在當今科技飛速發展的時代，AI正以前所未有的速度重塑各個行業。正如方信醫療創始人王建國在接受動脈網采訪時所說：“AI必將改變所有行業，也必將賦能所有行業?！?/strong>如今，醫療AI早已走出實驗室，成為現實世界中醫生的“超級助手”，重塑醫院診療效率。

病理科，堪稱AI落地最為成熟的場景之一。傳統病理診斷是一門極度依賴經驗且花功夫的“手藝活”，要求病理醫生透過顯微鏡，在數十億像素的切片中仔細搜尋蛛絲馬跡。然而，人眼難免疲勞，經驗也有邊界，尤其是一名合格的病理醫生的培養，宛如一場馬拉松，往往需要耗費十年的時間。

人工智能、大數據等前沿技術的滲透，正在驅動病理科發生從“玻璃切片”到“數字圖像”、從“人工判讀”到“AI輔助”的革命性轉變，重新定義病理行業的工作模式和發展潛力。

在此背景下，2017年成立的廣州方信醫療技術有限公司（以下簡稱“方信醫療”）始終聚焦于為用戶提供數智病理科建設整體解決方案。方信醫療不僅是我國病理領域首家提出“病理全流程質控和信息管理”概念的企業，也是首個推出“泛病種AI輔助診斷系統產品”的創新者，助力病理行業從傳統診斷模式向高效化、智能化、精細化的方向轉變。

01

核心價值：科室診斷效率提升的利器

病理診斷作為臨床診療決策的核心依據，是絕大部分疾病，尤其是腫瘤疾病診斷的“金標準”，其結果直接關系到手術方案、治療策略、預后判斷、治療效果等各個環節。那么，AI作為當前全球創新最活躍的領域之一，到底能為病理科帶來什么？

作為深耕病理行業多年的“老兵”，王建國認為，“當前，病理醫生缺口大、資源分布不均是病理行業面臨的主要痛點。因此，在方信啟動病理AI研發項目之前，我們便與眾多病理專家討論了這個問題，并進一步明確了AI在病理科的核心價值——科室診斷效率提升的‘利器’?！?/strong>

一般來說，病理醫生完成一份簡單病例的病理報告大約需要2-5分鐘，完成一份中等復雜病例的報告約需10-30分鐘。在引入病理AI產品后，在醫生開展疾病診斷工作前，AI便已經生成準確的診斷建議，同時初步書寫好診斷報告。因此，醫生僅需審核診斷結果，并對報告進行一些微調，即可將其發出，工作效率得到極大提升。

除了提高報告出具速度，AI還能成為病理醫生的個人知識助手，幫助醫生更高效、準確地完成診斷工作。當病理醫生在查看病理標本，遇到疑難圖像時，只需截圖發送給方信的多模態智能問答助手，便可迅速獲得AI對圖像的分析結果和診斷建議，大幅縮短診斷周期，避免因經驗局限而導致的漏診。

同時，AI還能提供一個可持續迭代升級的智能知識庫。王建國提到：“目前人類已知的疾病種類極其繁多，每種疾病都有其獨特的形態和表現形式。因此，要求病理醫生對每一種疾病都清晰記憶并精準識別其實是不現實的。而基于AI的智能病理知識庫能不斷積累、迭代、更新，方便醫生自動提取庫中內容、高效搜索歷史病例，從而大幅提升病理醫生對疑難雜癥診斷、教研、學習的效率。”

基于上述三大價值點，方信醫療自主研發的病理人工智能輔助診斷系統能大幅減少診斷醫生的重復性勞動，顯著提升工作效率，切實解決病理醫生短缺這一行業痛點。目前，該產品已在十余家三甲醫院投入使用，并獲得第三方實驗室認可。

02

扎根臨床，跨越從模型到產品的鴻溝

2024年以來，醫療行業的“百模大戰”進入白熱化。其中，病理大模型因其極高的技術挑戰和臨床價值，被譽為大模型“皇冠上的明珠”，眾多公司和高校相繼推出各式各樣的AI產品。

王建國對此表示，“目前，市面上的許多病理大模型主要基于科研場景，以無限資源的模式進行產品設計，著重關注功能的實現而忽視臨床應用場景和資源約束。而方信醫療自立項之初，就始終堅持以臨床需求為導向，以有限資源需求來驅動病理AI的持續迭代研發?！?/p>

經團隊深入調研后發現，對于病理科醫生而言，疑難病例的診斷和重復性勞動的替代是亟待解決的兩大核心需求。

首先，疑難病例的出現，主要源于兩方面因素。其一，病例本身極為罕見，缺乏豐富的既往診療經驗可供參照；其二，疾病判別界線模糊。此外，患者獨特的臨床表現、家族病史以及成長環境等多種個體化因素，也進一步增加了診斷的復雜性。正因如此，在面對疑難病例時，病理專家的臨床直覺和綜合判斷，便成了準確診斷的“金標準”。

基于此，方信醫療研發的病理人工智能泛病種輔助診斷系統旨在承擔病理醫生工作中的重復性勞動，完成大部分常見疾病的輔助診斷。通過提升工作效率，讓醫生只需確認AI給出的結果是否正確，從而可以節省出更多時間去研究疑難病例的診斷并學習新知識。

方信醫療的AI研發負責人陳勁濤博士認為，“無論技術多先進，AI始終無法取代醫生，但會深刻改變醫療模式。因此，方信病理AI通過與公司的病理全流程信息管理系統深度融合，可以在不影響醫生正常診斷流程的前提下，輸出可疑病灶區域的像素級熱圖，輔助醫生快速定位并驗證診斷的正確性，真正做到‘幫忙不添亂，協作不越位’?！?/strong>

并且在這個過程中，人與AI始終保持著共生共智的關系。“AI深度學習海量病理圖像與診斷邏輯，構建起覆蓋各病種特征的認知框架，為醫生實時提供診斷線索與量化分析支持。醫生則依據臨床經驗，校正AI推理路徑，通過反饋標注優化算法模型，形成‘AI篩查診斷、醫生確認反饋、AI二次學習驗證’的閉環?！标悇艥f到。

大模型和小模型的融合是方信病理AI的又一大亮點。

大模型作為多模態病理知識的通用底座，具有很強的泛化性能，但在處理醫學這種專業性極強的下游任務時，其回答往往不夠精確和詳細。因此，大模型主要提供寬泛的病理知識概念，并給出疑難病例的參考建議。

相比之下，小模型是邊緣計算的專業化精準執行者，聚焦于任務執行層的局部特征，例如精細的疾病診斷、免疫組化評分、疾病分級等。方信醫療通過輕量化設計，減少了小模型約90%的計算量，使其能夠在普通GPU上實時處理全切片圖像，并通過弱監督學習自動定位病變區域。

最后，根據病理醫生的診斷需求不同，方信醫療將病理AI拆分為定性分析的判別式和生成病理報告的生成式。判別式AI可對各個器官的病理圖像進行高精度判讀；生成式AI則實現自然語言交互，輔助醫生生成診斷意見并推薦檢測方案。

通過大模型與小模型的協同，以及判別式與生成式AI的深度融合，方信醫療自主研發的病理AI不僅能夠重構病理診斷的全流程，提升診斷效率，還能促進病理報告的結構化標準化與內容個性化，推動了病理學科向預測性和個性化的方向發展，為醫生提供更全面的支持。

基于以上優勢，方信病理AI針對泛器官的診斷準確性達到90%以上。并在保持99%診斷敏感度的基礎上，實現約92%的特異度，在保證不漏診的前提下，盡量減少誤診，極大提升了病理診斷的科室整體效能。

03

數智病理科建設整體解決方案：做寬、做廣、做深

Global Growth Insights研究數據顯示，2024年全球數字病理市場規模已達8.2014億美元。在2024-2032年期間，該市場預計將以19.31%的復合年增長率持續強勁增長。高速增長的市場吸引了全球眾多企業入局。但與國外相比，國內AI病理行業雖有自身數據庫充足且政策支持力度較大的優勢，但也存在差距。

例如，病理科的數字化發展程度有限，技術成熟度不足；數字化玻片的數據量巨大，存儲成本高；傳統病理診斷慣性難以改變，尤其是我國病理醫生的培養體系目前仍主要基于顯微鏡觀察玻片的方式，這也在一定程度上制約了AI技術在病理領域的快速推廣和應用。

“眾多因素影響下，如何突破商業化困境，成為擺在行業面前的一道難題。這需要政府、醫療機構、高校和企業等各方加強協作，共同探索可持續的商業模式，以推動病理行業向AI時代的跨越?！蓖踅▏f到。

面對大有可為的數智病理時代，方信醫療也有著清晰的規劃，陳勁濤博士介紹道：“我們的AI產品從‘做寬、做廣、做深’三個方面進行規劃。‘做寬’是指研發覆蓋人體幾乎所有器官的輔助診斷模型；‘做廣’是指數據要盡量覆蓋多中心、多病種；‘做深’是指根據醫院需求，利用更多專業化小模型，完成組織學病理分級、癌癥浸潤深度分級、免疫組化評分等更精細的下游任務。最終，全面提升病理診斷的覆蓋范圍、病種識別能力和精細化診斷水平?！?/strong>

王建國指出，病理行業要提升整體水平，應從提升科室整體效能切入，將解決病理診斷效率問題放在首位。以效率提升為契機，推動全行業數字化水平的進步，通過持續不斷的量變，最終實現關鍵質變。當全行業整體數字化水平提高以后，疑難病例資料不足和質量欠佳這一先天困境，就會如同冰山般逐步消融。“我們有理由相信，先追求效能的提升，讓醫院和醫生都愿意應用病理AI，待數字基建邁上新臺階后，再著手解決疑難病例診斷的漸進式革新模式，是契合事物發展客觀規律的。與此同時，病理AI自身也在持續進化，這種循序漸進的發展路線必然會有力地加速病理AI在實際中的應用。”

2025年《政府工作報告》強調，要強化基本醫療衛生服務，加強病理專業隊伍建設。這一政策導向為病理AI行業的蓬勃發展營造了良好環境。在此背景下，王建國堅定地認為：“我們期待，在產業鏈各端的齊心協力下，未來的3至5年內，AI能夠全方位、深層次地融入病理科的各項工作環節，大幅提升診斷的工作效率，切實解決當前病理醫生培養周期長、數量不足、分布不均的難題，從而改善患者的就醫體驗和健康結局?！?/strong>

如果您想對接文章中提到的項目，或您的項目想被動脈網報道，或者發布融資新聞，請與我們聯系；也可加入動脈網行業社群，結交更多志同道合的好友。

聲明：動脈網所刊載內容之知識產權為動脈網及相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。