数字病理、智慧数字病理的 发展能够让病理诊断跨越地域限制、提升病理诊断 效率及准确性、节省诊断时间及运营成本。

1.数字病理跨越地域限制，扩大优质医疗资源可及性

相比传统病理，数字病理实现了病理诊断和科 研服务划时代的变革。通过数字病理，病理医师可 以脱离显微镜的限制，在具备网络及显示环境的空间下进行病理诊断、远程会诊，打破了病理诊断的 时空限制，扩大了优质医疗资源的可及性，使得大 量基层医疗机构服务能力得以提升。

2.智慧数字病理提升诊疗效率，节省诊断时间

智慧数字病理系统建设和运营可以在一定程度 上节省诊断时间，提高诊断效率。在实际病理科工 作中，有累计 80.0%的病理科医生认为当前数字病 理系统可以提高 50%以上的工作效率（N=45），有 累计 71.9%的病理科医生认为智慧数字病理系统可 以提高 50%以上的工作效率（N=32）。

3.人工智能算法升级带来智慧数字病理诊断准确性进一步提升

数字病理的发展为人工智能等技术用于病理辅 助诊断提供了可任意放大的病理图像和精准标注的 数据，形成了丰富的适合深度学习的数据集。与 AI 等技术结合后，智慧数字病理在病变识别、病变分 类、病变预测等病理诊断领域发挥巨大作用。

当前，深度学习等人工智能技术已经应用于各 类病理学图像的处理和分类中，神经网络被训练完 成特定的图像分割、诊断或预后情况判断 [2] 。Wang 等 ［3］运用 网络构建有监督的分类模型智能医疗问答系统， 在分类任务中曲线下面积（Area Under Curve， AUC）达到了 0.925，并获得了 比 赛的冠军。此后，医疗打造了名为淋巴结助 手（LYmph Node智能医疗问答系统，LYNA）的工具，希 望在 数据分类的基础上得到提高。 2018 年， 团队加入了美国圣地亚哥海军医 疗中心的数据集后，LYNA 实现了 AUC 达到 0.99 的结果，且模型不受常见的组织学伪影（例如过度 固定、染色不良和气泡）的影响［4］。

2019 年， 等 ［5］提出了应用弱监督学习对大数据 量的前列腺癌（24,859 个 WSI）、皮肤癌（9,962 个 WSI）、乳腺癌（9,894 个 WSI）的数据集进行 分类检测，实现了所有癌症诊断的 AUC 达到 0.98。 该研究仅采用报告诊断作为标签，而非大量的手动 注释，证实运用基于大数据、低标注数据集的弱监 督模型在临床数据中的应用效果优于基于高标注数 据集的监督学习模型。2019 年 8 月， 等 ［5］提出了基于 24,859 张前列腺 WSI 构建的弱 监督学习模型，准确率达到了 98%。有研究利用自动图像分析检测获得的胃活组织检查标本的灵敏度、 特异度、阳性预测值和阴性预测值分别为 89.5%、 50.7%、47.7% 和 90.6%，显示了人工智能技术 在筛查胃镜样本中的应用潜力。

4.完整智慧数字病理系统或能够降低医疗机构运营成本

在全球范围内，有数据显示，实施完整数字病 理系统能够有效的削减医疗机构成本。据公开资料 显示，美国国家生物信息技术中心（NCBI）网站上 发表的一篇论文中，对大型机构中实施数字病理系 统如何显著降低成本进行了分析。在实施数字病理 学后的 5 年时间里，一个每年有 21.9 万份订单的实 验室预计可节省 1240 万美元。其关键因素在于， 生产力的提高使得实验室工作人员可以更好地管理 时间，使得数字病理系统分析组织图像的效率和精 准度远高于传统显微镜。除以上提升效率外，我们 进一步推测建设完整智慧数字病理系统后，传统物 理切片存储空间成本将由数字信息存储成本所替代， 购买传统显微镜相关费用也将由扫描仪和显示器所 替代，两方面的成本替代，或也可以降低医疗机构 的运营成本。