迄今为止，病理诊断仍被认为是疾病最可靠的诊断，病理诊断被誉为疾病诊断的金指标。怎么样提高病理科的运营效率，如何保证乃至提高病理诊断的含金量，在满足临床一直增长诊断需求的同时，尚需跟上时代步伐，满足对疾病更精准诊断的需求，这是病理科需要思考和解决的现实及与时俱进的问题。截至2021年全球范围内已有数十家病理中心及实验室实现了诊断全面数字化，在汹涌而来的医疗数字化浪潮下，国内病理科要想跟上时代的步伐，必须把数字化建设视为一道“必答题”，而非传统概念中的“选答题”。蛋壳研究院经过广泛深入的调研，和对国内外文献的梳理，推出《数字化智慧病理科建设白皮书》，为病理科数字化、智慧化建设提供了较为全面的解答，对病理行业的发展是一次有益的探索和尝试。本白皮书不仅是数字化智慧病理科建设的年鉴，更是汇聚中国医院数字化智慧病理科建设经验的重要载体。

　　《数字化智慧病理科建设白皮书》全文共8万余字，因微信篇幅所限，以下文字、图表内容为节选，故编号未能按顺序标注，欢迎扫码下载获取完整白皮书。

　　相比检验、影像科，我国病理科自动化水平相对弱势。一方面，我国病理科设备少、自动化水平较低。

　　相较于检验科和影像科，病理科设备配置数量、种类均明显少于检验、影像科室；病理流程的多环节对医技人员的专业要求比较高，自动化的设备数量较少，使得科室整体运转的自动化程度较低。

　　常规的病理检测所需要的时间为3-5天，如果有较为疑难的疾病，加做免疫组化或分子检测，所需的诊断时间更长达7-10天。相比之下，检验、影像科室的检验项目大部分当天内就可以完成。近两年，受精准诊疗需求的推动，病理科受重视程度逐步的提升，三甲医院多已建设分子病理实验室，扩大了病理科的规模。

　　随着信息化技术的升级，数字化技术的出现给病理科业务标准化带来了希望。将物理切片数字化，使得病理医生可以通过显示器阅片，同时也会打破会诊切片传输过程中的时空限制。而且，数字化将流程和记录工作无纸化，提高了病理科的运营效率；集成的数字化系统将记录和归档工作电子化，实现全流程的信息追溯并优化后续的归档管理效率。AI技术的出现为病理科的质控及诊断再添一翼。首先，AI通过自动检验测试数字切片图像中的异常和错误，来帮助病理医生进行智能质控，确保诊断结果的准确性和可靠性。其次，AI能够辅助医生进行诊断，自动排阴筛查，降低医生工作量。

　　数字病理是一种基于图像的动态环境，能够采集、管理和解释从数字化切片生成的病理信息。通俗来讲，是指通过扫描技术对病理数据来进行数字化采集（将传统病理的物理切片转换成高分辨率数字图像），医生通过数字化切片生成的信息进行病理诊断以及病理数据管理。数字病理是数字成像技术（又称计算机成像技术）在病理学领域的成功实践，包括临床和非临床两方面的应用。临床应用：包括通过数字病理图像进行日常病理学诊断以及开展远程病理诊断。非临床应用：包括科研和教学。

　　病理科工作流程分为标本送检、登记、取材、制片（脱水、包埋、切片、染色）、诊断、报告出具、归档。传统工作流程的运转依赖人工操作以及实物载体（纸质记录、物理切片等），通过建立全流程信息管理系统和标本追踪系统，能轻松实现全工作流程无纸化、质控管理精细化。

　　传统病理阅片有必要进行人工分片后，医生通过显微镜对物理切片进行分级审阅。传统的模式下，医生审片等待时间长，并且受限于实验室和显微镜。进行数字化升级后，通过数字扫描仪，实体切片以扫描图片的形式在电脑端呈现，并且通过信息化的系统实现实时的分配。一方面，病理医生不再需要依赖显微镜，工作地点或能散布至临床科室，加强与临床端的沟通与合作。另一方面，以系统取代人工分片，可以极大程度节约医生的上班时间，来提升工作效率。

　　来源：Journal of Digital Imaging，蛋壳研究院

　　诊断环节：通过数字图像实现远程应用拓展，引入人工智能技术减少病理医生重复性工作。

　　实现切片数字化后，其图像文件经网络传输从而实现远距离病理诊断，突破了时空限制，延伸了数字病理的应用范围，可以实现更多医生参与疑难病例的共同决策。另外，对于常规病理切片的诊断来说，大部分常规切片难度较小，但是切片量往往较大、具有高度重复性，因此很容易造型诊断医生的疲劳，难以体现病理医生的真正价值。通过AI技术深度学习能力，可以辅助病理医生决策和诊断，减少医生的重复性工作。

　　归档环节：数字化存储技术可帮助科室建立数字病理图书馆，赋能教学及科研。

　　未实现数字病理流程之前，传统的病理归档是通过建立档案室，对物理切片及蜡块进行统一管理。随着时间流逝，容易出现玻片褪色等问题，并且实物切片很难对有价值病例进行大规模分享，限制了进一步的应用拓展。通过数字化升级后，病理切片可以通过数字图像的方式永久性存储，并且通过网络可以进行无上限的分享，打造更有价值的知识共享平台。

　　数字化智慧病理科建设不仅仅是病理科自身的建设，更需要医院整体生态系统的配合以及产业端的联合推进。

　　全模块、全流程数字智慧病理科室的建设不仅需要依靠病理科自身的努力，还需要院方管理层、行政部门、信息科、临床科室以及产业端的共同参与。

　　全流程数字智慧病理科建设涉及到多个业务环节的改造，科室自身不仅需要对空间、人员配置等方面进行合理规划，还需要配置相应的数字化、智慧化设备以及系统，定制新的工作流程；单靠科室的力量无法解决全方位的优化升级。

　　全片量、全生态数字智慧病理科的建设很大程度上依赖于医院管理层、病理学会以及监管层的共同促进。

　　如前文所述，数字化智慧病理科最终建设形态不应该只针对部分病理切片以及单一科室的建设。仅实现单科室的部分病理切片升级优化无法推动整个病理行业的数字化、智慧化发展，行业痛点依然无法得到彻底的解决。因此，要想真正意义上实现数字化智慧病理科建设必须依靠行业整体的力量，针对全片量以及全生态都进行改造升级。要实现全片量、全生态的全面覆盖，需要非常高昂的成本投入，这并非病理科自身努力可以实现的目标，需要更高层级的推动与呼吁。

　　信息化是指基于信息管理系统对传统病理科工作流程进行全面线上化升级，实现全流程信息化管理。信息化是数字化的基础。

　　传统病理实验室缺乏追踪系统，组织标本、蜡块和玻片都是通过手写的方式记录，并通过纸质记录单进行业务交接以及保存；这种工作模式下很容易因为人工失误导致记载错误以及记录丢失的情况，并且无法进行追溯。信息化建设的第一步就是需要对工作全流程进行无纸化、线上化升级，其建设前提是引入追踪系统。通过追踪系统，可以真正实现病理检查全流程无纸化操作，在符合生物安全规范的同时，也大大地节省人力、耗材和储存空间。

　　。追踪系统包括条形码和条码阅读器（即扫码枪），通过机器扫及计算机自动记录的方式进行智能化信息抓取，可以完全取代人工操作，对每个环节交付物进行线上记录，实现全程无纸化的留档和交付，避免人为误差。并且，通过与病理PIS系统对接，可以实时记录操作人员、环节用时等，方便后续进行错误追踪和统计，实现工作流程监控。

　　这里值得注意的是，必须对从组织离体到报告出具全工作流程进行线上追踪，组织标本、蜡块、物理切片等所有环节交接物均需要配备追踪条码，并在手术室、病理科样本接收站、取材台、制片室对应配置条码阅读器。

　　传统病理科信息管理系统只能支持简单的签发报告功能，无法实现科室内部工作流程信息化管理，样本流传仍是依靠人工。因此，要实现无纸化管理，科室PIS系统是必要条件。同时，信息系统所记录的日常工作中产生的多项数据也为病理科医疗质量控制及其持续改进提供了有效依据。

　　由于病理科操作环节复杂，因此对应其信息化建设也会涉及到多个模块。不同医院工作流转细节各异，因此在模块设计上会存在差异，但基本模块相差不多。根据研究院调研结果总结，一个完善的病理信息管理系统需要包括以下几个必备模块。

　　建立数字病理系统，实现物理切片数字化。数字病理系统包括扫描工作站、数字诊断、存储模块、数字化质控、数据安全五大模块。

　　扫描模块主要负责数字病理图像的采集和处理，包括数字化扫描、图像预处理、图像增强、归一化和标准化等。

　　扫描仪是将物理切片转化为数字切片的基础。扫描仪的质量决定了输出图片的压缩情况，直接影响显示成像的质量，是数字切片能否还原模拟实体切片的第一步。

　　成像的质量（还原度、清晰度、色差）以及阅片体验感（系统流程度、操控性）除了与扫描仪的质量有关外，还与显示模块有关。一方面，显示屏决定了图片的可视化程度，是否可以无色差、无压缩的呈现。

　　数字诊断模块需要实现显微镜诊断下所有操作功能，包括诊断视野移动、图像缩放、多层次展示、图片截图等。通过辅助个性化组件开发可以实现自动检测以及优化工作流程，包括，自动检测物镜放大倍数和形态校准、关联载切片标签数据和图像、增强目镜功能，实时查看注释、数据库管理和过滤，自动保存价值数据。

　　专业数据存储模块主要负责数字病理图像的存储和管理。数字病理图像需要按照一定的规则进行存储，以便进行后续的访问、处理和分析。该模块还需要实现图像检索、筛选、比较和归档等功能。

　　传统病理科病理是通过物理切片进行存储，长期会存在褪色情况，无法真正意义实现永久保存。实现切片数字化后，物理切片可以以数字图片的形式进行永久性存储。首先，存储的实现需要有相匹配容量的存储设备作为存储介质。其次，需要通过存储系统实现数据的存入和取出两大功能，要保证未来5年数字化诊断、全院临床、科研、教学的500-1000个切片1秒并发调阅的需求，确保存储短时间内不落后。再次，一定使用先进的蓝光介质确保数据存储成本低存储周期长，满足国家卫健委要求数据长期保存30年免迁移的要求，且支持数据“随要随取”的快速调阅。

　　该模块主要负责数字病理数据和知识的管理和存储。数字病理系统可以通过积累大量的数字病理数据和知识，来提高分析和诊断的准确率和效率，也可以用于疾病预测和治疗的研究以及教学工作的开展。

　　WSI质控模块主要对切片数字化过程的质量以及一致性进行管理和控制，提高数字化病理诊断的准确性和可靠性。

　　扫描过程中，可能会因扫描器载玻片清洁不当、扫描聚焦不佳、拼接方式错误导致扫描伪影，从而影响最终诊断结果。因此，需要对数字切片扫描的质量进行评估，包括切片图像的清晰度、分辨率、对比度等。

　　对数字切片的存储、检索和共享进行质量控制，确保数字切片的完整性和可靠性。

　　对数字化病理诊断过程进行质量控制，包括对诊断过程中的误诊、漏诊、误判等问题进行监控和纠正。

　　对数字化病理数据进行质量控制，包括对病理报告、诊断意见、病例资料、影像资料等进行质量监控和纠正，确保数字化病理数据的准确性和可靠性。

　　病理数据属于患者隐私信息，一旦泄露容易造成医疗风险，尤其是实现病理切片化后，数据安全性问题成为一大重点问题。

　　因此数字病理系统中必须设置数据安全管理模块来保障系统的安全以及对权限进行管理。

　　通过数据加密、访问控制、身份验证等一系列技术来确保数据的安全和隐私；同时，通过权限管理和审计等功能，进一步确保系统的安全和稳定。

　　病理科可根据自身发展需求，基于数字病理系统进行应用平台的叠加。一般包括三个应用平台：会诊平台、教学平台、科研平台。

　　数字病理系统可以通过远程会诊和交流功能，让医生之间展开协作，提高诊断的准确率和效率。远程会诊平台核心是远程会诊系统的搭建。一个成熟的远程会诊系统需要包括以下8个功能模块。

　　数字病理切片的出现彻底改变了病理学教学的模式，利用数字切片可以突破培训规模、地点、人员的限制。

　　教学平台基于教学数据库以及远程教学系统可实现线上教学、培训等功能，促进医学教育的发展。

　　除了同样需要用户管理、交流协作、安全管理模块外，还需要设置教学相关模块，如教学课件的输出与展示、教学任务的分配、教学成果的统计，还可以针对具体教学需求，设置规培测试、教学打分等。

　　科研平台基于数字病理数据库和云计算技术，为病理科研人员提供更多有效科研数据，提高病理科研的效率和质量。

　　从科研角度来说，数据统计分类以及价值挖掘，是最核心的内容。科研平台模块设置需要注重数据相关功能的开发。

　　AI应用主要体现在4个环节：制片环节、诊断环节、质控环节、病理科研环节。

　　AI在数字病理制片环节的应用依赖AI图像分析技术，可以帮助制片环节实现更高质量、更高效率。应用模块主要包括以下几个方面。

　　AI可应用于数字化标本制备过程中的智能切片模块，通过数字化设备对于组织标本进行数字化扫描，提示取材的病变区域，辅助切片位置更加精确切片和标本图像的快速采集。

　　一方面，可以通过深度学习技术对染色过程进行自动化控制和智能优化，提高数字病理图像的染色质量。另一方面，未来或能实现虚拟染色。传统方式是通过化学试剂染色，存在成本高和周转时间长的问题。根据加州大学洛杉矶分校的研究团队最新技术，可以基于AI深度学习功能，对物理切片进行虚拟HER2染色。生物组织在吸收光时会产生自发荧光信息，通过捕获未染色组织的自发荧光信息和深度神经网络，可以快速将这些无染色的自发荧光图像转换为虚拟组织学图像，显示出准确的颜色和对比度。这种虚拟染色过程每个样本只需几分钟，且不需要昂贵的设备或有毒化学品。仅通过一台计算机，就可以在染色环节实现更快、更经济的完成效果。

　　一方面，人工智能拥有病理报告的自然语言处理能力，可以自动分析和提取数字病理报告中的关键信息，如病理学特征、病理分级等，实现数字病理报告的自动化处理和整合，提高数据录入的准确性和效率。另一方面，人工智能可以应用于病例的智能识别和归档，根据不同的病例类型和特征对病例进行分类和整合，提高数据管理的效率和准确性。

　　AI技术具有图片识别和自动分析能力，在病理诊断中，可以自动识别和定位病变区域，并且根据学习模型为病理医生提供参考意见。

　　现有技术已经可以实现部分癌种的初步筛阴，很大程度上减少了病理医生低值工作量（约70%）。以细胞病理诊断为例，病理AI系统对细胞检测后分析，可以初步筛选出阴性病例，检出率高达99%以上，与人工水平持平，病理医生只需要对诊断结果进行复核以及适当控制即可以出具报告。

　　单独的病理辅助系统需要上传数字病理图像，因此需要配备图像导入功能。若后续实现了扫描系统与AI诊断系统的对接，则可以通过端口实现自动化传输。

　　包括数据预处理、特征提取、图像分类、智能分析。AI系统需要对病理图像质量控制、归一化、去噪、对比度增强等进行预处理。通过深度学习算法，对病理图像的特征信息，如形态学、纹理、颜色等进行提取和分类（正常、异常图像）。

　　通过可视化、解释性技术和AI自动分类结果和相关的临床信息，并对AI模型的结果进行解释，使医生能够更好地理解和接受AI的诊断结果，提高医疗决策的信任度和可靠性。

　　AI技术可以自动输出结构化报告。AI会根据分析结果，给病理医生提供参考诊断结论。目前除了宫颈细胞学之外， AI诊断仍未获得其他方向的三类证；因此现阶段，病理医生仍需要对、AI诊断结果进行人工审核，对于存疑病例进行修改后自动生成诊断报告。

　　AI技术可以根据个体的生物特征和病理表现等信息，构建针对个体的智慧化病理诊断模型，实现个性化辅助诊断。通过构建智慧化病理诊断模型，可以更加准确地预测疾病的发展趋势和治疗效果，为个体化治疗提供科学依据，提高诊疗效率和质量。

　　来源：Seminars in Cancer Biology，蛋壳研究院

　　构建智慧化数字病理诊断模型，并通过对已有样本的训练和优化，提高模型的预测准确性和稳定性。

　　对构建好的模型进行评估和优化，以保证模型的可靠性和泛化能力，并根据新的数据进行模型更新和迭代。

　　应用于临床实践，为医生提供辅助诊断和治疗建议，同时进行自身模型、算法的优化。

　　人工智能可以识别和纠正病理诊断中的错误和偏差，提高准确性和可靠性。利用AI进行质控，主要体现在三个方面的赋能。

　　除了可以在实际操作过程中进行实时风险预警，还可以利用AI统计分析不同环节的用时情况以及完成质量，推动后续工作方式及人员协同的优化。例如，可以通过AI技术自动检测并突出显示H&E染色幻灯片图像的模糊、不可读区域。

　　数字切片是数字化病理学的基础，数字切片的质量直接影响到病理诊断的最终结果。AI可以对数字切片的清晰度、色彩准确性、伪影、图像失真等进行自动化的控制，保障数字切片的质量。

　　，在病例发送给病理医生之前，可以用AI帮助筛查意外事件，例如组织污染、微生物污染等；在诊断结束后，还可以用AI进行复核，给出错误警告。

　　AI结合数字病理技术可以推动病理科研的快速发展，挖掘病理切片更多未知的价值以及应用方向，主要体现以下三个功能模块。

　　传统方式是进行人工分类以及标记来完成数据库的建立，工作量繁杂。利用人工智能技术可以自动对数字病理图像进行分类和标注，建立亚专科数据库作为科研依据。

　　AI技术可以更高效的对数字病理大数据进行挖掘和分析，发现隐藏在数字病理数据中的规律和趋势，帮助医学研究人员发现更多新的研究方向。

　　可以利用人工智能技术对数字病理数据进行可视化和交互分析提供直观的数字病理图像和数据分析结果，帮助研究人员进行数字病理数据分析和研究。

　　根据医院定位和职责，头部大型医院自身应该实现以信息化系统为基础、数字病理图像为载体、全流程质控、AI型高效运转的数字化病理科建设，促进“医、教、研”三头并进。从宏观角度来讲，头部医院还应该承担全国病理科整体发展的领头作用，推动建设方案以及行业标准的制定，带动下级医院病理科建设。承担国家区域医疗中心、省级区域医疗中心的三级医院会有很多分院区，在病理科医生紧缺的情况下，分院区很难派出或招聘到病理科医生，数字化病理是这些区域医疗中心的必然选择。

　　作为头部大型医院，全面数字化智慧病理科建设应该包括3个方向：全模块的建设；全病种、全数量病理片的覆盖；头部医院牵头推动全生态的建设参与。

　　作为头部医院，在信息化建设方面需要实现全面覆盖病理业务环节。一方面，大型医院病理量大，人工操作可能出现一定的错误率，必须通过信息化管理规范工作流程，实现标准化运行。另一方面，头部医院需要承接基层医院向上会诊的需求，实现全业务环节信息化可以通过线上的方式传输和共享数据，获取到其他医院的病理报告和诊断信息，为患者的诊治提供更全面的信息，减少对接错误的风险。

　　在实际建设过程中，首先需要针对病理业务相关内容搭建内部信息管理系统（PIS系统）。PIS的搭建需要科室投入较多的时间以及人力成本。

　　不同医院病理科工作习惯以及运转方式的不同，一个高效化的信息系统需要针对科室自身运转的痛点进行设计，因此在进行信息系统搭建过程中会涉及到大量的个性化需求。整体工作量大且繁杂，要想搭建一个较为完美的信息管理系统，这就要求科室有具体的目标和项目规划，同时安排病理专员全程跟进，并持续性的进行优化和改进。

　　其次，除了病理业务信息系统的搭建外，要实现全环节信息化还需要对工作环节涉及到的多个信息系统进行集成，以实现院内、院际的信息互联互通。

　　信息系统的集成分为三个方面：应用系统集成、医院系统集成、生态系统的集成。

　　根据调研总结，针对当前病理科信息化现状，大家关注度较高的几个子系统为：电子申请单系统、术中快速病理系统、病理质控系统、病理教学系统、患者预约系统、患者报告系统等都可以针对患者、病理科及临床科室等多方面诉求进行信息化升级，具体参考建设方案如下。

　　为了保障信息系统可靠性、运行性能，需要增设信息系统管理员进行全程管理。

　　首先，管理员需要承担系统安全保护功能，包括监控、检测和应对网络攻击和数据泄露等安全威胁。同时，对用户的权限进行管理，确保用户只能访问他们所需的信息和功能，防止信息泄露和错误操作。其次，信息管理员需要保障系统的稳定性，监控系统的运行状态，及时发现和解决系统故障和异常情况，确保信息系统的运行。此外，信息系统管理员可以通过调整和优化信息系统的配置和参数，提高系统的性能和效率，提高用户的使用体验。

　　应用平台运行效率和赋能与功能模块的设计以及细节优化有着密切关系，因此科室需要投入较大的时间以及人力成本，同时搭建多个应用平台难度较大。根据医院的发展定位，对应展开重点性建设是较为理想的方式。

　　在数字病理AI方向，AI技术可利用强监督学习及弱监督学习建立算法模型对WSI进行分析；对于宫颈细胞学这类具有高重复性、一致性的常规病理诊断准确率高，对于疑难病理的分析尚不能达到实际应用的标准。对AI进行合理的定位以及工作分配，实现人工与AI的协调诊断，可以提升工作效率。根据调研结果及技术现状，中短期内，AI作为病理医生的辅助工具是较为理想的模式。可以利用AI进行一轮初诊，排除阴性病例（定期进行人工抽查确保其诊断安全性），病理医生针对阳性病例进行重点审核。

　　在数字病理方向，考虑到行业的严谨性，无法进行AI模型的自主主动学习训练。每一个病理AI模型必须经过使用医生严格的验证和评价后，才可以使用。训练得到一个成熟稳定的病理AI模型需要涉及到两个方面。

　　病理医生可以为AI系统提供更准确、更全面的标注信息，从而提高AI诊断算法的准确性。

　　为了提高AI病理诊断的准确性和精度，?于AI训练的数据应尽可能准确和完整，以最?限度地提?可预测性和实?性。因此，对于头部医院病理科，应该建立内部病理大数据库，并形成亚专科子数据集。

　　AI产品仍在处于发展、完善阶段，要想实现更多病种病理诊断的AI应用，需要科室与产业端共同努力推进。

　　病理医生和病理AI厂商应该积极地开展交流和合作。一方面，两者共同探讨病理诊断方向及AI方向的最新技术和应用方法，从而推动病理AI领域整体的进步；另一方面，AI产品应用风险以及资金投入也是实践运用中需要重点关注的问题；同时，为了实现更多病种的合规应用以及持续性的产品优化，科室应与产业方展开密切合作，推动AI产品的获批以及相关物价的落地，实现更安全，持续性的应用。

　　除了内容模块以及流程的全面覆盖，头部医院在实现数字化病理科建设的过程中，还应该实现全片量病理切片的数字化。

　　全片量数字化最大的价值是为开展智慧化建设蓄力，数字化建设情况会很大程度上影响智慧化建设的难度和进度。作为头部医院，远期发展实现智慧化建设是毋庸置疑的，全扫全存将更完整呈现病理数据库，为后续展开不同亚专科病理AI算法模型的探索，提供数据的真正价值。

　　考虑到建设的时间节点、资金预算、技术要求等方面，为了确保建设的有序推进，科室需要制定合理的扫片方案。现阶段，受限于技术的发展情况，实现全片量数字化硬件端采购成本过高，并且持续性的存储成本压力逐渐上升，可能会对病理科的正常运行造成较大影响。根据调研结果总结，科室应该尊重循序渐进的扫片原则，从单一亚专科病种开始，重点专科深入，实现科室降本增效以及赋能科研。参考原则如下：

　　评估数字化技术在不同病种中的应用价值。应优先选择高发、高死亡率或重要临床价值的病种，例如，宫颈TCT筛查、乳腺筛查、消化道肿瘤和肺癌筛查等。这些病种的数字化病理科应用可以提高诊断效率和准确度，有助于提高临床诊疗的周期及水平。

　　数字化智慧转型中，科室会面临一定周期的适应期。为了缩短过渡期，需要对流程可行性、操作简便性、成本效益等方面进行评估。建议先从AI应用成熟、样本面积小、诊断难度小的样本入手，可以更快的实现单一亚专科全片量数字化流转。

　　需要根据科室发展目标，是否存在特色专科化建设需求，选择日常诊疗需求更为迫切以及科研重点覆盖的病种优先实现数字化。

　　为三级医院，拥有更强的建设能力，需要承担带动以及帮助下级医院数字化智慧病理科建设的职责。

　　作为牵头中心，除了输出经验证技术完备的、成熟的一体化数字化智慧病理科解决方案，同时也将承载培养、调度适应新工作模式下病理行业的人员的任务。首先，三级医院病理科自身需要建立辐射意识，对基层医院可采取实质性的帮扶措施，促进优质资源下沉。

　　对于三级医院来说，数字化智慧病理科建设是一个长周期建设项目，预计需要3-5年的建设周期。根据建设目标，分阶段建设，不同建设阶段之间呈现并行、交叉建设是贴近实际的有效方案。

　　根据不同医院的运行情况，不同阶段的建设重心也存在差异，整体建设路径大致分为两类。

　　对于病理切片量大、需要承担区域重点医疗功能的医院来说，其病理诊疗压力大、医疗资源紧缺、并且往往以多院区、多中心的形式覆盖区域诊疗需求，对于数字化的需求更为强烈；对于专科医院来说，由于需要对特定病种进行深入研究，因此建立数据库具有巨大的价值。争对以上两种类型的医院，建议将建设重点优先放在数字化的全面覆盖，并适时进行AI应用需求的探索。

　　对于大型综合型三甲医院，其工作量包括常规切片及疑难切片，AI可以有效地帮助这类医院解决很大一部分诊断压力，建设性价比更高；同时，可结合院内科研重心，通过AI更快速的赋能病理研究的进度，挖掘新的方向。因此，这类医院前期适合数字化、智慧化两头并进式建设，后期实现全量级、全生态的建设。

　　在资金有限的情况下，首先应该覆盖基础性建设，包括追踪系统搭建、PIS系统的建设与运行、质控系统设计与运行、系统对接、扫描仪采购、专业数据存储设备建设。同时，根据医院自身的偏好和需求，对科研教育应用平台、生态链信息互联互通、智能化制片、AI辅助诊断系统、AI质控系统、大数据库搭建、多中心建设、临床-病理联盟等工作进行优先级排序，同步与基础性建设并行展开建设。

　　根据分级诊疗制度，市县级医院要最大程度的满足当地人民的病理诊断需求，减少常规病例会诊的情况。基于定位，在病理检查方面，市县级医院病理科需要完成患者常规病理检查，对于疑难病例，通过远程会诊的方式尽可能实现患者就近就诊的需求。同时，市县级医院病理科需要积极参与学术交流和培训活动，提高病理医师的专业技能和知识水平，提升整个医疗机构的病理学服务水平。因此，市县级医院的核心数字化建设目标分为两个方面：开展高质量远程会诊、实现病理医生更便捷、有效的学习路径。

　　市县级医院数字病理科的建设存在必要性。部分医院由于缺乏病理科或者病理科规模较小，部分疑难病例无法给出准确的病理诊断结果，进而无法对患者展开后续的治疗，导致了很大一部分患者的流失，例如癌症的诊疗，其难点主要在于癌种具体类型的判定以及治疗方案的确定。大部分市级医院具备一定程度肿瘤治疗能力，可以对患者进行放化疗等手段。进行数字化病理科的建设后，病理科可以通过远程会诊的方式明确病理诊断，促使临床开展更多病种的治疗，有效增加临床端的收益，促进医院的正向运行。

　　市县级医院IT经费有限、IT维护能力较弱，建议要通过一体化的方式来解决市县医院病理数字化。一体化的方式需要集成数字切片扫描仪、病理信息系统、病理AI辅助诊断系统、数字化病理阅片系统、数据采集系统、远程病理系统等快速帮助市县医院快速实现数字化。

　　考虑到市县级医院建设能力问题，科室应根据实际情况进行选择性建设，遵循先从简化的、针对性的方面入手原则。市县级医院可仍采用传统的病理学诊断方法，辅以数字化技术，逐步推进数字化病理科建设，以满足市县级医院的需要。

　　一方面，下级医院需要实现与上级医院的对接，不同病理科之间可能采用不同的数据格式和标准，信息管理系统可以统一数据格式和标准，确保信息的互通和共享。另一方面，信息管理系统能轻松实现显示自动化处理和传输，提高信息传递效率。同时市县级医院病理医生经验相对少，有可能会出现操作不规范的情况，所以市县级病理科更需要借助信息化系统对病理样本制作质量、检测结果质量以及诊断结果质量等进行全过程监控和评估，加强最终报告出具的可靠性。

　　在信息化建设中，科室需要有重心地对工作环节展开无纸信息化升级，然后进一步实现全流程信息化。建议优先升级的环节包括：追踪系统、线上管理系统、质控系统。详细模块建设方案可参考信息化建设相关内容。

　　市县级医院能够最终靠参与学术交流以及教学课程等方式，提高自身的诊断水平。进行数字化升级后，对接头部医院的线上教学平台，加强了与头部医院病理医生的交流互动。

　　科室可以针对某些高发疾病或者常见病进行数字化记录，为后续全面开展数字化做准备。

　　市县级医院病理科的规模较小，且随着远程诊断的需要，病理切片的制片质量需要提高重视，所以病理质控的工作显得尤为重要；相比较诊断，AI在质控环节的应用更有价值。目前病理科可以通过信息系统实现质控，但仍然需要依赖于质控管理员，并人为干预。进行AI质控后，既可以实现实时质控提示，还可以节约人力成本。目前，AI质控系统尚未完全实现实际应用，但已有科室进行逐步相关探索且进行布局。

　　病理中心化可以有效减少人力资源投入及基础运营成本；其建设目标是构建并输出一体化数字病理科解决方案，实现在数字化与人工智能赋能下，转化为最佳的病例承载量、最有效的人力资源配置，同时将大中心的医疗资源平等分配。

　　病理中心的建设需要根据区域的情况实现因地制宜的方案。主要分类两类病理中心的建设。

　　对于大城市（省级以上）来说，头部三甲医院病理科具有较强的病理诊断和运营能力，不需要单独成立病理中心。依托三甲医院进行病理中心建设，辐射下级医院是主要的趋势。这类病理中心一般需要分功能进行建设，在不同的三级医院设立不同的功能中心，部分能力较强的头部医院可以承担多个功能；分散式中心建设可以对整体区域病理科发展形成一定的制约和平衡，促进医疗机构之间的协作和协同发展。根据功能，一般分为4类非独立性中心：会诊中心、质控中心、教学中心、科研中心；针对各自承担中心的功能，科室需考虑是否专注于某一功能，对相对应用板块进行重点性建设。

　　对于部分市县级医院来说，头部医院病理科能力相对薄弱，并且较为分散，无法单独运行一个病理中心。对于这类地区，集中建设独立性病理科是较为理想的建设模式。通过资源的整合、集中多方力量，可以实现规模化效益，从而降低运行成本，提高效益，实现降本增效的目的。目前，宁波市已经实现了独立病理中心的运行模式，根据目前运行现状，既有效覆盖了全市常规病理量诊断，并且对于疑难病理的诊断能力媲美头部医院病理科，其建设成效证实了独立式病理中心运行的可行性。

　　独立病理中心的模式能够直接进行全国性的推广以及复制，但需要注意以下几点：第一，需要根据当地情况进行可行性判断，包括区域病理切片总量、地区各医院病理科建设情况、区域医疗板块发展规划。第二，前期建设过程中，需要政府层面给予支撑和引导。建设初期，投入较大，并且涉及到不同部分的整合与协作，对于市县级病理科来说，单凭自身实力很难实现基础建设以及初期运转。第三，积极需求头部医院病理科合作，通过优质资源下沉的方式，加速建设速度，减少前期试错成本。

　　以上内容与证券之星立场无关。证券之星发布此内容的目的在于传播更多信息，证券之星对其观点、判断保持中立，不保证该内容（包括但不限于文字、数据及图表）全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关联的内容不对各位读者构成任何投资建议，据此操作，风险自担。股市有风险，投资需谨慎。如对该内容存在异议，或发现违法及不良信息，请发送邮件至，我们将安排核实处理。