近年来，随着人工智能（AI）的蓬勃发展，AI在各个领域中得到了广泛的应用。AI在病理领域的研究正在不断的深入和快速的发展，以下是一些主要的应用方向和最新进展：

1.疾病诊断

• 癌症诊断：AI模型能够通过分析细胞和组织的微观图像，精准识别癌症。例如，ECgMPL模型诊断子宫内膜癌的准确率高达99.26%，还可诊断结直肠癌、口腔癌等多种癌症。重庆发布的“灵眸”大模型可识别胃、结直肠、乳腺等九大器官的57种肿瘤亚型，具备高敏感度和特异性。

• 其他疾病诊断：除了癌症，AI还可用于诊断其他疾病。如PathAI平台利用机器学习方法，可对多种疾病进行诊断和分析。

2.病理图像分析

• 图像分割与识别：AI能够自动识别病理图像中的肿瘤区域、细胞结构等。例如，通过深度学习算法，AI系统可以自动分割肿瘤组织，量化生物标志物。

• 多模态数据融合：一些AI模型结合影像、基因、文本等多模态数据，提升对复杂病例的分析能力。如华为瑞金病理模型通过多模态数据融合，显著提升了复杂病例的诊断能力。

3.预后评估与治疗决策

• 预后预测：AI可以根据病理图像和其他临床数据，预测患者的预后。例如，基于组织病理学图像的AI模型可以预测患者的生存时间、疾病复发风险等。

• 治疗方案制定：AI能够辅助医生制定个性化治疗方案。通过分析病理数据，AI可以预测患者对不同治疗方案的反应，帮助医生选择最适合患者的治疗方案。

4.提升病理诊断效率

• 自动化分析：AI可以处理大量的病理图像，快速识别病变特征，从而减轻病理医生的工作负担，提高诊断效率。例如，“灵眸”大模型在细胞病理识别中实现了99.5%的敏感度与82.6%的特异性，在组织病理方面，敏感度高达99.6%、特异性达83.5%。

• 辅助诊断工具：AI模型可以作为辅助诊断工具，为病理医生提供诊断建议和参考。例如，PathAI平台为病理学家提供了一系列基于AI的工具，帮助他们更准确地进行诊断。

5.科研与创新

• 发现新的生物标志物：AI可以分析病理图像中的复杂模式，发现新的数字生物标志物，为疾病的研究和治疗提供新的思路。

• 推动病理学研究：AI技术为病理学研究提供了新的方法和手段，有助于深入理解疾病的病理机制。

6.临床决策支持

• 透明化推理机制：一些AI模型通过独创的病理思维链框架，完整还原医生临床诊断路径，输出可追溯的诊断结论。

• 优化临床工作流程：AI可以整合到病理诊断工作流程中，从图像采集、分析到诊断报告生成的各个环节，提高整个流程的效率。

7.教育与培训

• 模拟训练：AI可以生成虚拟的病理图像和病例，用于病理学教育和培训，帮助学生和年轻医生提高诊断技能。

• 智能辅导：AI系统可以根据学生的学习进度和表现，提供个性化的辅导和反馈。

8.数据管理与质量控制

• 病理数据管理：AI可以帮助管理大量的病理数据，包括病理图像、临床信息等，提高数据的存储、检索和分析效率。

• 质量控制：AI可以对病理图像的质量进行评估，识别图像中的噪声、伪影等问题，确保图像质量符合诊断要求。

总之，AI在病理领域的应用前景广阔，正在逐步改变病理诊断和研究的方式，推动病理学向智能化、精准化方向发展。

我院病理科在福建省内较早的应用AI辅助病理诊断和开展AI在病理领域的科学研究的单位。2022年4月，我科引进新一代宫颈癌筛查人工智能辅助诊断系统，是福建省首家应用人工智能辅助诊断的病理科。该系统显著地提高了宫颈癌筛查的效率和诊断准确率。

我科丁鑫副主任医师于2019年开始就与厦门大学信息学院、健康医疗大数据国家研究院开展了多项AI病理科研合作。2024年9月，丁鑫副主任医师与厦门大学信息学院俞容山教授课题组在Cell Press旗下期刊Cell Reports Methods上共同发表了题为 “Tracing unknown tumor origins with a biological-pathway-based transformer model”的最新研究成果。

他们开发了一种名为BPformer的深度学习方法（图1），结合Transformer模型与生物通路的先验知识，用于不明原发灶转移癌（CUP）的肿瘤原发灶的预测。BPformer在来自32种癌症类型的10,410个原发肿瘤转录组数据上进行了训练，在原发性肿瘤、转移性肿瘤的原发部位和转移部位预测准确率分别达到了94%、92%和89%，超越了现有方法，展示了优越的预测准确性和跨平台的良好泛化能力，特别是在取自转移部位的转移肿瘤数据上表现出色（图2）。此外，BPformer在回顾性研究中得到了验证，与通过免疫组织化学和组织病理学诊断的肿瘤部位一致。更重要的是，BPformer利用多头注意机制，提取转录组中的基因特异性特征，从而有效分析基因间的相互依赖关系，能够基于肿瘤起源鉴定的贡献对通路进行排序，帮助将致癌信号通路分类为：(1)不同癌症之间高度保守的通路；(2)依癌症起源而高度可变的通路。

为便于研究人员利用BPformer进行肿瘤组织来源诊断，他们开发了一个公开的在线网页服务器——BPformer在线平台（https://cup.bpformer.com/index/）。该项研究的发表不仅为CUP的识别提供了新的工具，还为理解肿瘤转移的分子机制提供了宝贵的生物学见解。

相关链接：

论文：https://www.cell.com/cell-reports-methods/fulltext/S2667-2375(24)00153-X