近期，第三届世界华人医师协会肝脏病学专业委员会年会于青岛顺利召开。数字病理与人工智能技术的快速发展，正深刻重塑肝病病理的诊疗模式，为临床提质增效带来全新机遇，同时也面临诸多现实挑战。会上，美国南阿拉巴马大学辛伟教授围绕AI在病理诊断领域的应用作专题分享，剖析技术应用优势与现实瓶颈。会后本刊特邀辛伟教授开展专访，围绕AI病理落地边界、人机协作模式、医师能力建设以及资源不均衡地区的应用价值等热点议题展开深度探讨，以期为AI赋能肝病精准病理实践提供参考思路。

01

《国际肝病》：目前从全切片图像分析、肿瘤分级、免疫组化定量到分子病理预测，哪些方向已经接近临床常规应用？哪些仍停留在研究阶段？

辛伟教授：全组织扫描（WSI）是目前已经实现常规化、应用成熟的技术。该技术现已基本标准化，扫描设备与相关技术水平大幅提升，切片成像质量稳定，不少单位已经投入使用，还有部分单位准备落地，整体发展趋势明确，落地已无明显障碍。不过，全面推广仍需考虑设备投入、数据存储、信息系统整合及质量控制等实际问题。

当前病理领域的AI应用基本属于辅助诊断（secondary），尚无获批的主诊断（primary）类产品。目前AI最核心的应用场景是医师阅片完成后，由AI对切片进行二次扫描，检出人工可能遗漏的微小肿瘤病灶。需要说明的是，AI并不承担初始主诊断工作，FDA也尚未批准任何AI系统用于病理初始诊断。尽管部分机构实际会将其用于初筛，但从规范层面并不推荐。与之不同的，医师完成阅片后会利用AI二次复核、检出人工易漏微小病灶这一场景，已经进入临床应用。AI肿瘤分级目前虽有尝试，但结果可靠性不足，认可度有限。AI并非拥有全知视角，它的判断完全依托训练数据库，输出结果高度依赖原始标注数据的质量与共识度；如果原始标注本身存在争议或偏差，AI给出的分级结果就很难被临床接受，所以这项应用还未形成公认的临床方案。

免疫组化定量方面，AI应用已较为广泛，ER、PR、H ER2、PDL1、Ki67均可借助AI完成定量分析，MMR检测也有相关探索。这类检测属于辅助诊断，结果主要指导临床治疗决策，对定量精度的要求相对可控。因其定位为辅助工具而非主诊断手段，FDA对此类AI产品的监管要求相对宽松。总体而言，当前病理AI仅局限于辅助诊断场景，尚未涉足主诊断。

在肝脏病理领域，AI也被用于研究肝纤维化分期、脂肪变性定量、炎症活动度评估以及肝脏肿瘤的组织学特征识别。这些方向具有应用潜力，但不同算法的成熟程度及临床验证水平存在差异。

分子病理预测目前处于科研阶段，相关文献研究结果表现优异，但尚无可落地的临床产品。临床现有成熟的分子诊断体系，无需额外投入资源使用不确定性较高的AI分子预测模型。

02

《国际肝病》：病理诊断高度依赖医师经验，AI常被定位为辅助工具。在您看来，AI和病理医师之间该建立怎样的协作模式，如何避免过度依赖AI或者低估AI提示带来的诊断偏差？

辛伟教授：AI的判读性能由训练数据库的质量决定，这也是病理医师实际工作中常会遇到的问题。因此现阶段最优的协作模式仍是将AI作为辅助手段：医师完成阅片之后，再由AI对切片进行复核，协助排查有无漏诊病灶。

但这套模式本身仍存在局限。我曾经以为AI会减少甚至替代病理医师的工作，然而受诸多不确定性因素制约，现阶段AI反而会增加医师的工作量。以往医师阅片完成、出具诊断后，病例工作即可收尾；引入AI复核后，系统会标注出多处可疑区域，医师需要逐一返回复核确认。AI每检出一处真阳性病灶，往往会伴随三处假阳性结果，这就额外增加了大量复核工作。

目前该难题尚无妥善解决方案。病理诊断对结果的完备性有着极高要求，不单是病理医师，临床医师同样如此，患者期待的诊断准确率近乎100%。正是病理诊断这种近乎零容错的要求，使得AI一旦提示微小可疑病灶，医师的复核工作量就会显著增加。

这项挑战的解决或许需要更高层面的共识。未来我们是否能够接受，病理乃至临床诊断存在合理的容错空间；如果诊断必须维持零容错标准，那么AI在病理场景下，就会持续带来额外的工作量负担。

03

《国际肝病》：AI正在改变病理医生的角色和工作流程。您认为未来病理医生最需要培养哪些核心能力？在病理医生短缺或资源有限地区，AI最可能带来哪些实际价值？

辛伟教授：未来，无论是病理医师还是临床医师，不必再耗费大量精力死记硬背指南条文、肿瘤诊断定义等机械性、重复性内容。这类知识可借助AI快速调取。因此医师的核心能力重心将发生转变：需要熟练掌握各类辅助工具，并且具备核验AI输出结果的能力，能够辨别AI给出的信息是否准确。过去，记忆力出众的医师往往更有优势，依靠熟记各类标准做出诊断；而未来对记忆能力的要求会有所降低，信息调取更为便捷，但对综合研判能力的要求会显著提升。医师拿到AI输出的数据后，必须有能力甄别结论正误。

简言之，AI并没有降低对医师的要求，反而提出了更高标准。医师除原有诊断工作外，还增加了一项任务：评估AI结果是否可靠。谈及资源有限地区，我认为AI的作用存在边界。可以打个比方：一个地方如果没有驾驶员，单纯配备车辆毫无价值。若当地已有病理医师，只是受限于硬件条件难以完成高质量诊断，AI能够发挥辅助价值；但如果当地缺乏具备相应能力的病理医师，即便引入AI工具，工作人员也无法判断AI输出结果的对错。

这类似于普通患者使用AI工具，若缺少医学基础，即便远程获取相关提示，也无法理解和判断信息价值。AI仅能赋能具备解读能力的使用者。在人员短缺区域，AI的合理定位是：原本岗位需要三名病理医师，目前仅能配置一名，这名医师借助AI减少记忆负担、提升工作效率与诊断准确性，这是可以实现的。但如果当地完全没有合格的病理医师，单纯引入AI，所能发挥的作用十分有限。

（来源：《国际肝病》编辑部）

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。