AI病理

先说结论： AI病理通常在数字化玻片或细胞图像上辅助寻找病灶、计数细胞、分级、分割组织、量化免疫组化或预测某些分子特征。算法看到的是切到玻片并成功扫描的部分，无法弥补取材遗漏、固定不当或制片失败。最终诊断仍需病理医师结合原始玻片、临床、影像、特殊染色和分子检查签发。

一页判断框架

先确认六项：算法具体处理哪种组织、染色和任务；标本前处理与扫描仪是否在验证范围；输出是筛查提示、计数还是可直接影响治疗的评分；病理医师是否检查整张玻片；无法分析和冲突如何处理；版本、染色与扫描漂移如何监测。患者不应只凭热图选择治疗。

AI病理处在完整病理链中

病理链从取材、标本身份、固定、取材选区、包埋、切片、染色、扫描到诊断。任何上游错误都会进入算法。高性能模型只能分析呈现给它的数据，不能发现没取到的肿瘤、错贴标签或未扫描的组织。

取材代表性

针吸、小活检、切除和细胞学样本代表范围不同。肿瘤内部可有坏死、不同分级和标志物异质性。算法在小样本上给出精确百分比，不代表整个病灶。病理医师需先确认标本是否足以回答临床问题。

标本身份与链条

患者、部位、左右侧、容器、蜡块、玻片和数字文件必须全程对应。条码和软件可减少错误，但接口故障仍可能错配。AI若分析了正确图像却属于错误患者，结果同样危险，因此身份校验优先于模型得分。

固定影响形态和抗原

缺血时间、固定液、固定时长和标本厚度会改变细胞形态、核酸及抗原。过度或不足固定可影响免疫组化和算法纹理。模型若只在标准福尔马林固定样本验证，不能默认适用于其他处理。

脱钙和特殊处理

骨组织酸脱钙会损伤核酸和部分抗原，冻结切片、细胞块和骨髓也各有特性。AI模型可能把处理伪影当成疾病。检测说明应列出允许标本，超范围使用需单独验证或转人工方法。

切片质量

褶皱、刀痕、厚薄不均、碎片、气泡和组织脱落会遮挡或复制结构。人工镜检可调焦和换片，数字模型则可能把伪影误检。扫描前应有玻片质量检查，低质量时重切而非强行计算。

H&E染色变异

苏木精和伊红的浓度、时间、批次和设备会改变色调。算法可能依赖颜色分布，跨实验室性能下降。颜色标准化可减轻差异，但也可能改变真实特征，不能替代持续质控和本地验证。

免疫组化变异

抗体克隆、平台、抗原修复、显色、批次和对照影响染色。AI量化若脱离有效阳阴性对照，就可能精确计算一个无效实验。病理医师必须先确认染色合格，再解释比例、强度和定位。

全视野图像

全视野扫描仪把玻片转为多倍率数字图像。图像很大，模型常分成小块分析再汇总。聚焦、拼接、压缩和颜色会影响结果。数字文件并非玻片的完美复制，疑问时应回到原玻片或重扫。

扫描倍率与分辨率

20倍和40倍扫描的像素大小、文件量和可见细节不同。核分裂、微生物或细胞学任务可能要求更高分辨率。模型验证于某倍率时，缩放或重新采样不一定保留性能。报告应记录扫描参数。

对焦失败

组织厚、折叠或细胞团可使部分区域失焦。单层扫描无法像显微镜一样上下调焦。自动质量算法应标出失焦区域并触发重扫；若关键病灶失焦，不能将未识别解释为阴性。

扫描仪域偏移

不同扫描仪的光源、镜头、传感器、色彩和压缩不同。模型可能学到特定设备特征。更换扫描仪、软件或文件格式后需桥接验证，不能只确认图像能打开就视为兼容。

病灶检测

模型可标记疑似癌、转移灶、微生物或其他目标，帮助病理医师搜索。未标记不等于整张玻片正常，尤其是微小转移、特殊亚型和治疗后改变。病理医师仍需完整审阅并可追加切片。

组织分类

算法可把图块分为肿瘤、间质、坏死或正常组织，为后续定量提供基础。混合区域和炎症可能误分类。分类准确率高也不等于患者诊断正确，因为最后还需整合病变模式和临床背景。

肿瘤分割

分割可描绘肿瘤区域、估算面积和帮助宏切。边界错误会影响肿瘤含量、标志物评分和分子送检。病理医师应检查分割是否包含原位癌、坏死、炎症或正常腺体，并按任务修改。

细胞检测与计数

AI可计数核分裂、淋巴细胞或阳性细胞，但重叠、碎裂、深色、炎症和伪影会影响。计数必须定义区域、细胞类型和排除规则。一个总数不说明空间分布，也不能脱离病理形态自动定级。

分级和评分

肿瘤分级往往综合结构、核特征和核分裂，且有疾病特异标准。AI可辅助其中某项，但不能把一种癌的规则迁移到另一种。分级边界病例应由专业病理医师复核，并可寻求第二意见。

淋巴结转移检测

算法可在大量淋巴结玻片中提示小转移，提高搜索效率。孤立肿瘤细胞、微转移、组织携带和色素可能造成困难。提示区域需病理确认，阴性病例也应按批准流程审阅，而不是只看算法摘要。

前列腺与乳腺等场景

特定模型可辅助前列腺癌检测、乳腺淋巴结或其他明确任务，但每个产品范围不同。不同器官的形态和分级不能共享同一模型。宣传“覆盖百癌”应要求逐项外部验证和监管用途。

HER2量化

AI可量化膜染色完整性、强度和比例，但乳腺、胃等癌种评分规则不同，异质性和边界结果常需人工。免疫组化可疑时可能需要原位杂交。算法分数不能越过伴随诊断说明书直接决定用药。

ER和PR量化

核染色阳性比例和强度可由AI辅助，但需区分肿瘤与正常上皮、淋巴细胞，并确认内外对照。低阳性和异质病例临床意义复杂，应由病理与肿瘤团队按最新指南解释。

PD-L1评分

不同药物和癌种使用肿瘤比例评分、联合阳性评分等不同算法，抗体克隆和平台也可能锁定。AI需正确区分肿瘤、免疫细胞和坏死。不能用一种模型自动换算所有PD-L1伴随诊断。

Ki-67与增殖指标

热点选择、计数细胞数和异质性会显著影响Ki-67。AI可提高重复性，但区域选择仍可能决定结果。阈值附近不能仅凭小数点精度做不可逆治疗决定，需遵循癌种标准和质量要求。

肿瘤浸润淋巴细胞

AI可估算淋巴细胞密度和空间分布，但不同研究的区域、排除标准和临床阈值不同。研究关联尚不能自动成为伴随诊断。坏死、压碎和慢性炎症会干扰，需要病理审核。

分子特征预测

模型可尝试从H&E预测突变、MSI或表达特征，但很多用途仍处研究或筛查阶段。即使预测准确，也不等于可替代经验证分子检测。若结果用于药物资格，通常应按标签要求确认。

预后预测

数字形态和临床数据可训练复发或生存模型。回顾性相关可能受治疗和机构偏差影响。风险分数只有在改变治疗能改善结局时才有临床效用，不能把高风险标签直接等同更强治疗。

原始病理诊断仍优先

组织结构、细胞形态、病变谱系、特殊染色和临床相关性需要综合。AI可能擅长一个窄任务，却不识别意外感染、第二肿瘤或标本污染。最终诊断应由病理医师签发，并标明算法只承担的部分。

参考标准

模型真值可能来自单一病理报告、多位专家共识、分子检测或临床结局。病理也存在观察者差异。验证应说明专家数量、盲法、争议解决和辅助检查，不能把未经复核的历史标签视为绝对真相。

患者级数据拆分

同一患者可有多张玻片和多个切片。若这些分到训练和测试两边，模型可能识别患者或制片特征，性能虚高。外部测试应按患者和机构独立，并避免同一蜡块的相邻切片泄漏。

病例谱与稀有亚型

典型常见癌易识别，稀有亚型、治疗后、炎症模拟和混合肿瘤更困难。总体准确率可能掩盖少数高风险错误。部署前要检查本院病例谱，超出范围时转专家人工诊断。

病灶级和患者级指标

图块准确率高不等于整例诊断正确。应报告患者级灵敏度、特异度、误报玻片数、无法分析率和工作量。微小病灶任务还需按病灶大小分层，避免由大病灶主导平均结果。

校准和阈值

风险分数需在本地患病率和工作流下校准。降低阈值减少漏诊却增加大量提示。阈值应按病理复核能力和错误后果设置，厂商默认值不能替代本地评估。

拒答机制

模型遇到失焦、错误染色、标本类型不符或置信不足时应拒答并转人工。强行给分会把质量问题变成虚假确定性。无法分析比例也应纳入质量指标，不得从性能统计中删除。

人机协作

AI可先筛查、第二读片或同步提示，不同模式会产生不同错误。先看AI可能带来自动化偏见，后看AI可能减少独立性。机构应验证完整工作流，并训练病理医师何时接受、修改或忽略。

搜索满意效应

算法标出一个癌灶后，病理医师可能漏看同片的第二病变、淋巴血管侵犯或感染。界面和流程应要求完整诊断清单，而不仅确认提示。多病变与非目标异常必须专门评估。

病理医师复核

复核应能查看整张全视野图像、原玻片、AI区域、质量和必要辅助检查。仅在算法报告上签字不充分。高风险治疗标志物和边界病例应按指南由合格人员确认，必要时复切或第二意见。

诊断报告呈现

报告要区分病理医师结论、AI辅助项目、样本和方法、结果数值、阈值、质量、局限及签发者。患者不应收到没有上下文的热图或概率。若算法失败或超用途，也应明确记录。

假阳性风险

炎症、反应性改变、压碎、色素、褶皱和坏死可被误报为癌或阳性细胞，导致额外切片、分子检测甚至过度治疗。提示必须经病理确认，机构需监测每例误报数及追加工作量。

假阴性风险

微小癌灶、特殊形态、低表达、失焦或未扫描区域可能漏诊。病理医师不能因AI阴性停止搜索。症状、影像或术中发现与病理不符时，应复核取材、切深层、追加染色或重新活检。

错误分割的连锁影响

肿瘤区域选错会进一步影响细胞计数、HER2、PD-L1、肿瘤比例和分子宏切。多任务流水线中，上游误差可能被后续精确数字掩盖。每个关键步骤都应可视化检查和纠正。

过度精确

算法可给出12.7%等数字，但样本异质、染色和区域选择的不确定性可能远大于小数。报告精度应与验证和临床阈值匹配。小数点不能制造生物确定性，边界结果要说明误差。

漂移来源

染色试剂批次、扫描仪灯源、切片机、固定流程、病例结构和诊断标准会随时间变化。输出阳性率变化可能来自真实流行，也可能是技术漂移。监测应同时查看输入、质控、结果和临床确认。

本地验证

上线前用本院组织、染色、扫描仪和病例进行独立测试，包括稀有、低质量和边界样本。验证还要测周转时间、人工负担和接口。达不到预设标准应调整或拒绝部署，而不是只用厂商演示。

持续质量控制

持续监测拒答率、重扫率、阳性率、病理修正、假阳假阴、亚组和严重事件。更换抗体、染色机、扫描仪或模型版本时进行桥接。保留旧版本和回滚能力，以便调查历史结果。

外部质量评价

能力验证和跨实验室比对可检查数字流程，但通过一次项目不等于所有AI任务可靠。每个算法、标志物和样本类型需相应质量证据。机构应记录偏差调查及纠正措施。

版本和变更管理

云端模型更新可能改变阈值、分割和评分。每份结果须追溯到模型、扫描仪、染色和软件版本。重大变更应验证并通知用户，不能在不知情下让同类患者使用不同规则。

网络与存储

全视野图像文件巨大，网络延迟、压缩、缓存和存储故障可能导致缺片或低质量显示。系统需校验完整性、备份和停机流程。断网时应能回到玻片或其他可靠诊断方式，不可停止紧急病理。

隐私与数据治理

数字玻片含标签、条码、组织图像和临床信息。应管理访问、去标识化、云端位置、第三方、训练使用、跨境和保存。组织图像与基因数据结合可增加再识别风险，研究使用需遵循同意和伦理。

网络安全

恶意篡改、勒索、患者错配或模型替换可影响诊断。需要身份验证、加密、日志、供应链和事件响应。网络问题不仅是数据泄露，也可能延误术中或急症结果。

监管边界

核对产品、版本、组织、染色、任务、扫描仪和预期用户。数字病理扫描系统的许可与AI算法的许可可能是两件事。研究模型、实验室质量工具和可影响治疗的医疗器械必须区分。

责任链

厂商负责软件质量与更新，实验室负责标本流程、验证和监测，病理医师负责综合诊断，临床团队负责治疗。患者应知道最终报告签发者、第二意见和纠错渠道，不能由算法公司直接宣布癌症。

严重事件和回溯

若漏诊或错误标志物造成重大延误或错误治疗，应立即纠正患者诊疗，保存玻片、图像、版本和日志，并按要求报告。还要检索同批次、同版本或同染色的其他病例，不能只修一份报告。

第二意见

罕见肿瘤、边界分级、治疗决定重大或AI与病理冲突时，可由专科病理复核。应提供玻片、蜡块、全视野图像、免疫和分子结果，而不是只发算法摘要。第二意见可能需要重新取材。

患者如何读取报告

先看标本部位、病理诊断、分级分期相关字段和签发者，再看辅助标志物。AI百分比只是某一测量，需结合阈值和方法。对“可疑”“不确定”或“标本不足”，应询问确认和治疗是否等待。

商业宣传红旗

宣称无需病理医师、H&E直接预测所有基因并处方、覆盖所有组织和扫描仪、准确率近百分百、不说明染色样本和病例谱、不给拒答和复核、只发热图、隐瞒版本更新，均需暂停并核验。

紧急就医边界

AI病理不能处理急性症状。出现呼吸困难、胸痛、意识改变、严重出血、高热伴寒战、单侧无力或快速恶化，属于急症，需要立即就医或由急救系统紧急评估，不能等待玻片扫描、算法评分或病理会诊。

就诊前准备清单

准备原始病理报告、切片和蜡块位置、取材部位与日期、免疫和分子结果、影像及治疗史。记录AI名称版本、扫描仪、染色、任务和输出，询问标本质量、本地验证、病理复核、冲突处理和纠错渠道。

必问病理机构的十二个问题

AI分析哪种组织和染色？扫描仪与版本匹配吗？承担检测、计数还是标志物评分？标本质量合格吗？训练中包含此亚型吗？无法分析怎么办？病理医师是否看整张片？阈值来自哪里？冲突如何确认？设备染色变化后复验吗？结果如何追溯？错误后是否回查同批病例？

六步患者决策链

第一步确认取材和病理问题；第二步核验标本、染色、扫描和算法用途；第三步查看外部、本地、亚型及边界性能；第四步由病理医师复核全片和质量；第五步用适当辅助检查确认会改变治疗的结果；第六步保留玻片版本，冲突、漂移或错误时进入专科复核和纠错。

FAQ

AI病理能直接确诊癌症吗

多数系统只辅助特定任务。最终诊断要由病理医师结合形态、临床和辅助检查签发，不能只凭算法热图。

AI显示阴性是否不用再看玻片

不是。算法可能漏掉微小、罕见或超出训练范围的病变，也看不到未取材或未扫描组织。病理医师仍需按流程审阅。

AI算出的PD-L1或HER2更客观吗

可提高一致性，但仍受取材、染色、肿瘤分割、平台和癌种阈值影响。边界和治疗关键结果必须由合格病理人员确认。

H&E预测基因阳性就能直接用靶向药吗

通常不能。多数此类预测仍需用药品标签要求的经验证分子或伴随诊断确认，研究预测不能替代正式检测。

数字病理第二意见只发截图可以吗

截图通常不够。应提供完整全视野图像或玻片、相关蜡块和辅助检查，让复核者能查看全部组织和不同倍率。

权威来源与核验入口

本页采用世界卫生组织、美国食品药品监督管理局、美国病理学家学会、英国皇家病理学会、欧洲病理学会和美国国家标准与技术研究院资料。产品与版本变化快，实际使用当天应核验任务、染色、扫描仪和监管状态。

患者决策链

1. 明确诊断、阶段、治疗目标和安全时间窗口。

2. 核对该技术在患者所在地区的批准、指南和证据状态。

3. 比较标准方案、合理替代、暂缓与不治疗的获益和风险。

4. 确认执行团队、机构条件、监测、费用和严重并发症接管。

5. 获取书面计划，包含成功指标、停止条件和失败后的下一步。

6. 治疗中按阈值报告异常；急症立即使用所在地急救。

7. 疗效或病情变化后重新评估，不机械延续原方案。

使用边界

本页用于技术教育和质量核验，不构成病理诊断、标志物用药或治疗建议、算法或机构推荐、隐私法律意见或性能保证。最终诊断必须由具备资质的病理医师结合原始标本和临床信息签发。

权威来源与核验入口

1. https://www.who.int/publications/i/item/9789240029200

2. https://www.who.int/health-topics/medical-devices

3. https://www.fda.gov/medical-devices

4. https://clinicaltrials.gov/

5. https://pubmed.ncbi.nlm.nih.gov/

6. https://www.cochranelibrary.com/

查询时请使用具体技术、产品或疾病名称，并核对国家、适应证、日期、版本和研究状态。