大型模型DeepSeek推出后，它颠覆了对AI开发的传统看法。在各行各业中拥抱数字化的过程正在加速，即使是医院也不例外。

国内智能病理营销经理张梁告诉第一名的财务记者，自春节以来，他们收到了全国一些医院的电话，以咨询合作，例如病理学数字化。过去，医院的高级管理层没有注意这一领域。高的。

2月的一天，太阳YAT-SEN大学病理学系病理学系主任Yun Jingping与医院的信息部工程师和相关供应商举行了一次小型会议，还讨论了如何使用AI授权AI赋予AI能力病理学系。

病理诊断是指通过手术切除，内窥镜活检，细针抽吸等通过手术切除，细胞的习得以及一系列具有显微镜和其他工具的样品的处理和观察，这是“大多数疾病诊断的金标准，尤其是肿瘤疾病。”

随着大型模型的出现，医疗领域被认为是最有希望的应用程序场景之一，病理图像非常多样化，使用人工智能技术进行诊断非常困难。病理模型被认为是医学模型。 “皇冠上的珍珠”。

多年来，当AI浪潮袭来时，医院的成像部门是第一个投资数字浪潮的部门，但病理学数字化过程非常慢。病理模型开发面临的挑战是什么？

潜在的AI带来病理学

从外科手术中去除肿块或从粘膜组织中提取的细胞和从内窥镜活检获得的细针抽吸后，必须进行一系列治疗，包括固定，材料提取，脱水，蜡浸入，嵌入，嵌入等部分等最终发送到显微镜。病理学家将仔细观察细胞的大小，形态，染色深度，核凹槽和核仁的大小，并给出结果诊断。

2022年，中国在新的癌症患者中排名世界第一。

为了降低癌症的发病率和死亡率，早期发现，早期诊断和早期治疗是关键。这与病理诊断密不可分，该病理诊断测试了病理诊断的可及性和准确性。

我国的病理学家存在很大的差距，病理学家的分布是不均匀的，而初级医院的初级诊断的重组率很低。

太阳YAT-SEN大学附属癌症医院病理学系主任Yun Jingping告诉第一位财务记者，在一家大型医院病理学系培训合格的病理学家需要5到8年的时间，涉及材料的种植和冷冻。但是，在县级医院，不可能花费这么长时间的训练，这可能会导致病理行业的诊断质量不一致。

通常，病理测试需要3到5天。如果您遇到更困难的疾病，将进行免疫组织化学或分子测试，诊断时间将长达7至10天。

Yun Jingping认为，AI在病理领域具有巨大的潜力。 “在传统的病理诊断过程中，例如核部门图像和细胞标记计数，医生需要在显微镜下花费大量时间来手动计数和分析。不仅工作强度很高，而且很容易引起由于疲劳和其他因素而引起的错误。

负责江芬生物的相关人士告诉第一名财务记者，过去，病理学家必须花费大量时间处理诸如切片观察和细胞识别之类的繁琐任务。 AI技术的引入可以快速识别病变并准确定位异常细胞，从而大大减少它们。医生的工作负担。同时，通过大数据分析，可以发现潜在的疾病趋势并为临床决策提供强有力的支持。数字病理的总体解决方案带来的好处是显而易见的。一方面，它显着提高了病理诊断的准确性和效率，并降低了遗体诊断和误诊的风险；另一方面，通过优化病理部门的工作流程，它实现了资源的合理分配和有效利用，并改善了整个部门。管理级别。

十年前，Yun Jingping正在考虑病理信息化和数字化。他去美国参加了美国加拿大病理学学术会议，并看到他的同事们展示了数字病理组织图像。他回来后，他的部门还申请了购买相关设备。当时他的想法很简单。当时，每个人都将病理组织的幻灯片变成幻灯片。 ，用于教学和疾病讨论。如果您将它们扫描到图片中，则将来只需要带上USB闪存驱动器，也可以反复使用。进一步，如果可以开发图像诊断系统，则可能更方便使用。

他承认，当时的R＆D人员和计算机背景的医生对此事有偏差，并且缺乏复合才能，这在促销过程中造成了许多困难，这非常困难。

但是，Yun Jingping所在的病理部门尚未放弃到目前为止的AI。

大型模型注入病理部门

当DeepSeek的袭击袭击时，AI病理概念的一些股票库存最近加强了。

2月18日，在2025年的医学人工智能和精确诊断和治疗开发论坛上，由鲁伊因医院（Ruijin Hospital）隶属于上海北海大学医学院，鲁伊恩医院和华为共同发布了Ruizhi病理学模型Ruipath。

Ruijin医院介绍了，为了应对传统和数字智能病理发展的疼痛点，例如A级医院中的病理学家的大量诊断工作量，薄弱的数字基础，传统AI模型涵盖的疾病很少，以及的计算能力以及大规模病理模型已披露。在多模式培训方面的需求和难度下，Ruipath取得了四项重大创新，包括方案和应用程序创新，模型和算法创新，存储和计算协作创新以及AI工具链创新。

在互动辅助诊断过程中，传统的诊断方法是医生在显微镜下一一看了一部分，然后在完成诊断后手动输入报告。 Ruipath可以预先确定病变区域，单板AI诊断时间仅需几秒钟。

从知识深度的角度来看，在最初的10年中，在次角色病理学家的学习过程中，他们需要研究至少50本相关的专业书籍，并学会诊断500,000个病理学部分。在短短两个月的研究和开发中，鲁帕斯（Ruipath）“研究”了300多本病理诊断书，并“读取”了100万个数字切片。

就广度而言，它涵盖了每年中国90％的癌症种群的癌症。在深度方面，亚专业知识的问答层达到了专家知识的水平。在病理学家编制的常见问题测试中，鲁帕斯的答案准确性高达90。％或更高，并且在医学检查场景中的图形和文本问答任务中处于国内外的领先水平。”

一个正在开发病理模型的人告诉第一名财务记者，他们也通过各种渠道询问模型的特定情况，但是基于有限的公开披露信息，仍然不可能判断该模型本身是基于的在医院本身。研究的模型或开源模型无法确定它是大型模型还是多个病理小型模型的混合物。从表达的角度来看，这个大型模型无法完全执行病理诊断并完成最终诊断报告。现在，它促使需要首先注意的领域，节省医生的时间阅读电影，并在某些链接中节省医生的工作效率。

自2024年以来，病理模型已成为医学模型领域竞争的重点，该行业已经发动了100个模型。

例如，在国外，2024年3月，自然医学发表了两项与CPATH基本模型相关的研究疾病科学开设了一个新的章节，能够在解剖病理和临床工作流程中概括和应用各种诊断挑战。

2024年5月，Nature发表了一篇主要论文，该论文来自Microsoft Research，美国和华盛顿大学的医学网络，共同提出了第一个数字病理学模型Gigapath，以完整的切片量表。它可以成功克服数十亿像素级图像的处理和理解问题。

例如，在中国，2024年7月，Sensetime医学与中国医学协会病理学副主席的副主席Wang Zhe和来自Tsinghua University的Yonghong教授共同发行了基于第一个国内病理模型Pathorchestra，该模型基于中国数量最多的训练病理性图像数据集并获得了世界上最广泛的临床任务。

2024年12月，智格大学发布了人类互动AI病理学诊断大型模型Omnipt。该模型着重于诸如互动方便，诊断效率，诊断准确性和诊断性信誉等疼痛点，并由病理学家主导。通过人类计算机的相互作用，诊断效率和质量得到了极大的提高。

上述人告诉第一名财务记者，从公众信息来看，总体而言，病理模型的发展尚未成熟，仍然不可能说可以直接应用于临床上。

Jinyu Medicine数字管理中心副总裁兼总经理Li Yinghua告诉第一位财务记者，当前的病理模型更限于鉴定病变的热点。尽管其中一些可以识别整个病理图，但它们仍然无法涵盖所有​​疾病。大型模型的判断只能对病变的阴和阳做出二元判断。确定阳性后，不可能进一步类型。未来的大型模型应以广义的方式发展。在涵盖多种疾病的同时，可以进一步增强单个疾病的诊断能力。病理模型和多模式数据的整合也是未来的发展趋势。很难期望立即实现病理模型的所有能力，但要以某个级别实施。

数据陷阱

没有数据，没有AI。

病理模型发展的困境仍然在于数据。病理学的独特挑战不仅限制了病理诊断的效率，而且还阻碍了人工智能技术的深入应用。

在鲁帕斯（Ruipath）大型模特鲁帕斯（Ruipath），鲁伊因医院病理学家杰森·齐安（Jason Qian）说，在中国的15,800家第二和第三级医院中，只有不到1.3％的医院开始积累数字诊断，并将其用于数字诊断，并且有缺点数字化；物理玻璃滑动质量不均匀，病理和图片格式标准不均匀，匹配的数据类型也不具有高质量；病理数据在PB级别增长，数据的存储也是一个挑战。

Ruijin医院本身于2021年开始建立一个数字智能病理学系，累积了一百万层的数字病理学库图书馆，增强了病理模型构建的数据基础。

根据QIAN的说法，将来，Ruizhi的病理模型Ruipath仍将在技术创新方面开放前端和后端多摩s数据，建立一个以患者为中心的跨模式多派融合数据库，并建立完整的 - 多模式人工智能的平台打破了数据和技术之间的障碍，并加速了从临床到科学研究的转变过程。

张梁说，目前，每个省的一家医院正在进行智能病理。病理幻灯片的数字化需要数字切片扫描仪，每个扫描仪的成本在50万至300万元之间。扫描数字芯片后，还涉及存储，并且存储也是巨大的成本负担。病理部分的数据容量远大于图像图像的数据容量，病理部分的图像容量范围从0.5GB到数十个GB。

Yun Jingping说，与成像部门的CT，磁共振或超声检查相比，获得病理诊断材料样品的过程并不容易，并且需要诸如穿刺和手术之类的创伤方法。为了创建高质量的AI病理模型，它是实施行业标准以生产高质量病理部分并存储高质量病理图像的基本项目。

“病理部分及其扫描的质量决定了图像数据的质量。不同级别的不同级别和病理学家在不同层面的医院产生的部分的质量差异很大。检测工具，试剂，试剂和操作整个过程的病理学部分的过程将影响整个病理学分段的检测工具，试剂和操作。规格和标准。 “幕后”的作用，病理诊断是肿瘤诊断的“金标准”。病理报告的结果需要确定肿瘤是良性还是恶性，哪种程度的恶性以及适合哪种类型的治疗方法。当前的肿瘤治疗是侵入性治疗，因此每个步骤都需要格外小心。

此外，在Yunjingping的角度，医疗数据的安全性和隐私保护也是需要紧急解决的关键问题。病理数据包含大量敏感信息。在数据收集，存储，传输和使用期间，如何确保数据在保护患者隐私的同时，合法和合规性地应用数据是当前面临的严重挑战。例如，在数据共享和交易的过程中，尽管存在诸如脱敏之类的措施，但仍然存在潜在的风险，例如数据质量不平衡和信息泄漏的潜在风险。

“在此期间，病理大型模型行业非常活跃。尽管尚未达到临床应用的关键点，但它将继续推动该行业对数据资源，培训资源，算法才能等进行更多投资。大型模型技术的发展，病理模型将会有新的突破。”

（本文中的受访者张梁是一个化名）