国内数字病理发展现状与展望

魏瑞璇 庞剑 李少冬

病理诊断被誉为疾病诊断的“金标准”，数字化已成为病理学领域发展的新趋势[1]。数字病理在提高医生工作效率、提升诊断准确率等方面具有显著优势，但也面临诸多困难。通过在中国知网、PubMed 等数据库进行检索，本文搜集了2010 年—2023 年国内外数字病理发展、人工智能辅助诊断、计算病理学等领域的相关文献，运用文献综述的方法对数字病理的技术、制度、监管和发展现实进行讨论，重点关注数字病理切片的标准化与共享、人工智能技术的验证与监管以及医疗数据的安全等问题。本文旨在探讨当前国内数字病理发展困境，对未来我国建设数字病理的全景进行展望，并基于研究结果提出建议。

1 数字病理的概念与发展

数字病理(Digital Pathology)是数字成像技术在病理学领域的应用，其核心是通过扫描技术将传统病理切片转化为数字化切片，实现对病理信息的采集、分析和管理[2]。数字病理的应用可分为临床与非临床2 个部分，临床应用是通过数字病理切片信息进行病理学诊断与远程会诊，非临床应用则是将数字病理技术用于科研与教学。

数字病理起源于全视野数字化切片(whole slide image, WSI)技术的发明，使传统病理学突破了时空的限制[3]，实现了对传统病理诊断方式的一次重大改革。数字切片技术是病理技术走向数字化的基础，远程病理会诊则是病理诊断行业向数字化发展最直接的需求。远程病理会诊是将数字化病理切片通过互联网传输到病理专家所在的医院进行诊断[4]，解决基层医院的病理诊断瓶颈问题。20 世纪90 年代，数字病理的概念进入中国。2003 年，我国第一台国产数字病理扫描仪问世，数字病理开始在中国生根发芽[5]。2011 年，我国原卫生部开始进行病理远程会诊中心试点，并于2012 年进行推广。近年来，国家大力支持“互联网＋医疗健康”，使我国远程病理会诊普及率得到快速提升。虽然与欧美等发达国家相比，我国病理领域的数字化程度较低，但也已基本跟上全球的步伐。

随着大数据和人工智能技术的快速发展，数字病理的发展呈现出智慧化趋势，在数字化病理影像的基础上结合人工智能技术，帮助病理医生进行更准确的诊断和更深入的分析，给患者提供最佳的治疗方案。人工智能辅助诊断的出现极大地提高了病理诊断的准确性和效率，Philipp 等[6]使用两种不同的卷积神经网络(convolutional neural networks,CNN)模型对肠道肿瘤的HE 染色图像进行分割识别，其诊断准确率已达95% ～ 98%，进一步证明了人工智能在病理诊断中的巨大应用潜力。此外，人工智能还可以根据患者的病理影像和其他临床数据，自动生成病理报告，为患者提供治疗建议，甚至预测疾病的预后，辅助进行临床决策。

2 国内数字病理建设现状

2.1 病理科发展现状

我国病理科的实际情况较为复杂，病理诊断行业供需失衡的问题突出，主要影响因素是病理医师数量不足、病理资源地域分配不均以及病理科数字化水平的相对滞后[7]。

随着医学技术的进步和公众健康意识的提升，公众对病理诊断的需求呈现快速增长的趋势，然而由于病理科人才的不足和资源分配的不均，国内现有的病理资源无法满足这种增长的需求，从而导致出现了供需失衡的现象。由于病理学学科本身的高度专业化和复杂性，人才培养需要耗费大量的时间和精力，现有的医学教育体系尚未能满足市场对病理医生的需求。这种人力资源的不足不仅对病理医生自身构成压力，也对医疗服务的质量和效率产生影响。此外，资源分配不均也是我国病理科发展面临的重要问题。较偏远和贫困地区的病理设备和资源十分有限，严重制约了这些地方的病理诊断能力，而发达地区和大城市的病理科，往往拥有较充足的人力和物质资源。资源分配的不均使得病理诊断的服务能力和质量在全国范围内存在明显的差异[8]。值得注意的是，尽管数字化技术在许多医疗领域已经得到广泛应用，但在病理科，这种趋势尚未得到充分体现。这种滞后不仅限制了病理科的工作效率，也对其在医疗系统中的地位产生了挑战。

2.2 数字病理的优势

数字病理作为一种将传统病理学与现代化数字技术相结合的新型医学服务模式，其优势在医院端、患者端以及社会端均有突出体现。

就医院端而言，数字病理在提高工作效率、节省时间方面具有显著优势。传统的病理诊断需要医生进行大量的微观观察和分析，而数字病理则通过自动化和智能化的方式，降低了医生的工作负担，提高了工作效率。国外学者对于数字病理在提升医生工作效率方面进行了测算，发现效率提升在6% ～ 13%[9-10]。此外，数字病理也是推动智慧医院建设的重要手段，通过病理切片的数字化处理和分析，医院可以更好地管理和利用病理数据，为临床决策提供更便捷的支持。同时，数字病理也有助于医学教学，培养学生在电脑端观察和分析病理切片的习惯，为日后科室的数字化做好准备。此外，数字病理能够通过提高工作效率、扩大服务范围、进行远程病理诊断、提供个性化治疗等直接和间接的方式，增加医院的收入来源，提升其经济效益。

从患者端来看，数字病理能显著提升患者的就诊体验，并改善其预后。通过数字化病理切片，患者可以更快获取诊断结果，减少等待时间，同时人工智能辅助诊断有助于提升诊断准确性[11]，从而提升就诊体验和满意度。更重要的是，病理医生能够通过人工智能辅助进行定量化、标准化诊断，从而制定最优临床决策，改善患者的预后[12]。

在社会端，数字病理在推动医疗资源下沉、分级诊疗以及推动新药研发等方面也有着巨大的潜力。通过互联网技术，数字病理可以实现远程会诊，有效缓解基层病理诊疗资源的紧张，同时助推分级诊疗的开展，提升医疗服务的效率[3]。此外，数字病理技术是基于对大量病理数据的分析，研究人员可以更加深入地研究疾病产生的机制机理，为新药的研发提供重要的数据支持，同时也可以提高疾病的早期诊断率，为精准医疗的实现奠定基础。

2.3 数字化病理科建设全景

随着互联网和人工智能技术的不断发展和普及，未来的数字化病理科的建设将全面覆盖病理工作的各个环节，实现多学科联动，形成全方位的病理科数字化生态。首先，标本送检和登记环节将通过自动化设备精确、快速地将标本进行分类，减少人工操作的错误和延误，同时利用智能化系统实现患者信息的自动录入和校验，提高登记的效率和准确性[13]。然后，通过图像识别算法，实现对组织样本的自动化取材。在制片环节，利用数字病理扫描仪快速、精确制作数字化切片，并链接到智能系统，自动记录和管理切片信息，方便后续的查询和使用。对于阅片诊断和报告出具环节，人工智能辅助诊断可以帮助医生完成初步标记阳性病变区域、进行细胞计数和分析组织病理图像等工作，并根据诊断结果自动生成报告供医生参考与复核，减轻医生的工作负担。同时，病理诊断全流程的数字化信息与报告可以与电子病历系统进行对接，便于医生随时查询和参考。最后，归档环节的数字化至关重要，需要院方通过云存储等技术实现对海量病理信息的长期、安全存储，以支持未来对患者的进一步诊疗以及医院的医学研究和教学。

数字化病理科还将实现与其他临床学科的多学科联动，通过系统共建和数据共享的方式，将患者的病理信息与临床、影像等多学科信息进行整合，为临床决策提供全方位支持。

3 国内数字病理发展的困境

3.1 病理扫描仪缺乏统一标准

当前我国病理扫描仪及其相关的软硬件缺乏统一的建设标准，一定程度上阻碍了数字病理的推广。数字切片技术是数字病理的发展基础，而病理扫描仪是实现数字切片技术的核心平台。尽管相关研究已证明，物理玻片与高质量的全视野数字化病理切片有较高的一致性[14]，但仍存在影响数字切片质量的其他因素。国内学者发现，切片质量、扫描仪的机械性能、算法、医生对扫描仪的操作等因素均会对数字切片的结果产生影响[15]，我国目前数字病理领域中不同扫描仪之间缺乏统一的标准，在实践中易导致数字切片质量的不稳定。目前，美国病理学家学会、欧盟、加拿大病理学家协会等专业组织已发布数字病理的使用指南和技术规范[16]。

3.2 人工智能技术有待进一步规范

病理人工智能的发展面临着可解释性、可验证性方面的挑战。在病理扫描仪的基础上，人工智能辅助诊断的应用是未来数字病理发展的重要趋势。目前在世界范围内，人工智能在病理诊断方面的发展面临着一些共同的问题。在算法原理上，人工智能辅助诊断的深度学习神经网络算法具有“黑盒”属性，可解释性较差[17]。从实验室走向临床的过程中，病理人工智能需要在观察性研究的基础上进行介入性研究[18]，同时需要在训练集之外使用大量数据进行验证，因此，可验证性的提升主要来自病理人工智能的数据质量改进。但当前病理人工智能的算法可验证性较弱，具体来看，单中心验证仍存在数据偏差的问题，多中心验证则由于病理扫描仪型号、玻片制备等方面的差异性而存在障碍[19]。虽然国内医院在传统病理学模式下积累了大量病理学数据，但通常不会将病理数据共享，因此，目前尚未建立起大规模的高质量的病理数据库[20]，这一点也是病理人工智能通过大型数据集进行多中心验证的障碍。这可能是医院出于患者隐私保护和数据安全性的考虑，期望实现“数据不出院”，也是对于职业伦理风险的权衡。

3.3 数据存储方案及临床数字化管理系统有待建设

数字病理形成的单个数据文件较大，通常在1 ～ 3GB 之间。当前病理科室面临着数字切片的数据调阅问题和数据储存问题，传统对象存储模式下存在并发阅片卡顿、马赛克等问题。国内大型医院每天产生的病理切片在数百到数万张之间，病理数据的归档和存储面临着成本问题。PB 级的容量增长，切片数据的保存期限较长，传统病理切片保存时间通常在15 ～ 30 年，导致医院的病理数据存储成本较高。此外，国内医院的临床数字化管理系统尚未完善，医院信息化尚在建设中，数字病理系统应加强与医院的HIS、PACS、LIS 等系统对接，融合数字切片管理、远程病理诊断、病理教学等功能建立起全流程的病理信息管理系统。

3.4 监管和法规体系尚未确立

国内目前数字病理的监管和法规体系尚未建立起来。数字病理相关软硬件的认证方面，国外目前以欧盟和美国为代表，已基本建立起WSI 扫描仪的认证体系，但病理人工智能的监管和相关法规仍在探索中。国内目前完成了人工智能在医疗器械领域监管体系的初步构建，已发布《人工智能医疗器械注册审查指导原则》等政策文件，但尚无针对数字病理领域的法规。此外，数字病理尤其是人工智能加持的计算病理学的开发，需要大量的患者数据，相关数据存在被泄露的风险。除数据泄露风险之外，国外有学者研究发现，即使以匿名方式搜集数据，大规模的数据搜集可能使数据使用方具有建立复杂联系的能力[21]，因而有侵犯患者隐私的风险。目前国家已陆续发布人工智能相关的伦理规范、监管总则，如《新一代人工智能伦理规范》等，但尚未有数字病理领域人工智能应用的具体监管体系或具体法规。

3.5 医工交叉复合型人才匮乏

已有研究发现，不管从伦理还是医学本身出发，目前数字病理即使在有深度学习人工智能加持的基础上，也只能作为辅助诊断的角色出现，病理科医生的总体性判断仍然尤为重要。数字病理的推进将会在实践中带来一系列临床应用问题，例如算法与数字病理平台的适应性、数字病理工作流程的设计、人工智能辅助诊断结果判读等工程性问题和医学问题的交集。数字病理的进一步发展急需医工交叉人才，数字病理团队中除了传统病理学家角色外，还需要在临床知识之外具备统计分析数据、数据挖掘等方面的能力[22]。当前我国医工交叉复合型人才在数字病理领域存在短缺，该领域的研发模式多为学科单独研发，对于交叉性应用问题解决能力有限。

4 数字病理前景展望

4.1 制定行业规范

国内数字病理的进一步发展有赖于标准化、规范化。未来的数字病理行业规范应主要包括WSI 病理扫描仪的软硬件标准、人工智能的相关技术规范等，重点着眼于提高人工智能软件和不同扫描仪的适配性，指导数字病理规范化使用。目前，在欧盟新的体外诊断器材法规(In Vitro Diagnostic Medical Devices Regulation, IVDR)中，WSI 病理扫描仪及相关基础软件将以CE-IVD 的方式进行认证[23]，美国目前已有两个WSI 平台获得了FDA 的批准。可解释性差的特点极大地限制了病理人工智能应用的批准。欧盟目前尚未有具有预测功能的病理人工智能应用获得批准。FDA 已经开始批准基于深度学习的病理人工智能的临床方案。目前，我国尚未建立起系统的、标准化的WSI 病理扫描仪技术规范和行业规范，对于病理人工智能的行业标准亦未明晰。但伴随着两癌筛查的推进，我国在病理人工智能的医疗器械准入方面已迈出了第一步——2023 年3 月我国批准了首张病理人工智能三类证，获批项目关注宫颈细胞学领域的辅助诊断。

4.2 完善监管法规

在推进数字病理规范化建设的过程中，完善监管体系和相关法律法规是抵御数字病理相关的数据泄露风险、保护患者隐私权的题中之义，尤其要关注病理AI 的规范开发、应用。当前大多数国家对于人工智能在医疗器械的适用性的监管关注点在于其可解释性，要求对软件/算法如何工作进行解释[24]。监管机构对于人工智能可解释性的关注，有利于考察人工智能对于数据的处理过程及潜在的风险。病理人工智能的监管难题在于如何在保护患者隐私和鼓励数据驱动创新之间找到平衡点。FDA 提出一个监管框架[25]，要求人工智能的制造者说明其算法如何通过深度学习而改变以及发生怎样的变化，同时关注和评估变化过程中算法的安全性和有效性、减轻性能损失的策略等问题。我国在完善数字病理相关监管法规中可广泛参考和借鉴国际经验，明确重点监管方向，设计监管体系，对数据泄露问题、患者隐私权问题等数字病理发展问题给出“中国方案”。

4.3 关注成本效益和费用标准化

成本效益问题涉及数字病理建设、推广的重要问题。目前国内对于数字病理成本效益分析的研究较少，国外研究对数字病理的成本效益的分析主要考虑2 方面：劳动力成本的降低（病理科医生的效率提升）和玻片储存成本的节约[26]。1 项来自英国的研究发现，所在教学医院预计在实施数字病理用于初级诊疗后2 年收回成本，总体生产率在1 年后提高15%[27]。总体来看，对于大型医院来说，收回投资成本后每年可享有稳定的净营收，但对于规模较小的医院其经济性有待讨论。在支付方面，国外以欧盟和美国为例已经实现了费用的标准化。美国的数字病理收费是由保险公司根据美国医学协会维护、医疗专业人员报告的代码对应完成支付。欧盟各国有不同的费用代码。目前我国还未在全国实现数字病理费用的标准化。江苏省走在数字病理费用标准化的前列，在江苏省2018 年发布的政策文件《关于制定部分“互联网+”医疗服务项目试行价格的通知》中，数字病理相关服务在远程会诊、远程诊断条目下获得多项独立费用代码。

4.4 发展临床病理学教育

当前我国推进数字病理的障碍之一是病理科医生的职业习惯与数字病理不相适应以及数字病理相关医工交叉人才短缺。在这一背景下，数字病理融入医学教育将具有重要意义。已有研究发现，在数字病理和玻片的并行实验中，病理学家会在数字玻片和物理玻片之间频繁切换[28]。另一项研究发现，48%的受访病理学家在没有玻片的情形下，感受到不舒服或不适应；15%的受访病理学家在有玻片的情形下也感到不舒服。国外研究发现，大多数困扰数字病理应用于临床的难点，例如数据存储、分辨率、色彩还原等方面的难题，对于医学教育而言不具有伦理、法律、医疗安全上的争议，医学教育是迄今为止最广泛使用数字病理的领域，数字病理可以在演示、注释、考试、自学、远程学习等场景得到应用[29]。随着数字病理在医学教育中的应用，一定程度上能够改善病理医生对于数字病理的适应性，同时也有利于培养病理学与人工智能的复合型人才。

4.5 建设高质量病理数据库

在建设数字病理标准化、病理人工智能标准化的愿景下，推进高质量病理数据库的建设是推广数字病理、提升数字病理泛化能力的重中之重。病理人工智能在地区间、平台间适应性的提升一方面有赖于标准化的推进，另一方面有赖于通过高质量病理数据库的多地域、多病种的样本进行不断验证和修正。在建设高质量病理数据库的过程中，不仅要满足对于提升病理人工智能泛化能力的要求，还要满足维护患者隐私、确保医疗数据安全性的要求，这又是对于监管和相关法律法规提出的一项挑战。由此可见，高质量病理数据库建设与标准化建设是相辅相成的。