中国病理医生的缺口，瑞金医院和华为云用AI补上了多少？

2026年8月30日，上海练秋湖。上海交通大学医学院附属瑞金医院院长宁光、病理科主任王朝夫、华为公司董事、华为云CEO周跃峰、华为云智慧医疗Lab主任白树青走上演讲台，身后的大屏幕上，是瑞智病理大模型RuiPath 2.0联合发布的重磅官宣。

台下坐着的，是来自全国90多家已落地医院的专家，以及更多正在评估中的医院管理者。他们的共同身份是：见证者。而这场论坛的真正主角，正是这个已经在全国90多家医院跑起来的病理AI——RuiPath 2.0。

王朝夫分享的是RuiPath 2.0的“硬实力”——19个癌种、205项诊断任务、59个诊断任务中42个达到SOTA。但比这些数据更值得追问的是：这些能力，除了瑞金还能不能用？答案是：已经在用了。

在论坛的后半程，重庆大学附属三峡医院副院长印明柱用实践给出了回答——一个月内，面向渝东北“三区八县”及跨省周边100余家基层医院构建了云上区域数智病理中心。“用20%的人就可以干100%的活”，他不是在说医生会失业，而是意味着病理科医生的战场正在从显微镜前移到数字病理、分子病理、精准治疗、数据决策。

浙江省肿瘤医院病理科主任苏丹则展示了另一条路径——没有瑞金医院那样雄厚的基础科研资源，但用一套“先信息化、再数字化、再智能化”的务实路径，完成了小标本全流程数字诊断，AI已辅助完成17.5万余张切片的诊断。

在邯郸市中心医院，AI在深夜自动完成切片初筛，乳腺癌诊断准确率从82%提升到96.2%；在重庆大学附属三峡医院，肠镜活检准确率达97%；在瑞安市人民医院，从部署到上线仅用5天，医师阅片从20分钟压缩到秒级。

这些医院地理位置不同、规模不同，但指向同一个结果：一个在县域的患者，不再需要带着切片奔波数百公里才能拿到一份精准的诊断报告。

过去，顶尖的病理诊断能力是“稀缺品”，被锁在少数头部医院的围墙里。现在，它正在变成一种“可下沉的服务”，流向最需要的人。

中国病理诊断的“不可能三角”

中国医疗行业长期存在一个结构性的死结：优质资源高度集中、基层能力严重薄弱、人才培养周期极度漫长。三者互为因果，循环锁死。要破这个局，必须先看懂它有多紧。

一组数据足以说明问题的严重性：我国有3.8万家医院，但只有5000家设有病理科。全国病理医生不足2万人，缺口极大。大部分县域医院连独立的病理科都没有，患者只能跨区域就医。

这意味着中国绝大多数县域的癌症患者，从确诊的第一步就开始面临障碍。

癌症的精准治疗高度依赖病理诊断——通过显微镜观察组织切片，判断细胞是良性还是恶性、属于哪种亚型、处于什么阶段。这是临床决策的“金标准”。但这项能力在基层几乎是空白。设备可以采购，扫描仪可以配置，但“谁来看片子”这个问题，钱解决不了。

一个病理医生的培养周期是5到10年，对应的缺口，靠传统方式填上需要数十年时间。这意味着，如果不引入新的变量，中国基层病理诊断的困境将在未来十年内持续恶化。

于是患者只能等——等到身体出现症状了再去查，导致很多癌症发现时已是中晚期。中国是癌症高发国家，但最核心的矛盾不是“治不起”，而是“查不出来”。大量患者在应该被早期发现的窗口期，因为基层做不了病理诊断而错过了最佳治疗时机。

这背后藏着一个更残酷的现实：顶尖三甲的水平已经可以与国际一流比肩，但不少县域医院的病理诊断能力几乎是一片空白。顶尖少而强、基底多而弱，大部分人够不着优质资源。而够不着的代价，是时间和生命。

扭转这个局面的希望，落在了AI身上。周跃峰在论坛致辞中明确指出了这一点：“我国城乡医疗资源不均衡带来癌症早期诊断的困境，是摆在我们面前具体的一个民生难题。华为云和瑞金医院长期坚持用AI解决这些问题，通过病理AI技术补齐基层医疗短板，让优质诊断能力走出顶级三甲医院，切实普惠广大的基层患者。”

政策的窗口正在打开。2025年，国务院“人工智能+”行动意见、卫健委AI赋能基层诊疗专项文件相继出台。同年12月，国家医保局更首次将“切片数字化”作为扣减项、“人工智能辅助诊断”列为病理诊断扩展项并纳入价格构成——若医疗机构不做病理切片数字化、不上云平台，医保支付金额会减少。政策与技术的双轮驱动正在形成，让这场变革不再是某个医院或某家企业的自选动作，而是一个正在成形的系统性工程。

但政策只能指明方向，真正填平鸿沟的，是技术落地的方式。AI能不能在基层扎根，关键在于它能不能解决三个问题：诊断能力够不够强，部署门槛够不够低，落地之后能不能越用越准。

RuiPath 2.0，让顶尖病理能力变成一项可下沉的服务

2025年2月，瑞金医院联合华为发布RuiPath——中国首个进入医院生产流程的临床级病理大模型。一年后，华为云智慧医疗专区上线。2026年6月，首批26家医院入驻；8月，这个数字变成了90多家。

但真正值得追问的不是“落地了多少家”，而是“凭什么能落得这么快”。

第一道题：能力够不够强？

RuiPath 2.0不是“又一个病理AI”，不是“只在实验室里跑通”的演示品，而是能覆盖病理医生90%日常诊断工作的临床级工具。它覆盖19个常见癌种的90%日常诊断任务，可处理205项诊断任务——从1.0时代的100余项翻倍至此，是业界覆盖最全的病理AI模型，其基础模型在59个诊断任务中42个实现SOTA，超越美国哈佛UNI2、微软Virchow2等主流病理基础模型。

以乳腺癌为例。RuiPath 2.0可完成有无肿瘤、组织学类型、组织学分级、各类组织侵犯、淋巴结转移等十余项诊断，从定性到分型到侵犯到转移，贯通病理诊断全流程。对一个乳腺癌患者来说，从“有没有癌”到“是什么癌”到“到什么阶段了”——过去需要多个步骤、多位医生、多天等待的完整诊断链路，现在AI可以端到端辅助完成。

但广度只是基础。更深层的突破在于两项能力：临床可解释性和罕见亚型攻坚。

过去业界病理AI的一个通病是“黑盒效应”——它指出了一个可疑区域，但说不清“为什么”。医生不敢信，也不敢用。RuiPath 2.0从1.0“指出可疑区域”升级到2.0“解释诊断依据”，首次在组织学亚型、浸润深度、核分裂象等维度实现精确的可解释性标识。通俗地说，它不再只是说“这里有问题”，而是告诉医生“这里是什么问题、属于哪种类型、侵犯到了哪一层”。

王朝夫对此有一个直观的比喻：“智能病理模型的训练就像老师教学生，你教对了它会学对，你教错了它会学错。”RuiPath 2.0的能力，建立在瑞金医院数十年积累的优质病理数据和病理医生团队的精准标注之上——这是任何算法都无法替代的起点。

另一个绕不开的难题，是罕见病种数据极度稀缺。病理AI的训练依赖海量标注数据，但罕见病种病例本就稀少，能够用于模型训练的更是少之又少。针对这一困境，瑞金医院联合华为云打造了病理多模态生成式模型，能够基于单张病理图像生成多张高质量的衍生训练数据，有效扩充罕见病例样本，缓解数据不足的问题。

以淋巴瘤为例，其恶性肿瘤细胞常隐匿于反应性淋巴细胞和巨噬细胞之中，同一亚型的瘤细胞形态变化多端，传统AI模型因训练数据不足，识别精度长期难以突破。因此，王朝夫在论坛上表示，淋巴瘤是“病理诊断中的难点中的难点，是病理诊断的珠穆朗玛峰”。

针对这一困境，依托病理多模态生成式模型生成的高质量训练数据，RuiPath 2.0在淋巴瘤常见、罕见亚型诊断上均实现了较高的准确率，对经典型霍奇金淋巴瘤、血管免疫母细胞性T细胞淋巴瘤、弥漫性大B细胞淋巴瘤、滤泡性淋巴瘤、小淋巴细胞淋巴瘤等常见亚型均展现出良好的识别能力。

能力够强，只是第一道门槛。 如果部署一套AI需要医院自建机房、购买算力服务器、配备算法人才，那么绝大多数县域医院根本够不着。这正是过去医疗AI落地的核心瓶颈：技术设计的时候，没想过“谁是真正的使用者”。

第二道题：门槛够不够低？

华为云的解法是“端云协同”。基层医院只需要有数字扫描仪和现有PC，无需额外升级硬件或网络，即可快速接入。云端承担算力调度和模型推理，本地只做结果呈现和医生复核。这套架构把“建数智化病理科”的门槛，从“自建机房”降到了“开通一个云服务”。

成本上的对比更为直观。以前医院自建一套数智化病理科，包括扫描仪、线下存储服务器、AI算力服务器、AI算法等，一次性投入数百万到上千万，建设周期动辄一年以上。华为云通过“云上安全存算+以租代建”模式，首年成本仅为传统模式的十分之一，五年整体拥有成本下降40%，周级即可接入。

针对基层医院算力普遍不足的现实，华为云还推出了轻量化版本RuiPath 2.0 Edge——业界首个支持PC端实时推理、端云协同的病理模型，让广大基层医院无需额外升级硬件即可实现分钟级推理。

能力够强、门槛够低，还不够。 有一个被大多数医疗AI产品忽略的问题：落地之后，能不能越用越准？

第三道题：落地之后能不能越用越准？

不同医院的制片、染色、扫描流程存在差异，同一个模型从瑞金迁移到邯郸，准确率会下降——因为模型“没学过的特征一定不会”。业界大部分病理AI产品采用的是“院外训练、院内推理”的模式，模型在单一数据集上训练完成之后便不再更新，跨院部署后性能衰减是常态，基层医院更是无力自行训练专属模型。

华为云智慧医疗专区的医疗AI使能平台，是业内唯一具备模型增训能力的平台。医院用不到传统训练10%的本院数据，即可在瑞金RuiPath的基础上增训出符合本地特征的专属模型。更为关键的是“数据飞轮”机制：医生在复核AI结果时修正错误、补充标注，这些数据回流至模型训练流程，驱动模型持续迭代——每一家医院每一次使用，都是模型自我进化的素材。

这背后揭示了一个根本逻辑：顶尖三甲的经验是起点，但每一家医院都需要拥有自己的专属模型，才能在本地真正发挥作用。AI不是一锤子买卖，而是一个在持续使用中不断进化的能力。

能力够强、门槛够低、越用越准——三道题都解开了。王朝夫对此的判断是：5年内，如果病理科还没用上智能病理，那将是一个落后的病理科。

从瑞金到县域的路径正在被快速验证。90多家医院的半年实践表明：这条“顶级医院研发攻坚—地市三甲区域协同—县域基层云端调用”的路径，不仅在技术层面可执行，在成本层面可承受，在组织层面可复制。

病理AI，真正改变的是什么

技术指标和数据之外，真正值得追问的是：普通人的处境被改变了多少？

邯郸市中心医院的实践提供了一个真实切面。年切片量15万张，单日600至700张，辐射武安、涉县、大名等县域。引入RuiPath之前，邯郸面临三重压力：病理科医生长期超负荷工作，一个病例的显微镜精细观察耗时数十分钟；周边县域医联体单位的病理诊断能力薄弱，初诊符合率偏低；基层患者只能带着切片奔赴邯郸甚至更远的省会城市。

邯郸的改变是从工作流程的重构开始的。

每天下午，当病理科第一张数字切片完成扫描，华为端云协同客户端便自动接管。AI在云端调度算力，对每张切片逐一完成智能分析——有无肿瘤、组织亚型、恶性分级等信息被逐一标记。单张切片从数分钟压缩到秒级，整个夜间批量推理流程在医生次日到岗前全部完成。清晨，医生打开工作站，AI已完成全部辅助诊断，只需复核确认。

AI正在把人的时间还给人。

结果是什么？常见病症初诊符合率提升至90%以上。基于邯郸本地数据增训后，乳腺癌准确率从82%提升到96.2%；肠活检仅64张切片即达98.1%准确率。“邯郸的切片，邯郸的模型”——这不是一句口号，而是“数据飞轮”在真实临床环境中兑现的结果。

同样的逻辑在重庆和浙江被验证。三峡医院一个月内面向渝东北“三区八县”及跨省周边100余家基层医院构建了云上区域数智病理中心，肠镜活检有无肿瘤准确率达97%，胃镜活检98%。瑞安市人民医院5天完成端到端对接，医师阅片从20分钟/片到秒级，首年成本仅数十万元。

印明柱算的账更明确：数字化之后，用20%的人就可以干100%的活。这不是在说医生会失业，这意味着病理科医生的战场正在从显微镜前移到分子病理、精准治疗、数据决策。重复劳动交给AI，人的价值在别处。

上述案例指向同一个结果：一个在涉县的患者不再需要带着切片奔波千里，一个在三峡库区的老人能在家门口拿到诊断报告，一个在瑞安的医生从重复劳动中解放出来。

这才是“普惠”最朴素的样子——不是某一家医院变强了，而是那些原本够不到优质资源的人，终于不用再跑了。

宁光在论坛上说了一句话：“今天构建的大模型不是为了在三甲医院建起一座技术壁垒，而是为了修筑一条通向基层的高速公路。”

涉县不是终点。全国有3.8万家医院，90家只是开始。但一条路径已经清晰，一个模式已被验证。

当AI不再被锁在顶尖三甲的围墙里，当模型训练从“千卡集群的奢侈品”变成“每家医院都能做的平常事”，当一名县域医生的电脑里跑着与瑞金同源的诊断能力——这场迁徙的终点，不是一个更先进的模型，而是让更多人，无论身在何处，都有机会在疾病面前抢回时间。

中国病理医生的缺口，AI补不上全部。但它可以让医生不再独自承担。

RuiPath 2.0不是终点。这场关于“看病不远”的实践，才刚刚开始。

文章来源：第一新声

更多内容请点击链接→
https://mp.weixin.qq.com/s/_bUSdYkfh1j8TJsoOxm7Eg