行业首个！工作效率提升30%，方信医疗打造数智病理科建设整体解决方案

在当今科技飞速发展的时代，AI正以前所未有的速度重塑各个行业。正如方信医疗创始人王建国在接受动脉网采访时所说：“AI必将改变所有行业，也必将赋能所有行业。”如今，医疗AI早已走出实验室，成为现实世界中医生的“超级助手”，重塑医院诊疗效率。

病理科，堪称AI落地最为成熟的场景之一。传统病理诊断是一门极度依赖经验且花功夫的“手艺活”，要求病理医生透过显微镜，在数十亿像素的切片中仔细搜寻蛛丝马迹。然而，人眼难免疲劳，经验也有边界，尤其是一名合格的病理医生的培养，宛如一场马拉松，往往需要耗费十年的时间。

人工智能、大数据等前沿技术的渗透，正在驱动病理科发生从“玻璃切片”到“数字图像”、从“人工判读”到“AI辅助”的革命性转变，重新定义病理行业的工作模式和发展潜力。

在此背景下，2017年成立的广州方信医疗技术有限公司（以下简称“方信医疗”）始终聚焦于为用户提供数智病理科建设整体解决方案。方信医疗不仅是我国病理领域首家提出“病理全流程质控和信息管理”概念的企业，也是首个推出“泛病种AI辅助诊断系统产品”的创新者，助力病理行业从传统诊断模式向高效化、智能化、精细化的方向转变。

病理诊断作为临床诊疗决策的核心依据，是绝大部分疾病，尤其是肿瘤疾病诊断的“金标准”，其结果直接关系到手术方案、治疗策略、预后判断、治疗效果等各个环节。那么，AI作为当前全球创新最活跃的领域之一，到底能为病理科带来什么？

作为深耕病理行业多年的“老兵”，王建国认为，“当前，病理医生缺口大、资源分布不均是病理行业面临的主要痛点。因此，在方信启动病理AI研发项目之前，我们便与众多病理专家讨论了这个问题，并进一步明确了AI在病理科的核心价值——科室诊断效率提升的‘利器’。”

一般来说，病理医生完成一份简单病例的病理报告大约需要2-5分钟，完成一份中等复杂病例的报告约需10-30分钟。在引入病理AI产品后，在医生开展疾病诊断工作前，AI便已经生成准确的诊断建议，同时初步书写好诊断报告。因此，医生仅需审核诊断结果，并对报告进行一些微调，即可将其发出，工作效率得到极大提升。

除了提高报告出具速度，AI还能成为病理医生的个人知识助手，帮助医生更高效、准确地完成诊断工作。当病理医生在查看病理标本，遇到疑难图像时，只需截图发送给方信的多模态智能问答助手，便可迅速获得AI对图像的分析结果和诊断建议，大幅缩短诊断周期，避免因经验局限而导致的漏诊。

同时，AI还能提供一个可持续迭代升级的智能知识库。王建国提到：“目前人类已知的疾病种类极其繁多，每种疾病都有其独特的形态和表现形式。因此，要求病理医生对每一种疾病都清晰记忆并精准识别其实是不现实的。而基于AI的智能病理知识库能不断积累、迭代、更新，方便医生自动提取库中内容、高效搜索历史病例，从而大幅提升病理医生对疑难杂症诊断、教研、学习的效率。”

基于上述三大价值点，方信医疗自主研发的病理人工智能辅助诊断系统能大幅减少诊断医生的重复性劳动，显著提升工作效率，切实解决病理医生短缺这一行业痛点。目前，该产品已在十余家三甲医院投入使用，并获得第三方实验室认可。

2024年以来，医疗行业的“百模大战”进入白热化。其中，病理大模型因其极高的技术挑战和临床价值，被誉为大模型“皇冠上的明珠”，众多公司和高校相继推出各式各样的AI产品。

王建国对此表示，“目前，市面上的许多病理大模型主要基于科研场景，以无限资源的模式进行产品设计，着重关注功能的实现而忽视临床应用场景和资源约束。而方信医疗自立项之初，就始终坚持以临床需求为导向，以有限资源需求来驱动病理AI的持续迭代研发。”

经团队深入调研后发现，对于病理科医生而言，疑难病例的诊断和重复性劳动的替代是亟待解决的两大核心需求。

首先，疑难病例的出现，主要源于两方面因素。其一，病例本身极为罕见，缺乏丰富的既往诊疗经验可供参照；其二，疾病判别界线模糊。此外，患者独特的临床表现、家族病史以及成长环境等多种个体化因素，也进一步增加了诊断的复杂性。正因如此，在面对疑难病例时，病理专家的临床直觉和综合判断，便成了准确诊断的“金标准”。

基于此，方信医疗研发的病理人工智能泛病种辅助诊断系统旨在承担病理医生工作中的重复性劳动，完成大部分常见疾病的辅助诊断。通过提升工作效率，让医生只需确认AI给出的结果是否正确，从而可以节省出更多时间去研究疑难病例的诊断并学习新知识。

方信医疗的AI研发负责人陈劲涛博士认为，“无论技术多先进，AI始终无法取代医生，但会深刻改变医疗模式。因此，方信病理AI通过与公司的病理全流程信息管理系统深度融合，可以在不影响医生正常诊断流程的前提下，输出可疑病灶区域的像素级热图，辅助医生快速定位并验证诊断的正确性，真正做到‘帮忙不添乱，协作不越位’。”

并且在这个过程中，人与AI始终保持着共生共智的关系。“AI深度学习海量病理图像与诊断逻辑，构建起覆盖各病种特征的认知框架，为医生实时提供诊断线索与量化分析支持。医生则依据临床经验，校正AI推理路径，通过反馈标注优化算法模型，形成‘AI筛查诊断、医生确认反馈、AI二次学习验证’的闭环。”陈劲涛说到。

大模型和小模型的融合是方信病理AI的又一大亮点。

大模型作为多模态病理知识的通用底座，具有很强的泛化性能，但在处理医学这种专业性极强的下游任务时，其回答往往不够精确和详细。因此，大模型主要提供宽泛的病理知识概念，并给出疑难病例的参考建议。

相比之下，小模型是边缘计算的专业化精准执行者，聚焦于任务执行层的局部特征，例如精细的疾病诊断、免疫组化评分、疾病分级等。方信医疗通过轻量化设计，减少了小模型约90%的计算量，使其能够在普通GPU上实时处理全切片图像，并通过弱监督学习自动定位病变区域。

最后，根据病理医生的诊断需求不同，方信医疗将病理AI拆分为定性分析的判别式和生成病理报告的生成式。判别式AI可对各个器官的病理图像进行高精度判读；生成式AI则实现自然语言交互，辅助医生生成诊断意见并推荐检测方案。

通过大模型与小模型的协同，以及判别式与生成式AI的深度融合，方信医疗自主研发的病理AI不仅能够重构病理诊断的全流程，提升诊断效率，还能促进病理报告的结构化标准化与内容个性化，推动了病理学科向预测性和个性化的方向发展，为医生提供更全面的支持。

基于以上优势，方信病理AI针对泛器官的诊断准确性达到90%以上。并在保持99%诊断敏感度的基础上，实现约92%的特异度，在保证不漏诊的前提下，尽量减少误诊，极大提升了病理诊断的科室整体效能。

Global Growth Insights研究数据显示，2024年全球数字病理市场规模已达8.2014亿美元。在2024-2032年期间，该市场预计将以19.31%的复合年增长率持续强劲增长。高速增长的市场吸引了全球众多企业入局。但与国外相比，国内AI病理行业虽有自身数据库充足且政策支持力度较大的优势，但也存在差距。

例如，病理科的数字化发展程度有限，技术成熟度不足；数字化玻片的数据量巨大，存储成本高；传统病理诊断惯性难以改变，尤其是我国病理医生的培养体系目前仍主要基于显微镜观察玻片的方式，这也在一定程度上制约了AI技术在病理领域的快速推广和应用。

“众多因素影响下，如何突破商业化困境，成为摆在行业面前的一道难题。这需要政府、医疗机构、高校和企业等各方加强协作，共同探索可持续的商业模式，以推动病理行业向AI时代的跨越。”王建国说到。

面对大有可为的数智病理时代，方信医疗也有着清晰的规划，陈劲涛博士介绍道：“我们的AI产品从‘做宽、做广、做深’三个方面进行规划。‘做宽’是指研发覆盖人体几乎所有器官的辅助诊断模型；‘做广’是指数据要尽量覆盖多中心、多病种；‘做深’是指根据医院需求，利用更多专业化小模型，完成组织学病理分级、癌症浸润深度分级、免疫组化评分等更精细的下游任务。最终，全面提升病理诊断的覆盖范围、病种识别能力和精细化诊断水平。”

王建国指出，病理行业要提升整体水平，应从提升科室整体效能切入，将解决病理诊断效率问题放在首位。以效率提升为契机，推动全行业数字化水平的进步，通过持续不断的量变，最终实现关键质变。当全行业整体数字化水平提高以后，疑难病例资料不足和质量欠佳这一先天困境，就会如同冰山般逐步消融。“我们有理由相信，先追求效能的提升，让医院和医生都愿意应用病理AI，待数字基建迈上新台阶后，再着手解决疑难病例诊断的渐进式革新模式，是契合事物发展客观规律的。与此同时，病理AI自身也在持续进化，这种循序渐进的发展路线必然会有力地加速病理AI在实际中的应用。”

2025年《政府工作报告》强调，要强化基本医疗卫生服务，加强病理专业队伍建设。这一政策导向为病理AI行业的蓬勃发展营造了良好环境。在此背景下，王建国坚定地认为：“我们期待，在产业链各端的齐心协力下，未来的3至5年内，AI能够全方位、深层次地融入病理科的各项工作环节，大幅提升诊断的工作效率，切实解决当前病理医生培养周期长、数量不足、分布不均的难题，从而改善患者的就医体验和健康结局。”