2026年，人工智能在医疗领域的渗透速度远超预期。病理科，这个传统上依赖显微镜和医生经验的科室，正站在AI浪潮的最前沿。然而，当AI给出辅助建议、医生签发最终报告时，一个无法回避的问题浮出水面：责任在谁？谁来把关？
带着这个问题，我们特邀浙江大学医学院附属第二医院病理科邹泓教授，围绕“AI在病理科的真实落地”与“多重免疫荧光（mIHC）的临床前景”进行了一次深度访谈。
康迅网：AI在病理科的应用越来越深入，但AI给出建议与医生签发报告之间，责任归属一直是个疑问。在浙大二院，或者从您个人的理解来看，这个责任由谁承担？谁更重要？
邹泓教授： 从现在到未来，我相信——谁是法律责任的承担者，谁就是主导者。 目前来说，AI在病理中的应用仍然是病理医生主导，我们更倡导的是人机协作。AI帮我们解决一些复杂、重复性高的问题，由病理医生判读和签发。我想在未来至少10年之内，仍然会由医生来主导、承担责任。
医生要把AI当作一个工具。你如何用好AI，这既是你的学习能力，也是你的责任和义务。
康迅网： 从您的临床工作经验来看，AI在病理科医生心中的地位和重要性是怎样的？
邹泓教授： AI让我们病理科医生非常兴奋，但也有一些病理医生有一点恐惧——恐惧的是“我以后会不会被取代”。也有很多科学家看到病理医生会说：“以后我们就不需要你们病理医生了，有AI就够了。”
那事实是否如此？我想和大家分享一篇最近发表在《新英格兰医学杂志》子刊NEJM AI上的观点文章，标题是“Bridging the Gap — Translating AI in Pathology into Clinical Impact”——跨越鸿沟，将病理AI转化为临床影响。文章提出了一些重要问题：AI所需的病理科基础设施建设远远没有完成。即使在美国，乃至我们中国，我们可以说，我们的数字病理进度和流程已经处于全世界领先，绝不输于美国。
那么AI为什么应用困难？首先，AI想要大规模应用于临床，病理科必须提供一个全临床应用级的全数字化病理科。这个数字化病理科不是简单的几台扫描仪、几台存储就能拼凑出来的，它必须进入全工作流——包括从取材到制片、到扫描、到扫描后的切片质量，到医生是否调用数字切片阅片，还是医生看完片后切片再去扫描。这些全工作流都要打通。
在AI真正投入应用之前，有一个前提，叫做“AI Ready前的全数字化病理临床应用级病理科建设”，这是个非常庞大的工程。非常高兴的是，今年国家出台的政策非常好，已经在数字病理收费上有了一定体现。我想在未来的几年，中国的病理科将进入钻石级的发展阶段，因为会推动病理科进行大规模的数字病理基础设施建设，这就是AI Ready前的应用。
康迅网： 那么AI进入病理科之后，具体能做什么？
邹泓教授： AI的应用其实并不只是大家所想的诊断层面。以我们病理科为例，我们的应用是分层的。
第一层，是用AI进行切片质量控制和智能分片。 现在我们正在做的，就是数字化病理科之后的智慧化管理，即AI Ready的管理。AI帮我们抓取数据流、工作流中的各个节点，帮我们发现科室中可能出现的质量风险，发现问题、解决问题、提示风险。所以AI可能未来会成为病理科管理的重要帮手和抓手。
第二层，才是AI在诊断层面的应用。 像我们科里，现在有相对比较成熟的宫颈脱落细胞学AI，帮助病理医生进行初筛工作，当然报告的责任主体仍然是医生，AI是辅助。我们也在做胃肠镜相关的AI临床应用研究，也在与其他医院合作，开展基于HE切片的分子预测，并进入工作流流程。我们的AI应用是分层的，成熟度和研究进度各不相同。这也印证了AI在病理科的应用，正逐渐由研发走向成熟应用。同时一定要做好科室医生的培训，最后做到人机协同，提高效率，最终服务于患者、服务于临床。
第三层，是AI Ready的高质量数据集建设。 病理科拥有非常广泛而珍贵的样本资源。如何把这些优质样本资源——从“金矿”提炼为“黄金”，这也是国家在倡导的。像我们医院，王建安院士一直在倡导AI Ready前的高质量数据集建设。我们科现在已经申报了，拟准备申报16项，目前已有五六项可能进入正式的数字资产申报。未来这些高质量的数据集能够为AI所用，这是病理科学会从金矿凝练出黄金、为大规模医学应用服务的重要过程。
所以我想，AI在病理领域，首先要完成AI Ready前的临床应用级数字化病理科建设；然后是AI辅助管理和质控；第三是AI在诊断上的分层应用；第四是AI Ready的高质量数据集建设。这是我们为拥抱AI时代所做的所有工作和努力。
（邹教授在科室实践中提出的管理框架）
康迅网：多重免疫荧光（mIHC）从全自动化平台到结合AI辅助诊断，在您这边是已经落地实施，还是仍在推进过程中？
邹泓教授： 非常好的问题。多重免疫荧光是我们认为未来病理科又一个临床应用与研究的蓝海。
今年非常高兴的是，国家已经出台了相应的收费项目。有了收费项目之后，临床应用就会进一步拓展。我们也在等待收费以及新技术新项目的申报，之后会在不同场景上对它进行应用。
比如，我们会在某些伴随诊断中，像PD-L1这些，联合AI来进行。我们已经做了一些比较好的预试验，结果发现AI辅助判读相对于人工判读，人机结合效率更高、更加精准。这是第一种应用。
第二种，对于非常珍贵的样本，多重荧光有更好的应用。比如肺癌穿刺、淋巴瘤穿刺样本非常珍贵，我就可以实现在一张切片上做多种直接免疫组化染色，这是非常好的应用。
但这里面还有一个问题：我们在应用多重荧光时，要解决两种方向。一种是定性，我大致看多重荧光的染色阳性、阴性，判断病变性质就可以。另一种是通过多重荧光去计算，比如浸润免疫细胞的数量以及空间分布——这个时候，AI的应用就更加有必要。我们也在联合浙大、上海的一些企业，在做这方面的具体应用级AI研发。
结语
从AI的责任边界到数字化病理科的建设，从分层应用到高质量数据集，再到多重免疫荧光的蓝海探索——邹泓教授为我们描绘了一幅AI与病理深度融合的路线图。在这幅图景中，AI不是替代者，而是帮手；医生不是被取代者，而是主导者。正如邹教授所说：“谁是法律责任的承担者，谁就是主导者。”在未来的十年里，人机协同，或许才是病理科最值得期待的模样。
专家简介
陈健 教授
浙江大学医学院附属第二医院病理科，常务副主任（主持工作），临床病理学国家住培专业基地主任
病理学教授/主任医师，博士，博士生导师
中华医学会病理学分会泌尿男生殖专科组、数字病理与人工智能、中青年主任专业组员
中国医疗器械行业协会病理专业委员会常委
中国抗癌协会肿瘤基因诊断专业委员会常委
中国临床病理学毕业后教育委员会委员
中国研究型医院学会超微与分子病理学专业委员会委员
中国女医师协会病理专业委员会委员
浙江省医学会病理学分会副主委
浙江省医师协会病理学分会副会长及数字医学分会副主委
浙江省抗癌协会肿瘤病理专委会副主委
长三角病理联盟浙江省分会常委
采访专家丨浙江大学医学院附属第二医院 邹泓教授
来源：康迅网。
热门跟贴