（2） AI 病理有望解决病理医生短缺问题
由于病理诊断目前主要是手工操作主导，病理医生数量短缺成为限制病理行业发展的重要因素，AI 病理技术的出现有望解决这个问题。
有深度学习支撑的人工智能能够以迅速、标准化的方式处理医学影像，分辨出单个小区域内被标注为“肿瘤”的像素，对可疑影像进行勾画、渲染，并给出辅助诊断建议。目前，病理 AI 的研究主要有三个部分，包括开发模型、建立关联性和预后预测，可以覆盖从基层医院到三甲医院的不同应用场景。
在传统病理读片情况下，病变所占面积常常小于 1%，病理医生需要将精力花在成百上千万像素点的阴性范围内。如果病理 AI 系统投入临床使用，在保证 100灵敏度的条件下， 能够减少病理医生 65%-75%的无谓读片工作，而临床医生只要将注意力集中在可疑位点即可。
病理 AI 现阶段主要功能在于排除阴性样本，提示阳性区域，辅助病理医生提升病理诊断效率或替代病理医生进行某些疾病的诊断；影像科应用包括 AI 辅助快速成像与影像诊断两个
方面，一方面可以通过 AI 辅助成像可以有效缩短检查时间，减少对人体的辐射伤害， 另一方面通过机器学习训练算法可以实现计算机对疾病的影像诊断。应用举例：目前较为典型的应用就是 DNA 倍体检测（细胞病理）
人体正常细胞为 2 倍体，分裂过程中的细胞处于 2-4 倍体状态，而肿瘤细胞会出现显著异常的 DNA 含量，出现 4 倍体以上的异常 DNA 倍体细胞，通过对异常 DNA 倍体细胞的检测， 就可以知道样本是否存在突变的细胞，在肿瘤的早期诊断中有较好的应用，能够有效提升诊断效率，提供标准化、数量化的检验指标。引入 AI 辅助甚至替代人工进行一些常规的病理诊断及癌症筛查，能够有效弥补人工诊断效率低、病理医生不足、缺乏统一质控管理等问题。
宫颈癌筛查是当前病理AI中应用最广泛的检测场景。根据中国癌症中心统计数据，宫颈癌位居女性癌症发病率第二位。通过病理薄层细胞学检测或 HPV 检测可有效进行早诊早治。由于其可通过定期筛查预防、需求量大、病例数据积累较多等特点，成为病理 AI 率先布局领域，我们以宫颈癌为代表测算细胞病理筛查宫颈癌的市场空间：21–65 岁女性均需进行宫颈癌定期筛查，我国适龄女性人口在 4 亿人左右。
以每人年均 0.5 次宫颈癌液基薄层细胞学检查（TCT）检查计算，宫颈癌细胞病理筛查潜在市场规模约为 442 亿元，这为病理AI 进行宫颈癌筛查提供了广阔发展空间。
2. AI 病理新应用进展
2024 年 2 月，国际四大医学期刊之一的《柳叶刀》杂志刊登了挪威癌症遗传信息研究院（ICGI）的论文，该研究是病理史上 AI 首次实现基于全切片数字图像（WholeSlideImage， WSI）直接判读肿瘤患者生存风险。
该技术完全基于常规的 HE 染色切片，通过数字扫描仪获取全切片数字图像，无需复杂的样本处理和人工标注，全程无需病理医生介入，实现全自动判读，有很高的临床实用性。
同时该研究的切片制备和染色分别在挪威和英国数百个不同医院和实验室完成，调用了不同地区的 6 个前瞻性临床研究队列的样本，共 4515 名 II 期或III 期结直肠癌患者的 1200 万张 HE 染色图像，以检验应用的广泛和适应性。
3. AI 诊断技术准确性有待提高，无法完全替代病理医生
AI 病理诊断技术能够实现自动化诊断，大幅缩短医生的工作量，但由于目前技术所限， 在病理样本采 集、图像数据处理及结果判读上仍有大量亟待解决的技术难点。一旦条件稍有偏差，诊断结果或谬以千里， 仍需进行大规模多中心的临床验证以保证其准确性。因此， AI 诊断的结果最终的结果仍需病理医生审核， 并结合其他临床资料进行综合确诊。AI 诊断的结果能够辅助诊疗，但无法完全替代病理医生的作用。
多环节影响病理 AI 诊断准确性。样本采集制片是病理 AI 诊断的首要环节，其成片质量直接决定后续图像质量的高低及结果判读的准确性。不同染色制片硬件设备、制片方法以及批次间质控的稳定性决定了 成片是否满足后续分析要求。
数据处理是将病理成片转化为图像数据并进行处理的过程。大临床样本数据平台保证了AI 训练样本 的广泛性和代表性，图像抓取质量校正以及 AI 诊断算法的开发优化是病理AI 准确性得以不断提升的核心要素。
病理 AI 在小范围试验的训练结果并不能完全代表其真正的诊断能力，而诊断标准也会随着不同病理医生的结果判读而变化。所有病理 AI 技术在真实临床落地应用前，都需要经过严格的随机对照研究和多中心的临床试验进行验证，得到监管机构审批，才能真正作为评判手段和标准。
AI 数字病理行业特点、市场、未来方向全分析
