“一眼”就能分辨患者罹患的是肺腺癌还是肺鳞癌，而且准确率高达97%。

近日，由深圳市人民医院病理科和清华大学深圳研究院共同研发的“AI+智能病理”已对肺非小细胞低分化癌完成“深度学习”，还将向乳腺肿瘤、消化肿瘤方向不断“深造”。

医生读片要10分钟以上

AI一秒就能帮“划出重点”

病理医生，被称为“医生中的医生”“医学的福尔摩斯”。他们所出具的诊断是疾病诊断的“金标准”。

这个“优质”的群体却又非常“稀缺”，目前病理医生缺口很大，而培养一名合格的病理科医生，一般需要10年以上。

忙碌是病理医生的工作常态。以市属三甲医院——深圳市人民医院为例，病理科日均需要读病理切片2000张以上。

病理诊断需要对复杂多样的关键组织结构进行精准定性及定量分析，数据量惊人。以癌症组织来说，单个切片虽然只有指甲盖大小，但多切片的扫描图像，高达数10亿像素。

数10亿像素背后，蕴藏着无数的身体密码和疾病信息。过去，医生要在显片，长时间、高强度的工作容易造成视觉疲劳，可能影响判断的准确性。

“从2019年，我们开始借助AI进行科研和教学工作。”深圳市人民医院病理科李晓梅主任表示，当时，进口病理扫描仪不仅价格高，加上扫描一张切片需要超过10分钟，限制了临床应用。

2022年，该科室引入深圳企业生强科技的病理诊断数智全链路生态网，通过先进的算法、图像识别技术及大量临床数据样本验证，快速生成准确图像并实现存储，一张切片耗时仅为1分30秒。2022年，病理科已对所有病理切片进行扫描、储存，实现全面数字化。

有了全面数字化这一前置条件，AI能通过模仿病理医生临床诊断路径，实现病理智能诊断分析，过去人工耗时至少10多分钟分析的图像，系统以秒速反应，就能快速为医生“划重点”，锁定病灶区域。

在宫颈癌筛查最先“发威”

AI阴性诊断准确率接近100%

“有了这套AI工具后，临床医生可以通过工作站随时调阅病理切片，进行比对分析。”李晓梅表示正在研发将AI同时应用于病理切片质量控制环节。

“在扫描存储的过程中，系统就会直接给切片打分，不过关的便会马上提示重新制片。”作为一位“铁面无私”的判官，今后AI可以为该科日均2000多张的切片把好第一道质量关。

通过不断的积累临床案例，以及算法模型的不断演进，AI逐渐成长为病理医生的助手。目前，AI已在宫颈液基细胞学应用上“学有所成”。

深圳市人民医院健康管理中心是全市规模最大的体检中心，每年体检人次近10万。宫颈癌筛查是妇科体检的重要项目，病理科便承担着每年五六万例宫颈癌筛查的巨大工作量。

在病理科细胞学组，医生刘俊许、杜丹凤、张士岭在对AI筛选出的“阳性”病例进行复核。“每个切片里可能有两三万个细胞，要用肉眼逐一检查，耗费的时间和精力相当庞大。”关于AI在细胞学诊断的准确性，病理医生的反馈是“AI是一位非常严苛的助手，它判定‘阳性’的标准相对较低，宫颈细胞核形态或者浆比稍有异常，就会定为‘阳性’，并将可疑的病变细胞圈注出来提醒医生关注。”

该院病理科利用两年时间，AI阴性诊断准确率接近100%，排阴率接近80%。

排阴率为什么这么重要呢？李晓梅指出，筛查针对的是一般人群，也就是说，阴性病例占绝大多数，约90%。如果AI先把阴性病例准确诊断出来，那么病理医生可以有更多的时间对所有阳性或者可疑的阳性病例进行分析、判断最终形成准确的病理诊断，就能大幅减低工作量，“更重要的是，能让病理医生腾出更多时间、精力去处理其他疑难复杂的病例。”当然对于阴性病例，病理医生也是要进行复核的，但在AI的协助下会大大节约诊断时间。

下一步让AI诊断肺癌、乳腺癌

与语言大模型不同，病理诊断大模型更接近传统的预训练模型，还需要往下游任务深化。

2023年10月，“智能病理分析”入选深圳市第二批“城市+AI”应用场景清单。为加快推动应用项目落地，深度拓展不同病种，深圳市人民医院病理科与清华大学深圳国际研究生院生物医药与健康工程研究院关添教授团队合作推进病理诊断大模型——“AI在病理质控及诊断中的应用”项目。

“这个项目的重点是从细胞学应用向组织学拓展。”李晓梅介绍，他们瞄准的目标是发病率排在前列的肺癌和乳腺癌，并已在肺癌AI精准病理诊断上取得突破。

作为全球头号的癌症杀手，肺癌还有不同的分型与分类，在恶性程度较高的肺低分化癌中，腺癌与鳞癌的治疗方案完全不同。

“哪怕经验再丰富的病理医生，也难以直接判断出恶变的肿瘤细胞来自腺上皮组织还是鳞状上皮组织。”李晓梅表示，往往还需要利用患者活检取下的肺部组织进行免疫组化，额外增加制片、诊断时间和费用；同时最重要的是需要消耗很多珍贵的肿瘤组织，尤其是肺活检的组织，肿瘤含量少，后期绝大多数需要更多的组织进行分子检测以指导靶向治疗，很多时候做完免疫组化后剩余的组织极少量，不能再进行基因检测了，因此找到更优的方式辅助病理医生进行肺低分化癌的组织分类对于患者治疗非常重要。

通过3个多月、3000多例疑难复杂病例的“喂养”，AI已能准确分辨出肺低分化腺癌和鳞癌，为患者后续治疗赢得了时间，节省了费用，也为选择靶向治疗提供了病理依据。

“AI诊断是客观的，它能够通过深度学习，对细微结构上的差距进行量化分析，最后得出结论。”李晓梅说，在概括、归纳和总结方面，AI比依赖经验判断的人类更有优势，但从诊断来说，AI只是辅助工具，帮助病理医生提升效率，希望在不断的探索中，AI与病理专家协同，能有更多的转化成果，服务于临床及患者，促进医疗的发展。