病理诊断绝非"低端医疗"：AI是助手，而非替代者

城北华夏病理 2026-03-25 12636 评论

[导读] 城北

近日，全国人大代表、中国工程院院士于金明在接受《中国科学报》采访时提出，"AI可逐步取代一些低端的医疗行为，如常规的影像诊断、病理诊断及放疗计划制订等传统工作"。此言一出，立刻在全国病理从业者群体中引发强烈反响，也触发了医疗界对AI定位、学科价值的广泛讨论。作为一名从业30年的病理医师，我觉得有必要站出来，把病理诊断的真实分量说清楚。

1."低端"二字，伤害的是一个学科的根基

于院士将"病理诊断"与"放疗计划制订"并列，称之为"可被AI取代的低端医疗行为"，这一表述我们实在不敢苟同。首先，从培养周期看，何来"低端"？根据中国医师协会病理科医师分会公开数据，全国注册病理医师仅约2万名，对应14亿人口，相当于每7万人才有1名病理医生，缺口超10万，是国内医疗体系缺口最大的专科之一，远低于美国每2万人匹配1名病理医生的水平。而培养一名能独立发报告的合格病理医生，需要经历5年临床医学本科、3年硕士/博士研究生教育，再加至少3年住院医师规范化培训，基础成长周期就长达11年以上，亚专科病理医生的成熟期更是长达15年，这样的培养强度、准入门槛，在整个医学门类中都排在前列。如果这都算"低端"，那医学教育里何为"高端"？

其次，从临床地位看，何来"低端"？病理诊断是全世界公认的医学"金标准"，病理医生更是被称为"医生的医生"。临床上哪怕影像、体征再指向癌症，只要病理报告没有签字确认，就不能启动抗肿瘤治疗，这是全球通行的医疗准则。世界卫生组织发布的肿瘤分类系统是全球诊断的统一标尺，病理的分型、分期直接决定治疗方案的选择：肿瘤良恶性判定、预后风险评估、靶向治疗标志物检测、免疫治疗PD-L1表达判读，所有环节无一不依赖病理诊断。临床医生的治疗方案建立在病理报告之上，患者的生命走向系于病理诊断的一字之间：一份报告可能决定患者要不要切除器官、要不要接受放化疗、还有没有手术根治的机会。承担着这样责任的学科，怎能被称为"低端"？

2."常规"不等于"简单"，更不等于"低端"

于院士口中的"常规病理诊断"，或许指的是那些形态典型、诊断明确的病例。但作为每天要审阅数百例切片的一线病理医生，我们深知：病理诊断的世界里，从来没有"常规"的预设。每一张切片摆在面前时，我们都不敢有丝毫懈怠：一个看似普通的炎症病例，可能隐藏着只有几个细胞大小的早期癌变；一例看起来非常典型的腺瘤，可能在边缘几毫米的区域已经发生局灶恶变；一张初判"未见异常"的淋巴结切片，高倍镜下可能藏着只有数个细胞的微转移灶。病理诊断的日常，就是从99%的"正常"表象里，揪出那1%足以改变患者命运的异常。

更重要的是，病理诊断从来不是单纯的图像识别。同样的形态特征，放在不同部位、不同年龄、不同临床背景下，可能有完全不同的诊断意义：同样是"核大深染"的细胞形态，出现在乳腺可能是恶性肿瘤，出现在甲状腺却可能只是良性增生；同样是"腺体拥挤"的结构改变，在子宫内膜是癌症的典型指征，放在胃黏膜里却可能只是炎症刺激后的反应性改变。这需要病理医生综合临床病史、发病部位、大体标本特征等多维度信息做出判断，绝非简单的模式匹配就能完成。

于院士自己也说过："医疗工作关乎人的生命安全，容不得半点差错。"既然容不得差错，又怎么能把病理诊断轻易交予AI？一个假阴性的乳腺癌诊断，可能让患者错过最佳治疗时机，从早期可治愈拖成晚期不治；一个假阳性的前列腺癌诊断，可能让患者接受不必要的手术去势，承受终身的生理和心理创伤。这些错误的代价，AI公司付不起，算法工程师付不起，那张不会说话的切片更付不起。

3.AI应当是病理医生的"放大镜"，而非"替代者"

我们从不反对AI在病理领域的应用，事实上华夏病理网也一直在探索AI辅助远程诊断的落地可能性。但我们必须清醒地认识到当前AI的局限性，它永远只能是工具，不能替代人：

第一是AI的"黑箱"问题。当前主流AI模型普遍缺乏可解释性，它可以告诉你"这是癌"，却无法说清判断依据是哪些形态特征、需要和哪些相似疾病做鉴别。医疗诊断最核心的要求是"可溯源、可解释、可重复"，这种"不知其所以然"的输出，本质上是不负责任的"黑箱判决"，完全不符合临床诊疗规范。

第二是训练数据的局限性。AI的性能高度依赖训练数据的质量和多样性：如果训练数据都来自三甲医院的优质切片，模型放到制片、染色标准不统一的基层医院就很容易识别不准；如果训练数据缺乏罕见病例，AI遇到罕见病时甚至会出现"乱判"的情况。数据偏差会带来系统性的误判，最终的受害者永远是患者。

第三是假阴性的致命风险。AI很容易把真正的病变误判为"正常"，这种错误在癌症筛查中是致命的。2023年《JAMA Oncology》发表的一项研究显示，当前AI辅助病理诊断的假阴性率仍高达5%-10%，放在全国每年上亿次病理诊断的基数下，意味着每年可能有数十万患者被AI漏诊，这个代价谁都承担不起。

第四是责任归属的法律空白。目前全球没有任何国家的法律允许AI独立出具医疗报告，所有AI给出的结果都需要病理医生审核签字，最终的法律责任全部落在医生身上。总不能让医生为自己无法掌控的AI错误买单，这个逻辑根本说不通。

我们始终认为：AI是医生的工具，不是医生的对手。它可以帮医生快速筛掉大量完全正常的视野，把医生的精力留给可疑区域；可以帮基层医院做初筛，减少偏远地区的漏诊；可以帮年轻医生快速学习典型病例，缩短成长周期——这些应用都是在给病理医生"赋能"，而不是要"取代"谁。真正能交给AI的，只有简单的细胞计数、免疫组化定量分析这类完全机械性、重复性的劳动，而病理诊断最核心的价值：从千变万化的形态里找规律、从蛛丝马迹里辨真伪、在信息不足的不确定性里做最负责任的判断、为每一份报告的结果承担法律和道德责任，这些恰恰是AI永远无法企及的核心能力，是医疗最"高端"的部分。

4.该给AI医疗热降降温了

当前AI医疗确实是产业热土，但我们必须警惕一种倾向：为了推动技术落地，刻意贬低现有专业的价值，把人的劳动矮化为可被算法替代的机械性工作。病理是整个医疗体系的基石。没有病理，肿瘤治疗无从谈起；没有病理，精准医疗就是空中楼阁；没有病理，靶向治疗、免疫治疗都失去了决策依据。WHO肿瘤分类、TNM分期系统、分子病理诊断指南——这些国际标准的制定和更新，依赖的是全球病理医生数十年积累的专业智慧和临床经验，绝非算法迭代就能替代。

医学更不是简单的图像识别。如果单靠AI能识别图像就可以判定一个学科"低端"，那AI能读CT，影像科就是低端？AI能写病历，临床医生就是低端？AI能根据指南开处方，整个临床医学就都是低端？这种逻辑本质上是对医学核心价值的误解。医学的本质是"人学"，是人和人的照护，是面对生命时"如履薄冰"的谨慎和敬畏，这些从来都不是冰冷的算法能替代的，更不应被贬低为"低端"。

结语

于金明院士是我国肿瘤学领域的权威，为我国肿瘤防治事业做出的贡献有目共睹，我们也非常认同AI在医疗领域的应用潜力，只是关于"病理诊断是低端医疗、可被AI取代"的表述，我们实在无法认同。我们欢迎AI进入病理领域，成为医生的得力助手；但我们坚决反对把病理诊断矮化为"可被取代的低端工作"。

华夏病理网成立二十年来，我们亲眼见证了中国病理事业的发展，也见证了两万病理医生的幕后坚守：他们守着显微镜下的方寸世界，守着临床诊断的最后一道防线，守着每一位患者的生命重托。病理诊断是医疗体系里不可或缺的"金标准"，它的价值不应该在AI的产业热潮里被矮化，病理医生的坚守和尊严，更不应该被"取代"的喧嚣轻易否定。毕竟，每一份病理报告的背后，都是一个鲜活的生命。这份重量，永远只有人才能扛得起来。

作者提示: 个人观点，仅供参考