别把 AI 当主治医生：肺癌病友用 AI 看报告，哪些能信？|ct|医生|治疗|病友|病理科|穿刺|肺癌

作者：闵

今年可以说是被 AI 人工智能与机器人“轰炸”的一年。豆包、DeepSeek、元宝等各类 AI 软件，从各种角度疯狂渗入我们的生活，衣食住行几乎无一幸免，连医疗也不例外。甚至还有传闻说，FDA 正在考虑用 AI 模型来替代部分动物实验。

不少病友已经开始尝试用 AI 分析自己的检查报告，甚至向 AI 直接“咨询”治疗方案——这些无疑都是非常新奇的体验。

但其实，AI 与医疗的结合，比我们想象中要早得多，也要复杂得多。

今天就想和大家简单聊一聊：AI 在医疗领域，究竟能为我们做些什么？又有哪些“做不了”的地方？

AI 辅助阅片软件：

最早落地、应用最成熟的一类

AI 最早与医疗融合的具体领域，很难下一个绝对结论；但如果要选出目前应用最为成功、最“接地气”的方向，那一定有 “AI 辅助阅片软件” 的一席之地。

如今，AI 辅助阅读 CT 影像已经远远不是停留在概念层面，而是实实在在地投入了临床应用。仅在我国境内，目前就已经有十数款 AI 辅助阅片系统，获得了国家药监局颁发的第三类医疗器械注册证。

很多病友可能对我国医疗行业的准入门槛不太熟悉：只有拿到相关注册证的产品，才具备合法合规在国内医院使用的前提条件，因此审核标准非常严格。这些 AI 辅助阅片系统能够获得注册证，说明其本身的技术和安全性，已经达到了相对成熟的水平，才有资格通过“体检”。

影像科可以说是医院最繁忙的科室之一。大家可能深有体会：

每天在 CT 室门口排队等着拍片的病人不计其数。

我们不妨换位思考一下：

在如此巨大的工作量下，如果仅靠影像科医生一双肉眼、一张片子一张片子地看，无非两种结果：

要么阅片效率很慢；
要么在疲劳中容易遗漏一些微小病变

而在这种场景下，AI 的优势就凸显出来了：

不会疲惫、不讲情绪，可以长时间保持高效；
它具有学习能力，临床上又有大量影像数据可以用来训练；
再辅以算法优化和影像学专家的指导，AI 辅助阅片软件就这样逐渐发展起来了。

在我们病友群日常的聊天中，常会提到一个现象：

近些年，在 CT 上发现肺部小结节的人越来越多。

这当然和设备的更新换代有关，但另一个重要原因，就是 AI 辅助阅片软件的应用越来越广，它能识别出更多过去容易被忽略的微小结节。

不过，这并不意味着影像科医生从此成了“轻松按按钮”的工种。现实情况是：

医生是借助 AI 辅助阅片软件，先标出影像上可疑的结节或异常区域，借此节省“翻片子”的时间；
最后的判断权仍然在医生手中——每一个被标注出来的可疑结节，仍需要专业医生逐一判读。

目前，AI 对部分结节的测量、对部分结节性质的判断，与有丰富经验的资深医生相比，仍然存在差距。因此，它在这个阶段，更适合作为一个“不知疲倦的助手”，而不是代替医生“拍板”的角色。

图片来源：包图网

AI 病理诊断软件：

需求很大，但难度更大

在医院系统中，病理科往往并不起眼，也不被广大病友所熟悉。

但它其实是整个诊疗流程中最关键的一环——几乎所有治疗方案的基础，都要建立在病理诊断之上。

简单来说：病理科是负责“帮你确认到底得了什么病”的科室。

外科、内科以及其他科室，基本都要依赖病理科的诊断结果，才能做到“对症下药”。

病理科肩负着极其重要的责任，同时每日的工作量也非常巨大。

大家可以想象一下：

一家医院每天有多少台手术？
有多少例活检？
还有胸腹水等各种不同类型的样本？

这些都需要病理科医生一张切片一张切片地，在显微镜下观察和判断，稍有判断失误，就可能误导病人的整个治疗方向。可以说，这是一个体力与精神压力叠加的科室。

笔者大约在 2017 年参加过一场在重庆举办的西南地区病理学科会议。

当时与会的专家几乎都表达了对AI 病理软件的期待：

希望它能够像 AI 阅片软件一样，帮助减轻沉重的工作压力；
甚至有专家畅想，将来能在病理科中实现更多自动化、智能化的辅助工具。

但在具体讨论中，专家们也指出：AI 病理辅助诊断软件的开发之所以不如 AI 辅助阅片软件“顺风顺水”，核心难点在于——病理诊断中有太多不确定、难以量化的因素。

其中最突出的一个问题是：

在显微镜下经常能看到一些分化不典型的细胞。
这些细胞在形态上，部分特征并不完全符合教科书或诊断标准中的典型描述。

举例来说：

有的病友最终的病理报告上写的是“分化差的癌”或“低分化癌”之类的表述；
甚至无法明确判断是非小细胞肺癌还是小细胞肺癌，更别说细分为肺鳞癌、肺腺癌了。

出现这种情况，一方面可能是因为癌细胞本身的形态确实很“不典型”，与传统定义中的几类癌细胞在显微镜下的特征都不完全符合；

另一方面，也可能是因为活检取到的组织样本中，癌细胞的含量太少，导致难以做出特别准确、细致的诊断。

此时，可能就有病友会问：
“不是还有免疫组化指标吗？‘++ --’ 那些，阳性阴性不就可以帮忙确定了吗？”

这里就涉及到病理学科另外一个和我们想象中“完全客观的实验指标”不太一样的地方。

免疫组化确实对诊断有重要的辅助作用
但它并不是一个绝对客观、机械化就能给出“是/否”的终极标准

原因主要有几点：

免疫组化的染色与判读，依赖病理医生的技术与经验，同时也受到不同染色试剂品牌的影响。
● 同一张切片，用不同品牌的试剂染色，呈现出的结果可能并不完全相同；
● 同一张染色切片，由不同医生判读，那些“染色不太明显”的细胞，很可能因个人主观判断不同，导致结果上有差异。
● 最终染色细胞“多”或“少”，就会体现在报告单上的“+ 或 -”符号上。换句话说：免疫组化的阴性或阳性，并不是 100% 客观的机械结果。
癌细胞本身的“性格”也不总按照教科书来。有时，某些癌细胞的免疫组化结果并不完全符合百度、科普文章或教材上描述的“典型特征”，但综合形态学、免疫组化及其他信息后，病理科仍会诊断为某种癌。这种情况，往往就非常依赖病理医生的个人经验和诊断信心。

正是因为上述这些特点，AI 病理软件的训练难度远高于表面想象：

不能单纯依靠“多喂数据、设定几个规则”就快速做出一个可靠的模型；
它需要一整套更复杂的逻辑体系和更精心构建的标准化数据库。

好消息是，相关的基础工作其实一直没有停下脚步。

例如：上海兰卫医学检验所与中国信通院上海工创中心在今年 2 月共同承担的上海市经信委人工智能专题专项——

“基于病理数字切片标注的单病种智能初筛机器人诊断标准数据集”（简称“数字切片标准集”）项目，并且已经顺利通过上海市经信委的验收。

这类项目的推进，说明大家都在为未来更成熟的 AI 病理软件打基础、搭积木。

总之，病理科对 AI 病理辅助软件的需求真的很迫切，但 AI 在这一领域的训练与落地，仍然是“任重道远”。

图片来源：包图网

穿刺导航机器人：

更像“高配版百度地图”

经皮穿刺是临床上一个非常普遍、也非常重要的操作方式：

它操作灵活，身体几乎各个部位都可以穿刺；
功能多样，可以用于活检，也可以用于治疗

我们就以大家较熟悉的胸腹部穿刺为例：

医生可以通过 CT 扫描看到体内占位病灶的位置，从而大致决定从体表哪个位置进针。但真正到了穿刺的那一刻，医生的肉眼是无法穿透皮肤的，他能依靠的，只有：

手感和经验；
以及“穿一针，扫一次 CT，再调整”的反复确认过程。

也正因为此，【经皮穿刺导航机器人】逐渐成为近年来介入学科中的一个热门话题。

从每年一届的介入学年会就能看出来这一点：

几年前，展区里只有零星一两家穿刺导航机器人厂家参展；
而到了今年的介入学年会，已经接近 10 家，其中还包括国产知名影像设备厂家联影等，也在积极开发自己的穿刺导航机器人。

从导航原理上来看，目前的穿刺导航设备大致可以分为三类：

光学导航
电磁导航
超声导航

它们通过不同的物理原理来跟踪和定位穿刺针的位置，再通过软件实时分析并呈现在导航屏幕上。

此时，病友们可能就会有疑问了：

“听起来导航确实有用，可这和 AI 究竟有什么关系呢？”

关于这个问题，我也特意问过几家做导航设备的厂商人员。

目前来看，AI 在导航设备中的角色相对还比较弱，主要体现在：

自动识别影像数据，
快速生成三维空间模型等方面。

目前，几乎没有发展到由AI 自动设置入针点和穿刺路径的程度。

厂商之所以在这点上相对保守，主要有两个方面的考虑：

穿刺路径本身不是唯一的标准答案。
它需要综合考虑术者个人习惯、经验，以及患者的具体解剖情况。
这意味着，如果要让 AI 完全接管路径规划，学习成本和复杂度都会大幅增加。
牵涉到医疗伦理与责任问题。
如果未来某一天，穿刺路径全部由 AI 规划，医生只是“遵循 AI 路线”或者“在此基础上微调”，那么一旦出现意外并发症，责任应由谁来承担？
这是目前业内都非常谨慎对待的问题。

基于技术条件仍未完全成熟、伦理和责任界限尚不清晰等多重原因，

目前经皮穿刺导航设备的主流模式还是：