近年所谓“数智病理诊断”，正在取代病理学人工智能诊断、计算病理学或数字病理学诊断等概念，它把病理图像数字化与病理诊断智能化结合起来，即利用人工智能（AI）技术，对数字化后的病理切片即全切片数字图像（WSI）进行分析、解释和辅助诊断。它正在改变传统病理诊断的工作流程，被誉为病理诊断技术领域的“一次革命”。对此，以上短文已做简要介绍，觉得意犹未尽，再来呱噪一下。

一、数智病理诊断的技术流程可以概括为以下几个步骤：

  1. 切片数字化：首先，通过高分辨率扫描仪将传统的病理切片图像转化为高分辨率的WSI。一张WSI往往非常大（可达数十个G），分辨率极高（例如 100,000 x 50,000 像素）。

  2. 图像预处理：对数字化图像进行颜色归一化、降噪、组织区域检测等操作，以消除因染色、扫描设备不同带来的差异，并聚焦于有组织的区域。

  3. AI模型分析与推理：这是数智病理诊断的核心环节。深度学习模型（最常用的是卷积神经网络CNN等）会对图像进行逐块分析，包括细胞核分割与分类（区分正常细胞、癌细胞及其种类、淋巴细胞等），病理特征提取（量化人眼难以察觉的微观特征，如细胞核的形状、大小、染色质分布、细胞排列方式等），然后基于提取的海量特征，最终给出诊断预测，例如病变的分类（良性或恶性、原位癌或浸润性癌、癌症的类型等）、对肿瘤进行恶性程度分级（如Gleason评分用于前列腺癌等）、发现微转移灶、预测某些分子标志物等。

  4. 结果可视化：AI将分析结果以热图、标注框等形式叠加在原始图像上，提示病理医生关注可疑区域，并提供客观的量化数据（如肿瘤细胞百分比、淋巴细胞浸润密度等）。

  5. 复核和签发：诊断医师根据AI分析提供的初步诊断，进行分析和评估，复核AI诊断，进行必要的修正，签发正式诊断报告。

 二、 主要优势与应用场景

   AI诊断并不能取代病理医生，而是作为一个强大的“超级助手”，其优势主要在于提升病理诊断效率与速度，提高诊断的一致性与客观性，并可能发现肉眼难以察觉的镜下特征，也可赋能远程医疗，解决基层医院病理科的诊断难题。

 其典型应用场景包括：子宫颈癌的细胞学筛查，乳腺癌、前列腺癌、肺癌、胃癌、结直肠癌等常见癌种的诊断和分级，通过某些指标的分析预测相关癌症的疗效、复发或转移风险、生存期等。

   当前，数智病理诊断还在不断研发和完善过程中，病理图像数据的数量和质量、病理典型图像的标注精细化与一致性、病理模型的可解释性与可信任性、AI诊断工具与病理科现有的诊断工作流程（如LIS/HIS系统等）的无缝链接、AI诊断产品的合法性与质量控制体系等，都有些问题需要探索和完善。数智诊断在日常病理诊断实践中的推广应用还需要持续努力。

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。