在AI技术迅猛发展的今天，病理学领域的AI应用常被贴上 “精准高效” 的标签。但在实际临床场景中，AI病理是否真的一路畅通？

▌痛点一：“片子不一样，AI就变‘瞎子’？” 标准化仍是拦路虎

“AI模型在训练医院的病例上诊断很准，但换到新医院就‘翻车’，为啥？”

步宏教授打了个比方：“就像粮食一样，AI吃惯了‘细粮’，突然换‘粗粮’就不适应了。”

具体到病理切片，染色深浅、切片厚度、制片工艺的差异，直接导致AI模型 “水土不服”。例如，不同医院的组织染色可能偏红或偏蓝，切片有的厚5微米、有的薄3微米，这些看似细微的差别，在AI眼中却是天壤之别。

“解决办法是‘相向而行’—— 人把片子做得更标准，AI模型练得更‘抗造’。” 步宏教授强调，标准化制片是AI落地的前提，而模型也需要具备 “吃粗粮” 的能力，才能适应复杂的临床环境。

▌痛点二：“存一年病理数据要500万？” 存储成本高到 “肉痛”

不同于影像学的灰白黑数字化图像，病理切片的全数字化图像数据量堪称 “巨无霸”。

步宏教授算了一笔账：“一家大型医院的病理科，每年仅数字存储介质的投入就超过500万元，而且这些存储设备每年都要更新，因为病人的病理资料需要长期保存。”

更棘手的是，病理图像的传输、调用、分析对算力和带宽要求极高，基层医院很难负担。“很多科室想上AI技术，却被存储成本‘卡脖子’，这是实实在在的痛点。”

▌痛点三：“AI诊断能收费吗？”

“新技术落地，绕不开‘能不能收费、怎么收费’的问题。” 滕梁红主任指出，目前AI病理的收费标准尚未明确。

“病理诊断是医疗核心环节，AI的角色是辅助还是替代？收费该按技术服务还是设备使用？这些都需要政策和行业规范来界定。” 步宏教授补充道，只有解决收费和合规性问题，AI病理才能真正实现 “从实验室到临床” 的闭环。

▌破局之路：“人机协同” 才是未来

尽管痛点真实存在，专家们仍对AI病理的前景充满信心：“AI不是要取代病理医生，而是成为高效的‘助手’。”

正如 “相向而行” 的理念，行业需要从两方面发力：一方面，推动病理标本制备、数据标注的标准化，夯实AI应用的基础；另一方面，政策层面加快收费标准和技术规范的落地，让AI真正 “用得起、用得好”。

“现在的痛点，正是未来突破的方向。当AI学会‘吃粗粮’，当病理数据‘存得起’，当收费体系‘跑得通’，AI病理才能真正迎来‘真香’时代。”

▌结语

AI在病理学领域的探索，从来不是 “技术单打独斗”，而是需要临床、技术、政策、市场的深度协同。正如步宏教授所言：“人机协同，才是医疗AI的终极答案。”

嘉宾介绍

步宏

中华医学会病理学分会前任主任委员

四川大学华西医院病理科教授

邢晓明

青岛大学第一临床医学院党委副书记

肿瘤病理重点实验室主任

滕梁红

首都医科大学宣武医院病理科主任医师

视频链接：《科普了，病理》│说好的 “真香” 呢？AI在病理学也有痛点！