近年有个比较流行的新词，叫做“组”(-ome)和“组学”(-omics),分别是指同一类型许多个体的系统集合，以及研究这种集合中每个个体的特性及其相互关系的科学。在生物医学领域主要是指从整体的角度出发去研究人体的组织细胞结构、基因与疾病的关联。例如基因组是指构成生物体所有基因的组合，而基因组学则是从总体上综合研究这些基因及其相互关系的组合。然后蛋白质组学、影像组学等也陆续登场，病理人当然也不会落后。2018年以来，前任中华医学会病理学分会主任委员来茂德和卞修武两位教授分别在不同会议上提出病理组学的概念并加以阐述，为病理诊断和研究拓展了新的思路。

在人工智能时代,计算机辅助的病理诊断为病理学提供了新的发展空间,病理学的诊断和研究将超越单纯的人工分析病理切片，而将在人工智能的辅助下,实现定量化病理诊断,以及疾病预后等病理学的相关研究。在近10年来病理学中人工智能的研究成果的基础上，病理组学(pathomics)的概念也应运而生。病理组学的研究内容包括基于人工智能将病理图像转化为高保真度、高通量的可挖掘的数据集,这个数据集涵盖纹理特征、形态学特征、边缘梯度特征、生物学特征等定量特征，可用于定量化病理诊断和疾病预后评估,最后自动生成病理诊断报告。

目前，病理学组已经在数字病理技术、人工智能技术和互联网技术的支撑下发展起来。它利用数据特征提取法，将病理数据转化为可挖掘的特征数据，向着更加自动化更加精准化的方向发展；利用自动学习功能，掌握切片中的定量化病理特征等，把特征提取、定量化分析、预后评估等多重任务有机地融合，运用临床病理知识体系，实现病理诊断、分型和分级、预后评估，产生出一体化的病理报告；利用影像组学的解剖影像和功能影像信息、基因组学的基因分子信息、病理组学的病理形态学信息等数据、检验学组的各种实验室检测数据，借助人工智能和数据分析挖掘技术，开展数据特征抽取及跨组学信息融合，为辅助临床决策提供解决方案。人工智能时代的病理组学还可以利用其技术优势，发现人眼不易察觉的病理形态细节，和主观经验难以总结的规律，不断完善病理医师和数字病理诊断的知识体系，推动多组学交叉研究，形成多学组交互式诊断体系，如病理影像组学、病理基因组学等，这种交叉式组学更能发挥各方面的优势，提高疾病诊断的准确性。

人工智能与病理组学的发展，将是对目前人工病理学诊断和研究的有力推动和帮助，也有益于充分利用现有医疗资源、节省研究和诊断成本，促进病理事业的迅速发展。

本文允许在互联网范围内转载，使用时请注明作者姓名、作品名称及作品来源。