；作为最终审核者与决策者，保障诊断安全与质量。数智病理不是替代医生，而是赋能医生、拓展能力、提升价值。随着未来数智病理的广泛落地，前沿技术将惠及更多患者，为护佑人民健康、助力健康中国建设贡献病理力量。

（作者：空军军医大学病理学教研室 西京医院病理科  王哲）