作者 | 常棣

编辑 | 葛覃

见微知著，以观全局。

在医学领域，病理诊断被誉为疾病诊断的“金标准”。然而，这个“金标准”的背后，却长期隐藏着一个尴尬的现实，全国病理医生不足2万，缺口高达14万，一位资深医生每天要在显微镜前坐上七八个小时，单张切片的精细检查耗时约20分钟。

当AI浪潮席卷各行各业时，病理科也曾被视为最容易被自动化的场景。但几年过去，许多医院发现，那些听起来高大上的AI模型，在实际临床中常常水土不服。

要么只能做个简单的判断，对复杂的下游诊断束手无策；要么换个医院、换台扫描仪，准确率就断崖式下跌，医生们的态度复杂，想用AI，又不知该如何用好AI。

最近召开的中华医学会病理学分会第三十一次学术会议暨第十五届病理年会上，在一众医疗设备厂商之中，华为云作为唯一参展的云厂商，展台人头攒头。它的出现，似乎昭示着什么。

云与AI要攻下病理核心场景，全国各地的病理科主任不在意华为这块金字招牌是否响亮，只是事无巨细的提出各种拷问——“这东西在我医院能用吗？”“它能帮我解决多少实际问题？”

近年来，AI医疗产品在病理领域试水，其中大多数如同钱塘江潮，声势浩大，来去皆空。真正能在病理科扎下根、常态化运行的方案，凤毛麟角。问题的根源，不在于AI技术本身的成熟度，而在于整个病理诊断链条上，那些被长期忽视的结构性矛盾。

病理诊断之难，首先难在人。

据行业统计，我国病理医生长期处于短缺状态，这一数字在县域及基层医疗机构更为严峻。以邯郸市中心医院为例，其病理科日均切片量达600至700张，而病理医生与技师合计不过35人，医生常年无休，手动填写报告占据了大量时间，高强度工作占据了大量本可用于疑难病例会诊的精力。

更深层的问题在于，病理知识更新速度极快，新分型、新标准层出不穷，而人的注意力与记忆力终有极限。

第二重难题是，不同医院的病理切片之间，差异远比想象中更大。

制片过程中的染色试剂差异、切片厚度差异、扫描仪品牌差异，甚至本院患者群体特征差异，都会导致同一AI模型在不同医院表现参差不齐。

一家医院的模型照搬到另一家，准确率可能断崖式下跌。这不是模型的缺陷，而是视觉模型的基本原理，没有学过的特征，模型永远不会。因此，所谓的跨院通用模型，在病理领域更像是一个技术上的美好想象。

行业现有的解决方案，大多停留在两个极端：要么覆盖癌种有限、下游任务单一，仅能完成"有无癌"这样最基础的任务，对医生日常诊断帮助微乎其微。要么在单一任务上表现不错，一旦面对真实复杂的工作流便原形毕露。医生们很快发现，这些AI更像是一个花架子，用不起来，也信不过。

第三重难题，在于AI落地的成本与门槛。

传统病理AI建设方案，往往意味着一次性数百万元的硬件投入、长达半年的部署周期，以及复杂的系统集成工作。更让医院决策者头疼的是，资源利用率常年不足50%，加上机房运维与专人值守成本，年均运维支出动辄四五十万元。县域医院与基层医疗机构面对这样的数字，只能望而却步。

这三重困境相互交织，形成了一个怪圈，投入大、效果差、用不起，这就是病理AI在多数医疗机构的真实写照。

病理AI究竟能不能用？好不好用？值不值得用？回答这个问题，需要一个真正经过临床实战检验的答案。

2025年，上海交通大学医学院附属瑞金医院与华为合作，打磨出了一套名为RuiPath的病理大模型。这套系统是中国首个进入医院生产流程的临床级病理大模型，覆盖90%的常见癌种，90%的下游诊断任务，100余个下游任务数据飞轮实战半年后，关键指标全部超过90%。

更具标志性意义的是，这套系统真正覆盖了病理医生日常工作中90%以上的诊断任务，是医生真正愿意使用的病理大模型，真正提升效率和准确率。

同时，病理切片的院际差异，本质上是一个数据特征问题，每家医院的制片流程、染色方案、扫描设备，都是独特的数据signature。如果模型没有在本地数据上学习过，这些signature就是模型无法读懂的"方言"，所以每家医院都需要有自己的专属模型。瑞金医院的实战证明了数据飞轮的必要性，避免了跨院模型不适用，基层医院用不起来等问题。

在2026年2月正式发布的华为云行业AI梦工厂·智慧医疗专区，提供了一个切实可行的路径。华为云为每一家医疗机构提供模型训练平台，让医院用自己的数据，在云上训练本院专属的病理模型。

该平台采用了极少样本训练技术，训练所需的数据量可以压缩到传统方案的10%以下，医生无需掌握AI技术，平台提供从数据处理、模型训练到部署上线的全流程工具链。与此同时，数据飞轮机制让模型具备了持续进化的能力，病理医生在日常工作中发现AI诊断的错误案例，可以通过平台进行标注反馈，驱动模型重新训练。

在落地路径上，智慧医疗专区采用了"云-边-端"协同架构，切片数据在本地完成脱敏处理后，上传至云端进行AI分析，结果回传至医生工作站，整个过程中，仅有脱敏后的特征数据上云，原始影像数据不出院区，从根本上消除了医院对数据安全的顾虑。

更重要的是，这套方案采用"以租代建"的订阅模式，首年投入成本可降至传统方案的10%左右，五年来整体拥有成本下降40%以上，地市级医院和县域医疗机构也能用上最新的AI模型和解决方案。

病理AI的价值，远不止提效与降本，更在于用技术抹平医疗不均，它以轻量化、可复制、低成本的方式，把顶级的医疗能力下沉到基层，每一位患者都能平等享有AI带来的技术普惠。

在2026病理年会上，瑞金医院10位病理医生从各亚专科视角，现场演示了RuiPath如何用于临床实战。AI提前找到疑似癌区，完成异常区域提示、一系列下游任务诊断以及病理报告辅助生成，医生仅需最终确认。

这种“夜间AI初筛+日间医师复核”的模式，将医生从繁重的机械劳动中解放出来，单张切片的诊断时间从20分钟缩短至秒级。这是顶级三甲医院对“效率”与“精度”的双重极致追求。

邯郸市中心医院，作为晋冀鲁豫交界地区的区域医疗中心，邯郸市中心医院依托华为云构建了区域数智病理医联体。他们不仅自己用上了专属模型，还将这种能力辐射到了武安市人民医院、涉县人民医院等基层机构。

在邯郸模式下，基层医院只需完成数字切片扫描，即可调用中心医院的区域病理模型进行AI辅助诊断。通过云端的数据飞轮，基层医生的诊断能力得到了快速拉升，常见病症的初诊符合率大幅提升。

同样的故事也发生在浙江瑞安市人民医院。通过华为云的轻量化方案，这家县级三甲医院将首年投入降至数十万元，建设周期从6个月压缩至7天，病理AI诊断快速应用在医生诊疗全过程。

从一线城市的顶级三甲医院，到县级城市医院，华为云正在用全面的AI能力，重构智慧病理的落地逻辑，它不再是一个简单的技术工具，更像是一种新的医疗产业基础设施，让每一位病理医生拥有会进化的数字分身，让每一家医院拥有自己的专属病理模型。

这才应当是AI技术平权的意义所在，让病理诊断不再被资源与地域定义，让每一家医院都能拥有比肩顶级三甲的诊断底气。