2020年“新基建”首入政府工作報告，以新基建為基礎的雲化、人工智慧（AI）、大資料等技術正在驅動各行各業向資訊化、數位化、智慧化轉型升級。在這其中，人工智慧醫學已按下快速鍵，促使醫療行業中的很多場景實現智慧變革。在基層醫療場景中，一直困擾醫療行業的病理領域，就將得益于人工智慧實現創新變化。
病理行業發展現狀仍然艱難
受到市場發展較晚和醫療制度的限制，中國病理行業發展緩慢，隨著制度的放開以及市場需求擴大，儘管近年來病理行業轉型趨勢日漸清晰，但是發展現狀仍不樂觀。
基於目前實際情況看，大多數病理研究還局限在醫院完成，這就導致了一方面，目前醫院所承擔的病理研究遠遠不及需求，病理醫生極度缺乏。據相關資料顯示，截至2018年末，中國在冊的病理醫生（包括執業醫師和助理執業醫師）為1.8萬人，中國至少有10萬名病理醫生的巨大缺口，而培養一名合格的病理科醫生，一般需要10年以上。同時，醫療行業優質資源分佈不均，目前三級醫院病理醫生占比為62%，二級醫院占比為37%，三甲醫院病理醫生超負荷工作，而偏遠地區等基層醫院嚴重缺乏病理人才，不僅無法開展病理診斷，更導致學科發展受限。另一方面，在整個社會的專業化分工日益明顯的大背景之下，醫療檢測服務需求的不斷上升和檢驗專案的日益增多，使得醫院作為醫學檢驗業務的唯一實現主體已經無法滿足檢驗及診斷業務的發展。除此之外，受到病理診斷時間不及時，（中國平均需要3周才能出具結果），各地病理診斷技術水準參差不齊等因素的限制（中國病理報告準確率平均為70%左右），病理科和病理診斷仍然面臨著巨大的挑戰。
AI病理診斷解決三大難題
基於病理行業的發展痛點，依託人工智慧實現數位化轉型可謂是病理行業的必經之路。現今，人工智慧已進入醫療的眾多細分領域，在病理場景中，人工智慧可通過圖像識別技術，助力病理轉向數位化診斷，有效提升病理診斷效率，助力病理行業突破瓶頸。
從人工智慧與病理發展融合推進的必然趨勢分析，AI的注入將主要解決三方面問題：
一是緩解醫生緊缺。目前病理行業最嚴峻的問題是人員不足，隨著免疫組化和分子診斷的快速增長，會對病理人員的要求更高，工作量也會更大，未來相當長一段時間病理人員不足的問題還將更加嚴峻。AI病理診斷技術可大幅縮短醫生的工作量，提高工作效率，從而降低醫療成本。但由於目前技術所限，在病理樣本採集、圖像資料處理及結果判讀上仍有大量技術難點亟待攻克。
二是縮短檢查時間。病理AI是通過人工智慧演算法，對數位化的病理切片進行診斷，目前較為典型的應用就是DNA倍體檢測，引入AI輔助甚至替代人工進行一些常規的病理診斷及癌症篩查，能夠有效彌補人工診斷時間長的問題，盡可能在最短的時間內，惠及更多普通患者。
三是解決專科化。病理專科化難度高，絕大多數病理科醫生平均人數在2-3人，難以推廣專科化，造成病理品質不能跟上臨床發展的步伐，而人工智慧將有效解決專科化的問題，實現資源分享、能力協同。
國內外研究成效初顯
從國際病理AI趨勢來看，主流國家都在積極推動病理人工智慧和相關資料的發展。2017年，NHS提議建立29個病理樞紐和輪輻網路，為整個英國醫療系統提供病理服務。2019年，英國商務部提議建立5個數位病理和圖像中心，提升病理在AI方面的發展速度和進度，飛利浦、通用電氣、西門子和徠卡將共同領導這5個新的AI數字病理學成像中心。
目前，中國國內AI病理行業主要由上游的硬體設備、試劑生產商，中游的病理專家和智慧演算法軟體發展企業，以及下游的醫院、疾控中心和獨立實驗室等應用終端構成。作為行業的上遊方，亞洲先進醫學研究院正在著力研發的AI病理診斷系統，線下可為大中醫院提供AI病理診斷全流程全自動服務，線上可為中小醫院/其他協力廠商病理診斷中心，提供遠端AI病理診斷服務。
據相關專家介紹，病理行業未來發展將呈現兩大趨勢，連鎖化及產業化，在這其中病理AI的落地推廣將有望為病理產業帶來新時代的新機遇。