一张宫颈细胞学涂片的扫描图像被送入AI辅助诊断系统,四十秒后,系统在屏幕上用绿色方框圈出了三个可疑区域,每个区域旁边标注了风险评分。三个半小时后,两位副主任医师各自独立阅片的结果出来了,和AI的判断高度一致,但AI多抓到了一个医生漏掉的不典型增生细胞团。这个场景发生在浙江一家三甲医院的病理科,参与的AI系统由国内一家医疗AI公司开发,目前已经在全国三十多家医院的病理科进行临床验证。AI在病理诊断这个细分领域,正以超出大多数业内人士预期的速度逼近甚至超越人类专家的水平。
AI病理诊断的技术路线和临床验证数据
目前的AI病理诊断系统大致分为两类。一类是面向细胞学筛查的,主要应用于宫颈癌、甲状腺癌等可以通过细胞学涂片进行初筛的癌种,技术成熟度最高,部分产品已经拿到了三类医疗器械注册证。另一类面向组织病理学,需要对整张组织切片进行全片扫描和分析,技术难度更大,但应用前景也更广,肺结节、乳腺肿块、消化道早癌的病理定性都可以覆盖。二〇二五年发表的一项多中心临床研究中,AI系统在宫颈细胞学筛查中的灵敏度达到了百分之九十六点八,特异性为百分之九十四点三,这两个数字均不低于参与研究的十位病理医生的平均水平。更关键的是,AI的阴性预测值非常高,被它判定为正常的切片,几乎可以放心排除恶性病变。
但技术的准确率是一回事,临床落地的节奏是另一回事。目前最大的瓶颈不是算法,是数据。高质量的标注病理图像是训练AI的基础原材料,但不同医院的切片染色标准、扫描设备参数、标注规范都不统一,这直接限制了AI模型在不同医院之间的泛化能力。在一个医院训练出来的模型换到另一家医院,准确率可能掉十几个百分点。
从实验室到病理科的落地之路
医疗AI产品从拿到注册证到真正进入医院的日常工作流,中间还有大量非技术层面的工作要做。比如AI系统和医院原有病理信息系统的对接,病理科医生的使用培训,以及最重要的医疗责任划分问题,AI诊断出错了算谁的?目前国内的监管框架还在逐步建立过程中,药监局对AI医疗器械的审批路径已经基本明确,但上市后的持续监管和责任认定还需要进一步细化。鸿益顺了解到,一些先行试点的医院采取了人机协同模式,AI先把所有切片筛一遍,把明确正常的排除出去,把可疑的标注出来供医生重点审核,相当于给病理医生配了一个不知疲倦的初筛助手。
关于AI辅助诊断方面的更多实用信息，可以多看多比较，别嫌麻烦。
AI不会取代病理医生,至少在可预见的未来不会。但它正在变成一个病理科标配的生产力工具,就像CT取代不了放射科医生但让放射科医生的工作效率提升了数倍一样。一个经验丰富的病理医生配上AI辅助,每天的阅片量可以翻倍,漏诊率反而下降。这才是AI在医疗领域真正的价值,不是替代人,是让人变得更强。至于那些还在犹豫要不要引入AI的医院,时间会给他们答案,病人会用脚投票的。
文章由上海鸿益顺公司整理发布
