一张切片，两个诊断

2026年1月，杭州一家三甲医院的病理科做了一个内部实验。他们将100张前列腺穿刺活检切片分别交给三位资深病理医生和一套AI病理诊断系统判读。结果令人震惊：AI的诊断准确率为96%，而三位病理医生的准确率分别为91%、89%和93%。更关键的是，AI诊断一张切片平均用时15秒，而病理医生平均用时8分钟。

这不是孤例。2026年，全球数字病理（Digital Pathology）市场已经突破100亿美元，AI病理诊断产品在超过50个国家获得了监管批准。在中国，已有超过30张AI病理三类证获批，覆盖了乳腺癌、宫颈癌、前列腺癌、胃癌、结直肠癌等多个癌种。

病理科的"效率黑洞"

病理诊断是癌症诊断的"金标准"——没有病理报告，癌症的诊断和治疗就无法进行。但中国的病理科面临着一个严峻的"效率黑洞"：

中国注册病理医生不到2万人，而每年需要病理诊断的组织样本超过4亿份。每个病理医生平均每年需要诊断2万份样本，工作量远超发达国家同行。在中国的一些县级医院，病理科只有1-2名医生，诊断能力严重不足，部分患者不得不将病理切片寄到省城的大医院进行会诊，等待时间长达数周。

金句：病理科是中国医疗体系中最被忽视、也最需要AI的科室。

AI病理的三大突破

2026年，AI病理诊断在三个方向上取得了关键突破：

全切片扫描（WSI）的AI分析：早期AI病理只能处理"ROI（感兴趣区域）“的局部图像，病理医生需要手动标注需要AI分析的区域。2026年，AI已经可以处理全切片扫描图像——一张病理切片扫描后生成的数字图像文件大小高达数GB，分辨率达到数十亿像素。AI可以在这个巨大的图像中自动定位肿瘤区域、分析细胞形态、计算肿瘤分级、判断切缘状态。这让AI病理真正进入了"全自动"时代。

多模态融合诊断：2026年，AI病理开始融合多种数据来做出更精准的诊断——不仅分析病理切片图像，还整合基因组数据、免疫组化数据、临床信息等。例如，在乳腺癌诊断中，AI同时分析HE染色切片、免疫组化标记（ER、PR、HER2、Ki-67）和FISH检测结果，给出完整的分子分型和预后判断。这种多模态融合诊断的准确率，比单模态诊断高出5-10个百分点。

“端到端"的AI病理流水线：2026年，一些AI公司开始提供"端到端"的AI病理流水线——从切片扫描、图像质控、AI分析、结构化报告生成，到与医院LIS/HIS系统的对接，全部自动化完成。病理医生只需要做最终的审核和确认，工作流程从"手工作坊"变成了"自动化流水线”。

中国病理AI的领跑者

2026年，中国AI病理赛道已经跑出了几家头部公司。

透彻未来（Thorough Future）是其中的佼佼者。2026年，透彻未来的AI病理系统已经覆盖了超过10个癌种，与全国200多家医院建立了合作，累计辅助诊断超过100万例。其在胃癌、结直肠癌领域的AI诊断准确率超过95%，达到了资深病理医生的水平。

迪英加（Deepwise）是另一家值得关注的AI病理公司。迪英加主打"AI病理云平台"模式，为基层医院提供远程AI病理诊断服务。2026年，迪英加的平台已经连接了超过500家基层医院，日均处理病理切片超过5000张。

结语：病理医生会消失吗？

不会。但病理医生的工作方式正在发生根本性变化。

在2026年的顶级医院病理科，AI已经承担了"初筛"和"定量分析"的工作——标记可疑区域、计算阳性细胞比例、评估肿瘤分级。病理医生的工作从"看片"变成了"读报告+审核AI结果+做复杂判断”。

这意味着，病理医生的工作效率提升了3-5倍，但同时也意味着，对病理医生提出了更高的要求：他们不仅要懂病理形态学，还要理解AI的工作原理，能够判断AI的判决是否可靠，能够在AI出错时做出纠正。

金句：AI病理的终极目标不是让机器取代人，而是让每一个病理医生都拥有"超级视力"。