深圳新聞網2025年3月10日訊（記者 劉夢婷 通訊員 深衛信）“一眼”就能分辨患者罹患的是肺腺癌還是肺鱗癌，而且準確率高達97%。近日，由深圳市人民醫院病理科和清華大學深圳研究院共同研發的“AI+智能病理”已對肺非小細胞低分化癌完成“深度學習”，還將向乳腺腫瘤、消化腫瘤方向不斷“深造”。

醫生讀片要10分鐘以上

AI一秒就能幫“劃出重點”

病理醫生，被稱為“醫生中的醫生”“醫學的福爾摩斯”。他們所出具的診斷是疾病診斷的“金標準”。

這個“優質”的群體卻又非常“稀缺”，目前病理醫生缺口很大，而培養一名合格的病理科醫生，一般需要10年以上。

忙碌是病理醫生的工作常態。以市屬三甲醫院——深圳市人民醫院為例，病理科日均需要讀病理切片2000張以上。 

病理診斷需要對復雜多樣的關鍵組織結構進行精準定性及定量分析，數據量驚人。以癌癥組織來說，單個切片雖然只有指甲蓋大小，但多切片的掃描圖像，高達數10億像素。

數10億像素背后，蘊藏著無數的身體密碼和疾病信息。過去，醫生要在顯片，長時間、高強度的工作容易造成視覺疲勞，可能影響判斷的準確性。

“從2019年，我們開始借助AI進行科研和教學工作。”深圳市人民醫院病理科李曉梅主任表示，當時，進口病理掃描儀不僅價格高，加上掃描一張切片需要超過10分鐘，限制了臨床應用。

2022年，該科室引入深圳企業生強科技的病理診斷數智全鏈路生態網，通過先進的算法、圖像識別技術及大量臨床數據樣本驗證，快速生成準確圖像并實現存儲，一張切片耗時僅為1分30秒。2022年，病理科已對所有病理切片進行掃描、儲存，實現全面數字化。

有了全面數字化這一前置條件，AI能通過模仿病理醫生臨床診斷路徑，實現病理智能診斷分析，過去人工耗時至少10多分鐘分析的圖像，系統以秒速反應，就能快速為醫生“劃重點”，鎖定病灶區域。

宮頸癌篩查最先“發威”

AI陰性診斷準確率接近100%

“有了這套AI工具后，臨床醫生可以通過工作站隨時調閱病理切片，進行比對分析。”李曉梅表示正在研發將AI同時應用于病理切片質量控制環節。 

“在掃描存儲的過程中，系統就會直接給切片打分，不過關的便會馬上提示重新制片。”作為一位“鐵面無私”的判官，今后AI可以為該科日均2000多張的切片把好第一道質量關。

通過不斷的積累臨床案例，以及算法模型的不斷演進，AI逐漸成長為病理醫生的助手。目前，AI已在宮頸液基細胞學應用上“學有所成”。

深圳市人民醫院健康管理中心是全市規模最大的體檢中心，每年體檢人次近10萬。宮頸癌篩查是婦科體檢的重要項目，病理科便承擔著每年五六萬例宮頸癌篩查的巨大工作量。

在病理科細胞學組，醫生劉俊許、杜丹鳳、張士嶺在對AI篩選出的“陽性”病例進行復核。“每個切片里可能有兩三萬個細胞，要用肉眼逐一檢查，耗費的時間和精力相當龐大。”關于AI在細胞學診斷的準確性，病理醫生的反饋是，“AI是一位非常嚴苛的助手，它判定‘陽性’的標準相對較低，宮頸細胞核形態或者漿比稍有異常，就會定為‘陽性’，并將可疑的病變細胞圈注出來提醒醫生關注。” 

該院病理科利用兩年時間，AI陰性診斷準確率接近100%，排陰率接近80%。 

排陰率為什么這么重要呢？李曉梅指出，篩查針對的是一般人群，也就是說，陰性病例占絕大多數，約90%。如果AI先把陰性病例準確診斷出來，那么病理醫生可以有更多的時間對所有陽性或者可疑的陽性病例進行分析、判斷最終形成準確的病理診斷，就能大幅減低工作量，“更重要的是，能讓病理醫生騰出更多時間、精力去處理其他疑難復雜的病例。”當然對于陰性病例，病理醫生也是要進行復核的，但在AI的協助下會大大節約診斷時間。

下一步讓AI診斷肺癌、乳腺癌

與語言大模型不同，病理診斷大模型更接近傳統的預訓練模型，還需要往下游任務深化。         

2023年10月，“智能病理分析”入選深圳市第二批“城市+AI”應用場景清單。為加快推動應用項目落地，深度拓展不同病種，深圳市人民醫院病理科與清華大學深圳國際研究生院生物醫藥與健康工程研究院關添教授團隊合作推進病理診斷大模型——“AI在病理質控及診斷中的應用”項目。

“這個項目的重點是從細胞學應用向組織學拓展。”李曉梅介紹，他們瞄準的目標是發病率排在前列的肺癌和乳腺癌，并已在肺癌AI精準病理診斷上取得突破。

作為全球頭號的癌癥殺手，肺癌還有不同的分型與分類，在惡性程度較高的肺低分化癌中，腺癌與鱗癌的治療方案完全不同。

“哪怕經驗再豐富的病理醫生，也難以直接判斷出惡變的腫瘤細胞來自腺上皮組織還是鱗狀上皮組織。”李曉梅表示，往往還需要利用患者活檢取下的肺部組織進行免疫組化，額外增加制片、診斷時間和費用；同時最重要的是需要消耗很多珍貴的腫瘤組織，尤其是肺活檢的組織，腫瘤含量少，后期絕大多數需要更多的組織進行分子檢測以指導靶向治療，很多時候做完免疫組化后剩余的組織極少量，不能再進行基因檢測了，因此找到更優的方式輔助病理醫生進行肺低分化癌的組織分類對于患者治療非常重要。

通過3個多月、3000多例疑難復雜病例的“喂養”，AI已能準確分辨出肺低分化腺癌和鱗癌，為患者后續治療贏得了時間，節省了費用，也為選擇靶向治療提供了病理依據。

“AI診斷是客觀的，它能夠通過深度學習，對細微結構上的差距進行量化分析，最后得出結論。”李曉梅說，在概括、歸納和總結方面，AI比依賴經驗判斷的人類更有優勢，但從診斷來說，AI只是輔助工具，幫助病理醫生提升效率，希望在不斷的探索中，AI與病理專家協同，能有更多的轉化成果，服務于臨床及患者，促進醫療的發展。

（本文圖片由受訪單位提供）