【直播笔记】打通智慧病理“最后一公里”——全流程数字化到AI下沉实战精华回顾10月21日，RuiPath数智病理公开课特邀上海衡道医学数字产品总经理左彦飞老师主讲《打通智慧病理“最后一公里”：从全流程数字化到AI下沉实战分享》。左老师围绕全数字化智慧病理科建设展开深度分享，旨在真正解放病理医生的双手。现将直播精华整理成笔记，供大家随时回顾学习。智慧病理数字化建设方案分享首先，左彦飞老师分享了智慧病理数字化建设方案，涵盖信息化、数字化、智慧化及区域化四个板块。重点介绍了华为云医疗AI使能平台与病理大模型的协同应用，实现从切片扫描到报告生成的全流程自动化闭环，提升诊断效率与数据质量。左老师指出AI模型在基层医院落地面临数据质量、人才短缺及算力不足等挑战，通过华为云平台实现端云协同，提升诊断精准度，降低医院投入成本，同时保障数据安全。最后，左老师分享两种PIS系统对接流程，PIS对接实现从扫片到病理诊断全流程自动化闭环，推动医生从“全量阅片”向“重点复核”转型，让AI成为医生的“第二双眼睛”。医疗AI使能平台功能与实战演示接下来，华为云智慧医疗专区运营专家介绍医疗AI使能平台的功能及应用场景，平台旨在辅助医生完成病理分析，提升诊断效率与准确性。同时，专家也详细演示医疗AI使能平台病理模型推理全流程：创建推理任务 → 配置基本信息（病理号、模型选择、规则库） → 选择病理切片（支持本地或平台已上传） → 执行AI推理 → 查看与复核结果（可编辑修正） → 修正数据反馈至模型（数据飞轮） → 下载报告（PDF/Excel格式）。参加体验官活动，共启智慧病理新篇章两位老师的精彩分享让观众意犹未尽，也让大家深切感受到科技的日新月异。病理诊断作为疾病诊断的“金标准”，长期面临医生资源紧缺、工作强度大、诊断标准不统一、基层能力不足等痛点，而AI技术的深度赋能，正在为病理领域带来深刻变革。如果您对本期内容感兴趣，欢迎注册华为云账号并申请平台试用，一起跟着专家老师开始云上实操之旅。同时，领取精美的礼品cid:link_0。未来，随着AI与病理诊断的深度融合，“最后一公里”必将被彻底打通——让每一位病理医生如虎添翼，让每一位患者更快获得精准诊断。科技赋能医疗，智慧点亮病理，锁定华为云开发者联盟视频号，我们下期直播见。【放直播回放地址】关注华为云开发者联盟视频号，点击链接观看回放cid:link_1 

做医疗问答系统的人迟早会撞上一堵墙：用户问“胃出血一般住院多久”，你的检索系统返回了一堆标题里带“胃出血”但正文讲的是“胃出血的病因分类”的文档，真正讲住院时间的那段被排在第五页。你换关键词、加同义词、调 BM25 的 k1 和 b，效果能好一点，但始终差一口气。这口气差在哪？差在医疗 query 和医疗文档之间的词汇重叠度天然就低。患者用口语问“上消化道出血手术大概多久”，文档写的是“术后应观察血压、体温、脉搏、呼吸变化”。字面上几乎没有一个词对得上，词频模型再调参也调不出语义。这时候你需要的是一个能把两句话映射到同一个语义空间、让它们在向量距离上靠近的东西。ModelScope 上的 coROM 中文医疗文本表示模型（base 版，768 维）干的就是这件事。它不是个新模型——coROM 这个系列在社区里已经跑了挺久——但 base 版和 tiny 版的取舍、二阶段训练的设计、以及实际调用时几个容易踩的坑，值得单独拿出来聊一聊。双塔的意义：文档可以离线编码，query 只算一次coROM 用的是标准的 Dual Encoder（双塔） 结构。Query 和 Document 各自独立过预训练编码器，取 [CLS] 位置的输出作为向量，然后算距离。这个结构的工程价值不在模型本身多精巧，而在于解耦：文档库可以离线批量编码、建好向量索引，线上只需要编码用户 query 做一次近似最近邻搜索。千万级候选文档下，延迟是可控的。如果你把 query 和 document 拼在一起过交叉编码器（cross-encoder），精度可能更高，但每次检索都要对每一对 query-document 做一次完整前向，候选规模一上来就直接崩了。coROM 的定位很明确：它是召回层的模型，不是精排层的模型。先把候选从千万级筛到几百条，再交给更重的排序模型去精打细算。这个分工在工程上是合理的。底座用的是 coROM 系列预训练语言模型，不是通用 BERT 直接套医疗数据。检索任务的目标函数和语言建模本来就不一样——前者要把相关的 query-passage 拉近、不相关的推远，后者关心 token 级预测。coROM 底座在预训练阶段就把“匹配关系”嵌进去了，所以它在进医疗微调之前，对“这两段文本是不是在说同一件事”已经比通用 BERT 敏感。二阶段训练：随机负样本不够，得挖难的页面里有一段容易被略过的描述：训练分两阶段，第一阶段从官方文档集随机采样负样本，第二阶段通过 Dense Retrieval 挖掘难负样本扩充训练数据重新训练。这个设计值得多说两句，因为它解释了为什么 coROM 在医疗检索上比“拿 BERT 直接微调”效果好。随机负样本的问题在于太“容易”了——你拿“胃出血住院时间”当正样本，随机采一条“甲状腺结节超声特征”当负样本，模型闭着眼睛都能区分，学不到细粒度的相关性边界。难负样本才是真正逼模型去分辨“相关但不完全匹配”和“确实不相关”的东西。第二阶段用 Dense Retrieval 把那些“看起来像正样本、其实是负样本”的段落挖出来重新训练，模型才会对医疗语义的细微差异更敏感。训练配置是 4 张 V100、3 个 epoch、batch_size 64、learning_rate 5e-6、AdamW。这个资源门槛对中小团队来说不算高，意味着你拿自己的医疗标注数据替换掉示例数据集，在单机四卡上完成领域微调是可行的。示例代码用的是 dureader-retrieval-ranking，把 query、positive_passages、negative_passages 三个字段配好，挂 nlp_sentence_embedding_trainer 就能跑。两个实际调用时绕不开的细节第一，默认 max_length 是 128。 页面写得很清楚，“默认最长文本长度为128”，训练超参里 max_sequence_length 也是 128。医疗段落如果偏长——比如一段完整的术后护理说明——超出部分会被直接截断。这对召回精度有实际影响，尤其是当关键信息出现在段落后半段的时候。解决办法要么在 pipeline 配置里显式调大 max_length，要么在入库前先把长文档做段落切分、分段编码。别指望默认值能覆盖所有场景。第二，scores 输出的是 L2 距离，不是余弦相似度。 页面正文说“通过 cosine 距离度量相关性”，但代码注释里明确写了“scores 中的 score 计算两个向量之间的 L2 距离得到”。实际输出 75.6、62.2 这种量级也印证了这一点——余弦相似度不会是这个数量级。这意味着你不能按“0.8 以上算相关”这种余弦直觉去设阈值。更稳妥的做法是在自己的验证集上校准一个 L2 距离的截断值，或者干脆只用相对排序、不做绝对分数的硬截断。文档表述和代码实现之间的这种细微出入，在工程接入时是很容易踩的。base 和 tiny 怎么选页面这次给的是 base 版，768 维。之前 tiny 版是 256 维。两者的取舍很直接：base 精度更高，适合对相关性要求严格的场景；tiny 存储和计算开销小得多，适合候选规模极大、延迟敏感的第一层粗筛。如果你的检索链路是多阶段的，完全可以 tiny 做初筛、base 做二次召回，或者 base 召回后接精排。向量维度差了三倍，索引大小和检索速度的差异在实际系统里是能感知到的。模型 ID 是 iic/nlp_corom_sentence-embedding_chinese-base-medical，注意是 iic/ 前缀，不是早期文档里常写的 damo/。加载的时候用 Tasks.sentence_embedding，输入支持三种形式：只给 source_sentence 算句子间相似度，给 source_sentence 加 sentences_to_compare 算 query 和多候选的相关性，或者直接传单句拿向量。接口设计得比较灵活，但记得按你的实际任务选对输入结构，别把两种模式搞混。边界还是那句话模型在 Multi-CPR 医疗子集上训练，页面局限性写得很直白：“在其他垂类领域文本上的效果会有降低，请用户自行评测后决定如何使用。”这不是客套。coROM 的领域专用性是一种明确的 trade-off——医疗检索上它换来了更精准的语义对齐，代价是金融合同、法律条文这些场景不该指望它。如果你的系统是跨领域混合检索，要么额外评估，要么考虑通用版本。最后coROM base 版的价值不在于它有多新，而在于它把一个很具体的问题——医疗 query 和医疗文档之间词汇不重合时的语义匹配——做成了一个接口清晰、可微调、部署轻量的现成组件。768 维的向量表示，4 张 V100 的微调门槛，双塔结构带来的离线编码能力，这些加在一起，让它在医疗问答、知识库检索、FAQ 匹配这类场景里，是一个能直接放进召回层跑起来的东西。用它之前把 max_length 和 L2 距离这两个坑填上，剩下的就是拿你自己的数据跑一轮 Recall@K，看它能不能把你的候选质量往上提一截。

OFA 图像描述中，最容易让人纠结的不是代码怎么写，而是模型列表里那一排规模档位——Tiny 33M、Medium 93M、Base 180M、Large 470M、Huge 930M，还有英文、中文、通用场景、电商场景的区分。六行代码能跑通 demo 没错，但真到选型的时候，看着这一列参数，还是得停下来想一想：我的场景到底需要哪一档？这篇就把页面里的规模表、COCO 榜单数据和微调示例放在一起，聊聊选型的逻辑。不讲虚的，就按实际使用场景来。先搞清楚 OFA 在做什么OFA 的全称是 One-For-All，ICML 2022 的工作。它的核心主张是用一个统一的序列到序列框架，把跨模态、视觉、语言这些模态，和图像描述、视觉定位、图片分类、文本生成这些任务，都塞进同一个模型里。你不需要为每个任务设计不同的输出头或损失函数，统一成“输入序列 → 输出序列”就行。这个设计思路对使用者的直接影响是：同一个模型权重，换个任务头或者换个 prompt 格式，就能做不同的事。页面卖的是图像描述能力，但底座的统一性意味着它作为多模态起点是有延展空间的。当然，对只想做图像描述的人来说，这个背景知识了解一下就行，不用深究。规模表里的关键信息：不只是“大小”页面给的模型规模表值得逐列看：模型参数量（英文）BackboneHidden size编码层解码层OFA-Tiny33MResNet5025644OFA-Medium93MResNet10151244OFA-Base180MResNet10176866OFA-Large470MResNet15210241212OFA-Huge930MResNet15212802412几个容易被忽略的点：Tiny 到 Medium 的跨越主要是 Backbone 和 Hidden size 的提升（ResNet50→101，256→512），编码解码层数没变，还是 4+4。Base 到 Large 才是真正的“加深”——编码层从 6 翻到 12，解码层也从 6 到 12，Hidden size 从 768 到 1024。Huge 的编码层直接堆到 24，但解码层还是 12，这说明它的视觉理解端下了更重的功夫，文本生成端相对克制。这个结构差异决定了不同规模的实际表现曲线。Base 到 Large 的提升，主要来自更深的编解码器对图文对齐关系的建模能力；Huge 的额外提升，更多来自视觉端的精细理解。COCO 榜单数据能告诉你什么页面给了三档模型在 Karpathy test split 上的完整指标，我把它整理成更直观的对比：模型CIDEr（CE 优化）CIDEr（CIDEr 优化）提升幅度OFA-Base138.2146.7+8.5OFA-Large142.2150.7+8.5OFA-Huge145.3154.9+9.6几个观察：第一，Base 到 Large 的 CIDEr 提升是 4.0（CE 阶段），Large 到 Huge 是 3.1。 边际收益在递减，但绝对值仍然可观。如果你对描述质量有硬要求，Large 是个甜点位——比 Base 好一截，又没 Huge 那么重。第二，CIDEr Optimization 阶段对所有规模都有稳定的 +8.5 到 +9.6 的提升。 这说明用 CIDEr 作为强化学习目标做第二阶段优化，效果是普遍性的，不挑模型大小。你微调自己的数据时，这个策略值得借鉴。第三，BLEU-4 的绝对值都在 41–45 区间，SPICE 在 24–27 区间。 BLEU-4 反映 n-gram 匹配精度，SPICE 反映语义内容覆盖。这两个指标在不同规模间的差距比 CIDEr 小，说明小模型在“说对基本内容”上并不差多少，差距主要在“说得更丰富、更贴合参考描述的风格”上。如果你的场景只要求描述准确（比如给图片打标签做检索），Base 甚至 Tiny 可能就够了；如果你要的是接近人类撰写的自然描述，Large 或 Huge 的增益才明显。微调示例里几个值得注意的配置页面给的 finetune 示例用的是 coco_2014_caption 数据集，Large 版权重，Trainers.ofa。几个实操细节：batch_size_per_gpu 设成了 1。 这是示例为了在有限显存下能跑通，不是推荐值。470M 的 Large 版在 24G 卡上，batch size 开到 4–8 是合理的；如果显存吃紧，可以配合 gradient accumulation。max_epochs 是 2。 COCO 这种大规模数据集上 2 个 epoch 是合理的，但你自己的小数据集可能需要更多轮，注意观察过拟合。数据集 remap 的字段是 image 和 text。 这意味着你替换成自己的数据时，只要保证这两列存在、格式对得上（图片路径或 URL + 文本字符串），就能直接跑。不需要改模型结构或损失函数。示例里 split="train[:100]" 只取了 100 条。 这是演示用的极小子集，真实微调当然要用全量或足够大的子集。但这也说明一件事：这个示例的代码路径是经过验证能跑通的，你改成自己的数据，主要工作在于数据准备和超参调整，而不是代码适配。选型的实际建议把上面的信息落到选型上，我的建议是按场景分三档：Tiny / Medium（33M–93M）：适合边缘部署、高并发、对延迟敏感的场景。比如给海量图片批量打标签做检索索引，描述质量要求不高，能覆盖主体和场景就行。33M 的 Tiny 在 CPU 上都能跑，Mobile 端部署也不是没可能。Base（180M）：通用场景的性价比之选。COCO 上 CIDEr 138 起步，微调后能到 146，描述质量足够支撑大多数应用。单卡推理和微调都轻，是“先跑起来再说”阶段的最优解。页面这个 large 版其实对很多场景是过剩的。Large / Huge（470M–930M）：对描述质量有明确要求、且硬件不是瓶颈的场景。比如内容平台需要高质量 alt text、或者你要用 OFA 作为多模态底座做进一步的复杂任务（视觉问答、图文检索）。Large 是甜点位，Huge 的编码层翻倍带来的是视觉理解的精细度提升，适合图像内容复杂、需要捕捉细节的场景。还有一个容易忽略的维度：语言。页面这个模型是英文的（_en 后缀），训练数据是 COCO 的英文 caption。如果你要做中文描述，得换中文版本（页面提到了 base-电商场景-中文），或者自己在中文图文对上微调。英文模型直接输出中文是不现实的，tokenizer 和训练分布都不支持。最后一句OFA 这个系列的选型逻辑其实不复杂：小规模换效率，大规模换描述质量，Base 是大多数场景的起点。页面给了完整的规模表和榜单数据，就是为了让你在做决定之前有据可依，而不是盲目选最大的或者最便宜的。先想清楚你的场景对描述质量的要求、硬件预算、以及是否需要微调，再对着这张表选，比直接抄 demo 代码里的 large 要靠谱得多。

最近翻医学视觉语言模型，看到 Hulu-Med 的发布信息，11 月底那会儿它刚宣布兼容 vLLM，给上了张量并行支持。这个更新本身不算大新闻，但结合它 10 月发布时的定位——“透明的医学通用模型”——让我觉得值得单独写一篇。原因不是它刷了多少榜，而是它解决了一个很实际的问题：做医学多模态应用的人，到底该拿一个只会看 2D 图像的模型，还是一个能同时处理文本、2D、3D 体数据和手术视频的系统。Hulu-Med 选的是后者。它覆盖的范围，比大多数医学 VLM 宽一圈大多数医学视觉语言模型聚焦在单一模态上：X 光片、病理切片、眼底照片，做一种影像的问答或报告生成。Hulu-Med 的训练数据覆盖了 12 个人体解剖系统、14 种影像模态，从 CT、MRI、X 光、超声、PET、OCT 到内窥镜、组织病理学、眼底照相、皮肤镜、血管造影，再到数字照片和医学图表。样本量 1670 万。模态跨度大，对应的下游任务也跟着宽：视觉问答（2D/3D/视频）、医学报告生成、疾病诊断、解剖学理解、手术阶段识别、临床对话、医疗文本推理、多语言医疗问答、罕见病诊断。它没有把自己锁在“看图说话”这一个任务上，而是往“医学场景的通用多模态底座”方向走。对开发者来说，这意味着如果你要做的系统涉及多种影像类型——比如一个平台同时处理放射影像、病理切片和手术视频——你不需要为每种模态单独接一个模型。一个底座覆盖多模态，工程上少一层拼接，推理链路也短一截。MoE 架构和部署方式，是它最需要提前想清楚的部分Hulu-Med 有 7B 到 32B 的规模变体，但页面特别提醒了一件事：Hulu-30A3 和 235A22 是基于 MoE 的模型，建议通过 vLLM 或 SGLang 部署，以获得最佳性能和效率。这不是随口一说，MoE 模型在原生 transformers 下跑推理，专家路由带来的额外开销会让吞吐很难看，vLLM 的专家并行（expert parallel）和 chunked prefill 才是它设计上预期的运行环境。部署命令页面给得很完整，vLLM 和 SGLang 两条路径都有。vLLM 那边开了 8 卡张量并行、enable_expert_parallel、max_model_len 75538、gpu_memory_utilization 0.85；SGLang 那边上下文长度直接设到 128000。这个上下文窗口对医学场景是有意义的——一份完整的电子病历、一套多期影像的报告、一段手术记录，长度都不短，128K 意味着不需要做激进的截断。部署起来之后，调用方式是 OpenAI 兼容 API。文本和图像走标准的 chat.completions.create，图像用 base64 编码塞进 image_url。这对已经有一套 OpenAI API 调用封装的团队来说，迁移成本很低，把 base_url 指向本地 8000 端口就能跑。但要注意，7B 版本和 MoE 版本的部署路径不一样。页面明确说“作为基于 MoE 的模型，建议通过 vLLM 或 SGLang 部署 Hulu-30A3/235A22”。7B 版应该可以走原生 Transformers 的 AutoModelForCausalLM.from_pretrained，页面也提到了 HuggingFace 兼容的权重已经放在 main 分支，国内用户可以设 HF_ENDPOINT=https://hf-mirror.com 走镜像。选型时先确认你手头的硬件和部署栈撑得住哪个规模。“透明”是这个模型的核心卖点，不只是个形容词Hulu-Med 反复强调“完全基于公开数据训练”“完整的开源流程，包括数据整理、训练代码和模型权重”。在医学 AI 这个领域，这句话的分量比在通用领域重得多。医学模型的黑箱问题一直是个落地障碍：医院和监管方需要知道模型在什么数据上训的、有没有覆盖特定人群、有没有潜在的偏差来源。一个完全基于公开数据、训练流程可追溯的模型，在合规审查和本地验证环节，比一个“效果很好但不知道喂了什么”的模型要好推进得多。它不一定在每一个单项任务上都赢过闭源系统，但它提供了一个可以被审查、被复现、被在自己的数据上重新验证的起点。训练成本也值得一提：7B–32B 规模变体仅需 4,000–40,000 GPU 小时。这个数字对有意做领域继续预训练或大规模微调的团队来说，是有参考价值的——它说明这个量级的医学多模态模型，训练开销在一个中型团队可承受的范围内。评估这件事，它自己也在补页面的更新记录里有一条值得注意：11 月 1 日发布了 MedUniEval，基于 MedEvalKit 构建，用于在文本、2D、3D、视频多种模态上评估医学视觉语言模型。这说明团队意识到“30 个医学基准 SOTA”这个说法需要配套的、可复现的评估工具来支撑。部分处理后的评估数据已经公开。对使用者来说，这意味着你可以用同一套评估框架去对比 Hulu-Med 和你自己的候选模型，而不是各自引用不同的榜单数字。医学模型的选型，评估口径一致比分数高低更重要——不同基准之间的可比性，往往比单一榜单上的排名更有实际意义。适合谁，不适合谁适合：需要统一处理多种医学模态（2D/3D/视频/文本）的团队；对模型透明度和可追溯性有要求的机构场景；希望拿一个可微调的医学多模态底座、在自己的数据上做领域适配的开发者；以及已经在用 vLLM/SGLang 做推理服务、想接一个医学专用模型的工程团队。不适合：只有单卡、跑不动 MoE 推理的个人开发者（7B 版可以试试，但 MoE 版本的硬件门槛不低）；只需要单一模态、单一任务的轻量场景（用更小的专用模型更划算）；以及期待“开箱即用做临床诊断”的用法——它是个通用底座，不是经过临床验证的诊断系统，页面也没这么宣称。总结Hulu-Med 值得关注的地方，不是它在 30 个基准上拿了 SOTA，而是它把“医学多模态”这件事从单点任务的堆叠，做成了一个覆盖 14 种影像模态、支持 2D/3D/视频、训练流程完全公开、部署走 vLLM/SGLang 标准路径的系统性底座。它的 MoE 架构意味着部署前得想清楚硬件和推理框架，它的透明度意味着合规和本地验证有路可走，它的评估工具意味着你不需要盲信榜单。如果你在做的东西跨了不止一种医学模态，这个模型值得放进候选清单里跑一轮对比。

原本是想系统调研一下USCAP 2026里有哪些值得关注的病理AI摘要。结果几千篇摘要一路看下来，真正让人眼前一亮的病理AI相关研究，其实并不算多。倒是另一类工作更容易让人产生联想：它们本身并不是病理AI研究，甚至很多仍然是很传统的病理学问题，但恰恰因为还主要依赖人工阅片、人工计数、人工分层，反而让人不断冒出一个想法：这些地方，病理AI是不是已经有了用武之地？于是，索性把这一路看到的这些“非病理AI研究摘要”整理出来，换一个角度去看：如果站在病理AI研究者的视角，哪些题目其实已经隐含了清晰的AI切入点？哪些问题表面上是传统病理研究，实质上却很适合被AI重新量化、标准化，甚至发展成新的临床辅助工具？当然，很多判断只是根据题目以及简单的摘要做出的推演，再加上出发点本身就是一个非病理医生的AI研究者视角，里面难免会有不成熟、不现实、甚至临床意义并不强的想法。哪些方向真的值得做，哪些方向做出来也未必有价值，欢迎大家拍砖。USCAP 2026上有很多传统病理研究里，仍然有大量高度依赖人工阅片、人工计数、人工分层的工作环节。它们不一定最时髦，但恰恰因为这些问题还没有被很好地数字化、量化和标准化，所以才给病理AI留下了现实的切入空间。从这个角度看，USCAP 2026里这些“并非病理AI”的摘要，某种程度上反而比很多已经贴上AI标签的研究更有启发性。因为它们展示的不是AI已经做了什么，而是病理学还在用怎样的方式提出问题；而只要问题还停留在高劳动量、低标准化、强经验依赖的状态里，AI就总有机会介入。当然，真正值得做的病理AI选题，仍然要回到三个更现实的问题：它是不是临床真问题，它能不能拿到可靠标签，它做出来之后是否真的比人工现有流程更有价值。也欢迎大家拍砖：哪些方向看起来很美，实际并不值得做；哪些方向表面普通，反而可能是最接近转化落地的病理AI题目。🔷149 Largest Ductal Diameter as a Histopathologic Predictor of DCIS Extent in Resection Specimens这个题目很容易让人想到一个典型的量化型病理AI任务：先做导管结构识别与分割，再自动测量最大导管直径，并进一步预测DCIS的病变范围。再往前走一步，这个方向甚至未必需要停留在“最大直径”单一变量上，而可以扩展到更完整的导管形态组学，例如异常导管数量、扩张程度分布、坏死相关征象、导管空间聚集模式等，最后形成一个用于估计DCIS extent的复合数字指标。🔷193 Can Histologic Features of Flat Epithelial Atypia Distinguish Cases with and without Co-Existing Ductal Carcinoma In Situ (DCIS)?这类题目非常适合做“从形态到风险”的AI。任务不只是识别FEA，而是预测哪些FEA病例更可能伴发DCIS。AI的重点不一定是替代病理医生判断是不是FEA，而是对FEA内部做进一步的风险分层，帮助识别那些看起来边界不大、但临床上可能更值得警惕的病例。🔷216 p53 and p16 Immunostaining Patterns in Breast Phyllodes Tumor: Currently Underused Tools in Histological Classification and Prognostication of Phyllodes Tumor这是很典型的形态与IHC联合建模方向。病理AI可以先做p53、p16的自动定量判读，再把H&E的形态特征和IHC量化结果融合，用于phyllodes tumor的分类、复发风险分层甚至恶性潜能评估。🔷279 Clinical Significance of Endometrial Cells in Papanicolaou Tests of Women Aged 45 or Older: A 3-year Retrospective Histologic Follow-up Study from a Large Institute如果这项研究背后连接了细胞学与后续组织学随访，那么很适合转化成一个细胞病理AI方向：自动识别Pap涂片中的子宫内膜细胞，并进一步预测哪些病例的随访组织学更值得关注。🔷291 Small Samples, Big Data: Rapid On-Site Molecular Adequacy Evaluation of EUS-FNA Specimens in Pancreatic Ductal Adenocarcinoma这几乎是一个现成的病理AI应用场景。核心不是肿瘤分类本身，而是判断：这份EUS-FNA样本够不够做分子检测？肿瘤细胞含量是否足够？是否值得追加取样？这类评估对穿刺流程、分子检测成败和患者路径都很关键，也是病理AI特别容易体现“流程价值”的方向。🔷399 Digital Linked Visualization of H&E and Immunofluorescent Whole Slide Images in Dermatopathology–a Pilot Evaluation皮肤病理中H&E与免疫荧光切片的同步联动阅片，不只是提高了阅片便利性，更重要的是把荧光信号重新放回到了具体组织结构背景中，从而更准确地理解信号定位与病理形态之间的对应关系。 病理AI的切入点在于构建H&E—免疫荧光跨切片配准与联动分析模型，在实现多张切片自动匹配、同步浏览和信号定位的基础上，进一步发展为形态—荧光联合判读、异常模式检出和多模态数字病理辅助诊断工具。🔷407 Prognostic Significance and Clinicopathological Association of Tumor Budding and Poorly Differentiated Clusters in Cutaneous Malignant MelanomaTumor budding和PDC几乎天然是病理AI任务。切入点很明确：自动检测、自动计数、空间分布量化，然后和预后、复发、转移等结局做关联。可以进一步思考的是，AI是否可以不仅复现人工定义，还找出更稳定、更连续化的出芽负荷相关指标。🔷522 Accelerating Precision Diagnosis in CT-Guided Lung Biopsies Using Rapid Fresh Pathology这和术中快速病理、穿刺样本是否足量有类似切入点，具有高转化价值场景。AI可以用于 新鲜病理组织样本的肿瘤识别、样本是否足量的判断、初步亚型提示，甚至辅助后续分子检测路径选择。相比常规石蜡切片，这类快速场景更能体现AI在时效性上的优势。🔷566 Invasion Rather Than Degree of Nuclear Atypia or Growth Pattern Correlates with Distant Metastasis in Encapsulated Follicular and Solid-Patterned Thyroid Tumors: Implications for The Future Classification of Thyroid Carcinomas在包裹性滤泡型和实性生长的甲状腺肿瘤中，真正决定远处转移风险的关键并不是乳头状癌样核特征或实性生长模式本身，而是是否存在包膜或血管侵犯，说明现有分类体系可能过度强调核异型，却低估了侵犯这一更具生物学意义的结构性证据。 病理AI的切入点可以把模型的重点放在包膜侵犯、血管侵犯、浸润边界等结构性证据的识别上，而跳脱传统的细胞核层面的表征。🔷600 Elucidation of an Immunohistochemical Biomarker Signature for Aggressive Stage II Colorectal Cancer构建的多IHC标志物面版的新型预测标志物很适合病理AI做两层工作。第一层是多标志物IHC的自动量化；第二层是把这些IHC指标和H&E形态特征整合，形成预后模型。再进一步，还可以探索是否存在H&E对这类IHC标志物的替代预测能力。🔷651 Implications of Subclassifying Gastric Intestinal Metaplasia in a Low-risk Population for Gastric Cancer这是一个很标准的“常规诊断对象如何升级为风险分层工具”的方向。AI切入点可以是胃肠化生进一步的亚型自动分类，并进一步评估不同亚型与后续癌变风险、监测策略之间的关系。🔷652 Lymph Node Ratio, Not Nodal Stage, Predicts Overall and Disease-Free Survival in Non-Ampullary Primary Small Intestine Adenocarcinoma这个研究的启发是：AI不一定只做“有没有淋巴结转移”，而更适合去量化转移负荷。包括淋巴结检出数量、阳性结节数量、转移灶面积、阳性比例等，都可以成为比单纯N stage更连续、也更适合建模的数字病理指标。🔷 672 Stage II Colon Cancer: Which Pathologic Features Best Predict Prognosis研究发现壁外血管侵犯（EMVI），即在显微镜下，于肠壁固有肌层之外的静脉血管腔隙内发现了肿瘤细胞，是二期肠癌强有力的预后因素。病理AI很适合对这类组织学标志物进行自动检测和量化。🔷698 Tumor Budding Predicts Nodal Status in Anal Squamous Cell Carcinoma和前面的budding类似，但这里的终点更明确，是nodal status。AI切入点就是在活检或切除标本中自动量化tumor budding，并探索它对淋巴结转移、治疗前分层和决策支持的价值。🔷699 Predictive Value of the PICaSSO Histologic Remission Index (PHRI) for Relapse in Ulcerative Colitis Patients with Endoscopic Remission。研究验证了一种新的简化版的基于中性粒细胞的组织学评分系统与IBD患者预后的关系。这种的组织学评分系统非常适合AI自动化。AI可以做的是不但是把它更稳定地复现出来，还可以探索从离散等级到连续量化的过渡。如果能进一步预测复发，那就更有价值。🔷706 Key Morphologic Predictors of Pancreatic Ductal Adenocarcinoma in Biopsy and FNA Specimens: A Correlative Histologic Study在胰腺穿刺活检和细针穿刺这类有限样本中，最能提示PDAC的并不是很多零散形态线索的简单堆积，而是少数几个更稳定的关键征象——如核极性丢失、核拥挤、深染和不典型腺体，其中FNA中最突出的信号则是深染。 病理AI的切入点在于构建面向有限样本的PDAC关键形态征象识别模型，自动量化这些高价值细胞学和结构学特征，并进一步发展为针对core biopsy和FNA的诊断置信度辅助工具。🔷709 Eosinophil Quantification in Chronic Gastritis: Potential Implications in Pathogenesis and Management of Collagenous Gastritis嗜酸性粒细胞计数是非常适合病理AI的任务。在临床场景中，如果慢性胃炎的管理确实需要更稳定、更大规模的嗜酸性粒细胞计数，那么AI就能很自然地替代繁琐人工计数，并扩展到按区域、按层次、按高倍视野的细粒度统计。🔷710 Do Tumor Deposits Demand More? A Multicenter Validation Of Sassun–Mayo Stages In N1 Colon Cancer Assessing Different Chemotherapy RegimensTumor deposit是很有潜力但也很考验定义一致性的AI方向。若要切入，重点不只是检出tumor deposit，更要解决它与淋巴结转移、血管侵犯等结构的区分，并进一步把deposit负荷、数量、分布模式量化出来。🔷760 Limitations of Morphology-Based Tumor Purity Assessment in Clinical Oncology: Insights from Molecular Correlation研究指出了传统形态学的肿瘤纯度评估可能并不可靠。那AI一方面可以把肿瘤纯度评估做得更标准；另一方面也可以更有意思地去研究，哪些形态因素导致了“形态估计”和“分子真值”之间的偏差。这个方向不只是做自动评估，而是在反过来审视形态学判断的边界。🔷767 Do Patients with Lymph Node Micrometastasis (≤ 2 mm) Show Better Disease-Free Survival Than Those with Macrometastasis (> 2 mm) in Prostate Cancer Following Radical Prostatectomy?如果淋巴结转移灶本身的大小与预后有直接关系，那么AI不但可以辅助识别有转移的淋巴结，更可以精细量化转移灶的大小，并进一步提供更连续的转移负荷度量，例如总转移面积、多灶性、最大灶直径与结节大小比值等。🔷771 Analysis of Three Different Methods for Interpretation of P53 Immunohistochemistry in Penile Squamous Cell Carcinoma in Predicting TP53 Mutational Status在阴茎鳞癌中，p53免疫组化并不是简单看“阳性多少”就够了，真正更接近TP53突变状态的是对表达模式的判读，例如弥漫基底/基底上过表达、全阴性或胞浆型等异常模式，而不是单纯的阳性比例阈值。而AI正好可以把强度、范围、染色模式做成标准输出，实现比传统计数法更贴近分子状态的数字化判读。🔷778 Digital Regrading of Urothelial Carcinoma with Focal High-Grade Features: Improved Interobserver Agreement and Cytology Correlation Using the ISUP Hybrid System对于伴局灶高级别成分的尿路上皮癌，传统WHO 1973三级分级体系在G2区间内容易产生模糊和分歧。 病理AI的切入点在于构建尿路上皮癌局灶高级别成分识别与数字化重分级模型，自动量化低级别与高级别区域的比例和空间分布，辅助在LG2与HG2等易分歧区间实现更一致的判读，并与细胞学结果联合提升分级的稳定性与临床相关性。🔷784 Integrating WHO Grading with ABCC2 Immunohistochemistry Improves Renal Biopsy Risk Assessment in Papillary Renal Cell CarcinomaPRCC术前活检仅靠WHO分级进行风险判断并不稳定，存在明显低估风险的问题，而加入ABCC2 IHC后，尤其在小肾肿块和主动监测场景中，活检与切除标本之间的一致性可以明显提高。 病理AI的切入点在于构建活检形态分级+ABCC2表达模式联合判读模型，一方面自动识别BB反应并标准化风险分层，另一方面也可进一步探索仅基于H&E预测ABCC2风险表型，用于术前更稳健的分层和监测决策辅助。🔷 798 mCRPC: From Morphology to Survival转移性前列腺癌并不是一个单一形态实体，不同形态亚型对应着明显不同的生存结局和分子背景，其中cribriform ADC预后相对更好。病理AI的切入点在于，基于H&E构建转移灶形态亚型自动识别与混合形态量化模型，进一步结合生存和基因数据，发展为面向mPC的形态分型、风险分层和潜在分子异常提示工具。🔷819 Non-Invasive Papillary Urothelial Carcinoma with "Plasmacytoid” Morphology: A Retrospective Review of 500 Consecutive Cases一部分看起来并不具备传统高级别细胞学特征的 pTa乳头状尿路上皮癌，只要出现“plasmacytoid”形态，其进展风险就可能高于典型低级别病变，但又未必完全等同于常规高级别肿瘤。 病理AI的切入点在于构建非典型少见形态成分识别与比例量化模型，自动检出并量化pTa PUC中的plasmacytoid成分，再结合随访结局评估其是否应作为独立的升级风险信号或纳入更精细的数字化分级体系。🔷823 Quantification of Perineural Invasion (PNI) in Individual Biopsy Sites Enhances Postoperative Risk Stratification in Prostate Cancer: Impact of 2 PNI Foci Detected in 1 vs. 2 Biopsy Site(s)这是非常标准的AI选题。PNI不应只做有无判断，而应做到按针道、按部位、按灶数输出。也就是说，AI不是“发现PNI”就结束了，而是进一步量化PNI负荷及其空间分布，这才更符合题目真正关注的问题。🔷839 Histologic Features “Suspicious for Extraprostatic Extension” on Core Biopsy Are Strongly Correlated with Extraprostatic Extension at Radical Prostatectomy在前列腺穿刺活检中，即使尚未达到“明确前列腺外侵犯（EPE）”的标准，只要出现肿瘤紧贴脂肪组织、或位于超出前列腺平滑肌基质边界之外的胶原纤维组织中，这类“可疑EPE”征象同样与根治标本中的真实EPE高度相关。 病理AI的切入点在于构建EPE可疑征象识别与风险提示模型，自动定位肿瘤—脂肪接触、肿瘤突破前列腺基质边界等关键结构关系，将原本依赖经验的“sEPE”判断转化为更标准化、可重复的术前风险评估工具。🔷865 Novel Composite Histopathologic Score from Prostate Base Biopsies Predicts Ipsilateral Seminal Vesicle Invasion at Radical Prostatectomy前列腺基底部活检中的Grade Group≥3、PNI和PTI≥50%不只是彼此相关的高危征象，而是能够独立预测同侧精囊侵犯，并且三者整合后的复合病理评分比单一特征更具术前分层价值。 病理AI的切入点在于构建基底部活检多特征联合量化模型，自动识别并整合高级别成分、神经周围侵犯和肿瘤累及比例，进一步形成面向SVI风险的数字化复合评分工具，用于术前风险评估和治疗决策辅助。🔷871 Morphological Detection of Intraductal Carcinoma of the Prostate on Biopsy Is a Strong Predictor of Upgrading at Radical Prostatectomy前列腺导管内癌IDC-P本身就是前列腺病理里很有价值的目标。AI切入点很直接：自动识别IDC-P，并把它作为病例升级风险的重要信号。真正有意思的是，AI是否能帮助把那些“高度可疑但尚不典型”的病灶更早提示出来。🔷872 Quantification of Perineural Invasion (PNI) in Individual Biopsy Sites Enhances Postoperative Risk Stratification in Prostate Cancer: Comparison of Single PNI Focus vs. Multiple PNI Foci Within a Single Biopsy Site和摘要823类似，但这里更强调单一针道内PNI灶数的差异。这再次提示一个问题：很多像PNI这样的传统病理特征其实不该停留在“有/无”二元标签，而更适合被AI转化为连续化、负荷化的量化指标。🔷873 H&E-based Immune Phenotypes Predict Benefit from Dual Immune Checkpoint Inhibitors (ICIs) but not ICI plus Tyrosine Kinase Inhibitors (TKIs) in Metastatic Renal Cell Carcinoma (mRCC)人工评估已经可以仅基于H&E对肿瘤免疫微环境进行分型（desert/excluded/inflamed），且这种表型能够区分双免（ICI+ICI）治疗的获益人群，但对ICI+TKI组合则缺乏预测能力。 病理AI的切入点在于构建H&E免疫表型自动识别与空间免疫浸润量化模型，不仅实现desert/excluded/inflamed的标准化分型，还可进一步量化肿瘤内与周边免疫细胞分布，用于指导不同免疫治疗方案的分层选择。🔷911 Significance of The Presence of One or More Non-Conventional Histologic Components in Urothelial Carcinoma: Focus on Pathologic Outcomes Post-Neoadjuvant Chemotherapy in A Multi-institutional Cohort尿路上皮癌的非经典组织学成分，本来就很适合做数字病理量化。AI可以帮助识别这些非经典成分，并量化其比例，再与新辅助治疗后的病理结局关联。这类方向对“变异形态成分的系统研究”会很有帮助。🔷937 Residual Disease and Chemotherapy Response Score (CRS) in Interval Cytoreductive Surgery (ICS) After Neoadjuvant Chemotherapy (NACT) for High-Grade Serous Ovarian Carcinoma (HGSOC): Time to Refine the Prognostic Stratification?HGSOC新辅助治疗后网膜病灶的化疗反应评估中，二分类CRS（CRS1/2 vs CRS3）比三分类更稳定。病理AI的切入点在于构建CRS自动量化模型，标准化输出CRS分层、残留肿瘤比例及是否完全清除，从而把原本主观性较强的治疗反应评估转化为更稳定、可重复的数字化预后工具。🔷969 Pathologic and Molecular Predictors of Immunotherapy Response In Endometrial Cancer Inform Outcomes Beyond TCGA Classification子宫内膜癌免疫治疗获益并不只由MMRd或POLE这类粗颗粒分子分型决定，肿瘤浸润前沿的单核炎症、肿瘤内淋巴细胞、肿瘤周围间质状态，以及ARID1A/PTEN突变等更细致的形态与分子特征，都可能提供额外的预测信息。 病理AI的切入点在于构建肿瘤前沿免疫炎症与间质量化的形态—分子联合模型，基于H&E自动评估invasive front炎症、TILs和间质类型，并进一步与分子特征整合，用于更精细的免疫治疗反应分层。🔷972 Distinguishing Minimal High-Grade Serous Carcinoma (HGSC) from Serous Tubal Intraepithelial Carcinoma (STIC) of the Fallopian Tube: A Single-Institution Experience这是典型的微小病变、边界病变鉴别问题。AI的价值可能不在于独立下结论，而在于做“高可疑区域提示”和“微小病变检出增强”。这类方向技术上有挑战，但临床意义往往不低。🔷1010 Assessment of Prognostic Significance of Extent of Infiltrative Growth in a Multi-institutional Series of Ovarian Mucinous Carcinoma浸润性生长模式是非常适合AI量化的对象。因为人工判断常常是印象式、离散化的，而AI可以把浸润边界复杂度、浸润范围、局灶与弥漫分布等特征转化为连续变量，再与预后做关联分析。🔷1017 Count On It: An Outcome-Anchored Three-Gland Rule for Extensive Endocervical Gland Involvement (eEGI) in Initial Cervical Biopsies with HSIL真正有预测价值的并不是“是否存在宫颈腺体受累（EGI）”本身，而是其在初次活检中的受累范围，尤其受累腺体数达到≥3个时，更提示后续切除标本切缘不良、残留病变和再次切除风险升高。 病理AI的切入点在于构建HSIL中EGI自动识别与腺体计数模型，标准化输出受累腺体数、受累比例和范围分层，把原本较主观的“广泛受累”判断转化为更稳定的数字化风险提示与切缘管理辅助工具。🔷1019 Classification of Focal Versus Extensive LVI in Endometrial Carcinoma is Dependent on Method of LVI Quantification子宫内膜癌中广泛LVI不仅取决于是否达到5个受累脉管，更取决于这5个病灶是集中出现在单张切片，还是分散在多张切片中。 病理AI的切入点在于构建LVI自动识别与全病例级负荷量化模型，既能在单张切片上检测和计数明确LVI灶，也能跨全部肿瘤切片整合其总数、分布和聚集模式。🔷1035 Integrating Morphology and Immunohistochemistry to Guide POLE Testing in Endometrial Carcinoma: A Real-World ExperiencePOLE突变型子宫内膜癌虽然预后极好，但若完全依赖全量分子检测，现实成本较高，而“形态可疑/不典型+p53或MMR亚克隆异常表达”的组合，确实可以富集出大多数POLE突变病例索。 病理AI的切入点在于构建面向POLE送检分流的形态—IHC联合筛查模型，自动识别高等级中不典型或混合形态区域、亚克隆p53/MMR异常模式，并输出POLE高可疑评分，用于在资源受限场景下优化分子检测策略。🔷1043 Composite Score Based on Tumor Stromal Proportion (TSP) and Tumor Buds (TBs) as Prognostic Predictor in Cervical Squamous Cell Carcinoma (SCCA)在宫颈鳞癌中，单独看肿瘤间质比例（TSP）或肿瘤出芽（TB）都不如把二者组合起来更有预后价值。 病理AI的切入点在于构建侵袭前沿TSP与TB联合量化模型，自动识别最具侵袭性的区域、量化间质比例和芽生负荷，并进一步形成类似TSTB的数字化复合评分。🔷1090 Evaluation of Perineural Invasion and its Subcategorization (by Location), in Oral Cavity Squamous Cell Carcinoma and Its Correlation with Other Prognostic Factors, Disease Free Survival and Overall Survival: A Retrospective StudyPNI的另一个典型方向，是不只做检测，还做子分类。比如按位置、按神经大小、按包绕模式、按是否伴神经内浸润来分层。AI非常适合承担这类多层次、重复性差但临床重要的量化任务。🔷1107 Expanding the Histologic Spectrum of Human Papillomavirus (HPV)-Associated Oropharyngeal Carcinoma: A Retrospective Study of 380 Cases Focusing on Classification, Histologic Features, and Their Prognostic SignificanceHPV相关口咽癌并不只是“非角化型鳞癌”这一种经典形态，肿瘤中哪怕只占少量的腺样分化成分或基底样成分，也可能携带独立的不良预后信息。 病理AI的切入点在于构建HPV相关口咽癌细粒度形态成分识别与比例量化模型，自动检出腺样、基底样、乳头状、淋巴上皮样等不同组织学成分及其占比，并进一步形成面向预后分层的数字化形态谱系分析工具。🔷 1116 Evaluation of Collagen Alignment and Histological Features in Different T Stages of HPV Positive Oropharyngeal Squamous Cell Carcinoma这个题目很有启发，因为它把注意力放到了基质结构而非只盯肿瘤细胞。病理AI可以从H&E或特殊染色中量化胶原排列方向性、各向异性、纤维组织组织化程度，并与T stage关联。这类“间质结构量化”可能是被低估的方向。🔷1161 Follicular Lymphoma Grade 3: Reassessing Morphologic Features in the Context of Current Classification Systems滤泡性淋巴瘤3级，尤其是3A、3B以及WHO5新增的FL3U之间的区分，仍然高度依赖主观细胞形态判断，重复性有限。 病理AI的切入点在于构建滤泡性淋巴瘤细胞学分级与弥漫大B细胞成分识别模型，自动量化centroblast密度、大细胞优势程度及弥漫区范围，把原本主观性较强的FL亚型划分转化为更可重复的数字化分层工具。🔷 1163 Post-Induction Bone Marrow Fibrosis: A Potential Prognostic Indicator of Leukemic Clearance and Improved Overall Survival in Acute Myeloid Leukemia骨髓纤维化是很典型、也很适合AI标准化的病理指标。尤其在治疗后骨髓样本中，AI可以帮助把纤维化从传统等级评价推进到更连续、更客观的定量指标。🔷1419 Immune Related Pathological Features and Immune Therapy Predictive Score in Biopsy Predicting the Prognosis of Intrahepatic Cholangiocarcinoma Patients Treated by Combined Immunotherapy Following Radical Resection在iCCA免疫联合转化治疗前的常规H&E活检中，肿瘤浸润淋巴细胞、淋巴细胞聚集、未成熟纤维化和含铁血黄素沉积等免疫相关病理特征，已经能够组合成一个具有预后分层能力的ITPS。 病理AI的切入点在于构建H&E免疫相关特征自动识别与复合评分模型，系统量化这些微环境征象并形成类似ITPS的数字化评分，用于iCCA免疫联合治疗前的疗效分层和预后评估。🔷1420 Tumor Budding in Hepatocellular Carcinoma Patients Treated by Immune Check Point Inhibitor Based Conversion Therapy: Prognostic Value and Its Relationship with Tumor Microenvironment在ICI转化治疗后的肝细胞癌中，tumor budding仍然保留了很强的预后信息。 病理AI的切入点在于构建治疗后HCC的tumor budding自动识别与微环境联合量化模型，在标准化评估TB负荷的同时，进一步整合包膜完整性、病理反应和基质/免疫相关形态特征，用于ICI转化治疗后患者的风险分层与复发预警。🔷1517 Divergent Tumor Morphologies and Stromal Compositions Between Primary and Metastatic Pancreatic Ductal AdenocarcinomasPDAC的原发灶与不同转移部位并不是简单复制关系，尤其肝转移灶会出现更致密活跃的肿瘤腺体、更疏松纤维化且免疫缺陷的间质。 病理AI的切入点在于构建原发—转移灶形态与间质成分对比量化模型，自动识别不同部位PDAC的腺体密度、细胞活性、纤维间质松紧度及免疫相关形态差异，用于转移灶识别、预后分层以及潜在治疗敏感性研究。🔷1524 Optimizing Tumor Epicenter Identification in Whipple Specimens Using the Whole–Mount Axial Sectioning Grossing TechniqueWhipple标本中肿瘤原发部位的判断很大程度上取决于大体取材方式本身，整块轴位切开并全景提交能够更好保留解剖连续性，从而更准确地识别壶腹部或胰内胆总管周围的肿瘤中心，并提高对LVI、PNI等关键病理特征的检出。这更像一个grossing与病理流程优化问题。AI如果切入，可能不是传统显微图像分类，而是联合整片数字病理、取材位点信息甚至大体照片，辅助确定肿瘤epicenter或优化取材路径。🔷1529 Weighted Viable Tumor Percentage Outperforms Alternative Quantitative Methods in Predicting Recurrence of Neoadjuvant-Treated CAP Grade 1-2 Pancreatic Adenocarcinoma这是非常适合病理AI的治疗反应评估问题。重点不是简单地算viable tumor percentage，而是比较不同量化方法，看看哪一种更能预测复发。AI在这里的价值，不只是自动分割和计量，还在于帮助重新定义更合理的病理指标。🔷1595 IMPACTS Study: Independent-validation of Modified Pulmonary Adenocarcinoma Classification on T Stage≤3cm肺腺癌中，决定T分期的间质浸润判断并不是一个稳定的“常识性病理指标”，其重复性高度依赖病例本身的明确程度，而引入改良判读标准和辅助染色虽能改善浸润与肿瘤大小评估，但对塌陷、次要/第三组织学模式等难点仍帮助有限。 病理AI的切入点在于构建肺腺癌浸润识别与分期辅助模型，把当前重复性较差的早期肺腺癌pT评估转化为更标准化、更可重复的数字病理判读工具。🔷 1604 Tumor Spread Through Air Spaces (STAS) Predicts Recurrence in Non-Small Cell Lung Cancer: A Single-Institution Retrospective StudySTAS是非常典型、也非常值得AI介入的方向。因为它既重要，又常常带有定义争议和观察者差异。AI真正有价值的地方，可能不是一句“有 STAS/无STAS”，而是把相关空间结构、分布方式和可疑程度做得更客观。🔷1636 Pathologic Response in Lymph Nodes after Neoadjuvant Therapy in Non-Small Cell Lung Cancer: Tumor Bed Extent, Not Viable Tumor%, Drives Survival Associations在NSCLC新辅助治疗后，淋巴结病理反应的预后意义可能并不主要取决于残余肿瘤比例，而更体现在肿瘤床的范围与大小上，提示淋巴结反应评估不能简单照搬原发灶MPR的思路。 病理AI的切入点在于构建新辅助治疗后淋巴结肿瘤床自动描绘与量化模型，在标准化评估瘤床直径、面积、活肿瘤比例和坏死比例的基础上，与原发灶反应联合建模，用于更准确的术后预后分层和决策支持。🔷1683 Tumor Budding in Colorectal Carcinoma: Between Prognostic Promise and Practical Uncertainty尽管结直肠癌中的肿瘤出芽已经被纳入ITBCC指南和CAP报告体系，但在实际诊断中，不同病理医生在判读标准、计数方法和报告方式上仍存在明显差异。 病理AI的切入点在于构建肿瘤出芽自动识别与标准化分级模型，通过数字化量化提升一致性和可重复性，推动其从“主观性较强的人工指标”向“更可靠的数字病理指标”转变

目前，大多数病理AI研究仍然基于单个时间点的切片进行诊断或预后预测。然而，同一患者在治疗和随访过程中产生的多次病理标本，可能包含着尚未被充分利用的时间信息。近期发表于Advanced Science的一项研究，通过量化膀胱癌患者前后两次H&E切片的细胞核形态变化，探索了利用纵向病理数据描述肿瘤进展的新思路。这项研究的意义或许不仅在于发现了哪些形态学指标，更在于为病理AI提供了一个值得关注的研究方向：从静态识别肿瘤特征，走向动态量化肿瘤变化。一、病理AI为什么总是在分析单个时间点？过去几年，随着病理视觉基础模型和全切片分析技术的发展，病理AI已经能够从常规H&E切片中提取越来越丰富的信息。从肿瘤诊断、组织学分级到基因突变预测、治疗反应及预后评估，绝大多数研究采用的都是相似的技术路线：获取某个时间点的病理切片，提取形态学或深度学习特征，再与临床终点建立关联。这种研究模式取得了不少成果，但存在一个容易被忽视的问题：单个时间点的病理切片只能反映肿瘤在某个时刻的组织学状态，却无法直接告诉我们肿瘤正在如何变化。例如，两个患者的肿瘤可能具有相似的组织学分级和细胞核异型性，但其中一位患者的肿瘤可能长期保持相对稳定，另一位患者则可能在近期出现了明显的形态学改变。仅从当前切片来看，两者可能难以区分，但如果能够获得此前的病理标本，就有机会通过前后的形态变化获得额外信息。实际上，临床诊疗并不总是只产生一次病理标本。对于需要重复活检、手术或长期随访的疾病，同一患者可能积累多个时间点的组织样本。特别是在接受新辅助治疗的肿瘤患者中，治疗前穿刺活检与治疗后手术标本本身就构成了天然的纵向病理数据。遗憾的是，这些来自不同时间点的病理切片，在不少计算病理研究中仍然被当作彼此独立的样本处理，其蕴含的时间变化信息并没有被充分利用。二、研究设计：把两次病理切片组成一个分析单元近日，徐州市中心医院联合东南大学、江苏师范大学等机构的研究团队在Advanced Science发表了一项关于膀胱癌纵向数字病理分析的研究。研究利用同一患者不同时间点的H&E病理切片，量化细胞核形态的动态变化，并探索这些变化与肿瘤进展之间的关系，为利用连续病理标本研究肿瘤演变提供了新的思路。膀胱癌是开展此类研究比较合适的疾病，因为部分患者，尤其是非肌层浸润性膀胱癌患者，在临床随访过程中会接受重复膀胱镜检查、经尿道肿瘤切除或活检，因而能够形成多个时间点的病理样本。研究者将同一患者较早获取的病理标本定义为T0，较晚获取的标本定义为T1，通过计算两个时间点之间的形态学特征差值，量化肿瘤随时间发生的变化。经过病例筛选和质量控制，研究建立了两个独立的纵向配对队列。其中，中心1作为发现队列，包含86名患者的86对病理切片，涉及35例进展和51例未进展患者；中心2作为独立验证队列，包含96名患者的96对切片，涉及38例进展和58例未进展患者。两个队列的T0至T1中位间隔分别为16个月和12.5个月。研究根据配对期间记录的病理学恶化情况确定进展状态，而单纯肿瘤复发、没有明确病理学进展的病例仍归入未进展组。此外，研究还使用了来自四家医院的1977张H&E全切片图像，建立传统单时间点病理AI分析的参照，并利用TCGA膀胱癌队列进行分子生物学关联分析。不过，这些数据与182对纵向病理样本属于不同的分析部分，并不能都视为纵向研究的验证数据。这项研究在数据组织上的一个关键变化，是不再将每张WSI简单视为独立样本，而是把同一患者的T0和T1组成一个配对分析单元。三、如何量化两个时间点之间的病理形态变化？虽然研究提出了纵向数字病理的概念，但核心技术并不复杂，也没有开发特别新颖的深度学习架构。其主要思路是通过现有的细胞核分割技术，从两个时间点的H&E切片中提取可解释的形态学指标，再计算前后的差异。首先，研究利用Cellpose对全切片中的细胞核进行实例分割，并提取核面积、等效直径、长短轴比例、圆形度和实心度等特征。其中，等效直径并非独立测量的核直径，而是根据核面积换算得到的等面积圆直径。随后，研究将细胞核特征汇总至局部组织区域及切片层面，从细胞核大小、形状规则性、局部细胞数量和空间组织结构等维度描述病理形态。值得注意的是，研究不仅分析整张切片的平均核形态，还利用500微米的空间网格，分析不同组织区域中细胞核大小及数量的分布情况。这使研究者能够进一步判断，所谓的形态变化究竟只是少数局部区域出现异常，还是在更大范围内发生了分布性改变。完成两个时间点的特征提取后，作者使用一个相当直接的方式计算纵向变化：用T1的特征值减去T0的特征值。这意味着，如果某个患者的平均细胞核面积在T1大于T0，那么该指标的变化量为正；反之则为负。与传统单时间点研究相比，这种分析的区别不仅在于多使用了一张切片，而在于把研究对象从某个时间点的绝对形态特征，转变为同一患者的形态变化方向及幅度。另外需要说明的是，T0与T1来自不同时间的独立病理标本，并不是对同一组织区域进行精确配准。因此，研究并没有追踪某个具体细胞核如何变化，而是比较两个时间点整体细胞核形态及其空间分布的统计差异。四、主要发现：肿瘤进展伴随着细胞核大小的纵向变化通过比较进展组与未进展组的纵向形态特征，研究者发现，细胞核大小的变化是其中比较突出的信号。在18项两个中心共有的纵向特征中，有11项表现出相同方向的进展关联，但具体效应强度存在明显的中心差异。尤其是在独立验证队列中，细胞核等效直径和核面积的变化与病理进展显著相关。平均等效核直径变化的标准化效应量为0.72，平均核面积变化的效应量为0.68，两项指标经多重检验校正后的FDR均为0.0039。进一步观察两个时间点的变化轨迹，可以发现，进展组的平均核直径和核面积总体呈现上升趋势，而未进展组则呈现下降趋势。这说明，与其仅仅考察某张切片中的细胞核是否较大，考察同一患者的细胞核是否在不同时间点之间出现了增大的趋势，也可能具有临床意义。当然，这项发现并不是在两个中心都得到了同等强度的验证。中心1中对应的核大小变化效应较弱，未达到统计学显著性。作者进一步开展了限定肿瘤区域、调整治疗因素、改变细胞核分割参数，以及采用更严格病理进展定义等敏感性分析，中心2的主要结果依然成立。例如，仅将病理分期升高视为进展，而不将单纯分级升高纳入进展时，中心2的核直径变化仍然具有统计学意义。这在一定程度上降低了研究结果仅仅来自组织学分级定义与细胞核异型性相互重叠的可能性。不过，中心之间效应强度不一致，也提示这些纵向特征仍然受到组织取样、病例构成和技术差异的影响。不只是平均核大小发生变化，空间分布也在改变。为了进一步理解核大小变化的组织学分布，研究者还分析了500微米空间网格中的细胞核面积分布。研究发现，在进展患者中，细胞核面积增大的现象并不局限于某几个局部区域，而是在更广泛的组织空间分布中表现出来。其中，反映核面积分布整体上移的指标具有较明显的组间差异，效应量达到0.80，FDR为0.007。这一结果提示，纵向病理变化不仅可以表现为某个平均特征值的改变，也可能体现为组织内某类形态学表型的整体分布发生变化。对于计算病理而言，这一点值得关注。未来进行纵向研究时，除了比较两个时间点的平均特征，还可以进一步分析肿瘤亚区域比例、细胞群组成、局部空间结构及不同组织学表型的分布变化。五、这些形态变化是否具有生物学意义？仅仅观察到形态学特征在不同时间点发生变化，还不足以说明这些变化能够反映真实的肿瘤生物学演变。因此，作者进一步引入了Ki-67免疫组化和TCGA转录组数据，为研究结果提供补充证据。在中心2具有Ki-67数据的病例中，研究发现T1的Ki-67指数与核大小变化相关指标之间存在一定的正相关，相关系数为0.267，P值为0.0468。对于同时具有T0和T1 Ki-67检测结果的28例患者，进展组的Ki-67变化量也显著高于未进展组。这一发现提示，细胞核形态变化可能与肿瘤细胞增殖活性的改变具有一定联系。不过，相关程度并不强，而且样本量较小，因此更适合作为支持性证据。另一方面，研究使用TCGA膀胱癌数据，分析从H&E中提取的核大小相关形态学指标与转录组特征之间的关联。结果显示，核大小相关指标与CD8 T细胞活性、细胞毒性、干扰素反应等多种免疫相关转录组特征呈负相关。这些结果为理解核形态与肿瘤生物学状态之间的联系提供了线索，但需要强调，TCGA分析使用的是单时间点数据，并没有验证同一患者前后两次切片的分子状态如何变化。因此，目前还不能据此确认核大小变化与免疫微环境演变之间存在明确的机制联系。六、与纵向分析形成对照：单时间点病理AI模型表现如何？前面的分析表明，同一患者在不同时间点的病理形态变化可能包含与肿瘤进展相关的信息。那么，相比之下，传统的单时间点病理AI模型又能够从切片中获得哪些信息？为此，作者还利用来自四家医院的1977张H&E全切片图像，开展了单时间点病理AI建模分析，分别比较了仅使用临床信息、仅使用UNI2病理基础模型特征，以及临床与病理特征融合的模型表现。在中心1的内部验证中，三种模型的AUC分别为0.72、0.69和0.75，融合模型表现最好。但当训练好的模型直接应用于其他三个中心时，融合模型的AUC分别为0.65、0.78和0.61，表现出明显的跨中心差异。此外，融合模型还能够对患者的无复发生存期进行风险分层，在中心1和合并外部验证队列中的风险比（HR）分别为5.18和2.22。这些结果说明，单时间点病理切片本身已经能够提供一定的临床风险信息，但模型的跨中心泛化能力仍然存在挑战。不过，需要注意的是，这部分研究与前面的纵向形态分析实际上回答了不同的问题。单时间点模型主要评估患者的复发风险，而纵向分析关注的是同一患者前后两次病理标本的形态变化及其与病理进展的关联。作者并没有在相同的临床终点上直接比较两种方法，因此尚不能证明纵向形态特征能够提供超越单时间点模型的预测价值。从这个角度来看，本文的意义并不是证明两张切片一定比一张切片预测得更准确，而是尝试从连续病理标本中提取单张切片无法直接描述的时间变化信息。 至于这些纵向变化是否能够为现有病理AI模型带来额外的临床价值，仍然需要后续研究进一步验证。七、这项研究真正值得关注的是什么？如果只从技术角度来看，这项研究所使用的Cellpose分割、形态学特征提取和统计比较，都不是特别新颖的方法。论文的创新性更多体现在研究问题和数据组织方式上。1. 从静态表型识别走向纵向变化量化传统病理AI更关注某个时间点的病理状态，例如切片中是否存在高危形态学特征，或者这些特征与患者预后之间有什么关系。纵向分析则进一步提出了另一个问题：同一患者的病理表型在一段时间内发生了哪些变化，这些变化又与疾病进展或治疗反应存在什么关系？这两类问题并不相同，也未必能够被同一种模型完全解决。特别是对于具有连续病理样本的疾病，患者自身的早期样本可以提供一个个体化的参照。即使两名患者在后一个时间点具有相似的病理形态，他们相对于各自早期状态的变化幅度，也可能完全不同。这种思路有机会使病理AI从单纯识别高风险形态，进一步发展到描述肿瘤表型的动态变化。2. 不一定需要复杂的新模型，也可以提出有价值的病理AI问题当前病理AI研究正在快速引入新的视觉基础模型、多模态融合架构和复杂的弱监督学习方法。相比之下，这项研究最核心的纵向分析，使用的是可以直接解释的细胞核形态学特征及其前后差值。这提醒我们，病理AI研究的创新并不一定需要开发全新的模型结构。合理利用现有数据、重新定义分析单元，以及提出具有临床意义的新问题，同样可能产生有价值的研究结果。当然，使用简单方法证明纵向变化可以被量化，只是第一步。这项研究尚未证明，纵向形态学特征能够提供超越单时间点病理指标的独立临床预测价值。3. 纵向病理分析还有不少值得解决的方法学问题尽管研究思路具有启发性，但真正开展高质量的纵向病理AI研究仍然面临一些挑战。首先，不同时间点的病理标本往往来自不同取样部位，组织成分、肿瘤比例及标本类型也可能存在明显差异。因此，观察到的形态变化不一定全部来自肿瘤生物学演变，还可能包含取样偏差。其次，治疗本身也会导致组织学改变。如果研究对象是治疗前后标本，那么肿瘤细胞消失、纤维化、炎症浸润及坏死比例变化，都可能成为重要的纵向信号。此时必须区分治疗诱导的变化、疾病自然进展，以及不同标本类型带来的差异。另外，这篇论文主要研究的是已经发生的病理进展与前后形态变化之间的关联，而不是在T0预测未来是否进展。只有获得T1切片后，才能计算完整的T1-T0变化量。因此，这种方法更接近于对疾病演变进行量化描述，而不能直接等同于提前预测进展风险。未来如果希望将纵向病理特征用于临床预测，还需要进一步明确预测的时间点和临床终点，例如利用T0和T1之间的变化，预测T1之后的复发或生存结局，并证明这些变化特征较单时间点模型具有额外价值。八、纵向病理AI，可能是一个值得进一步探索的研究方向从更广泛的角度来看，膀胱癌并不是唯一具有纵向病理数据的疾病。在乳腺癌、食管癌等接受新辅助治疗的患者中，治疗前穿刺活检与治疗后手术标本可以构成天然的配对数据。通过量化前后肿瘤细胞形态、组织结构、肿瘤间质比例及免疫细胞空间分布的变化，可以尝试建立更全面的病理疗效表征，并进一步研究这些变化与远期复发或生存结局之间的关系。对于炎症性肠病等需要长期组织学监测的疾病，不同随访时间点的活检标本同样可能用于量化炎症细胞浸润、腺体结构损伤及组织修复的动态变化。此外，随着病理视觉基础模型的发展，纵向病理分析也未必需要局限于人工定义的核面积、形状及密度等特征。未来可以利用基础模型分别提取不同时间点的组织表征，再通过特征差异、跨时间点交互建模等方法，学习传统病理组学指标难以描述的复杂形态变化。不过，基础模型能否真正学习到有生物学意义的时间变化，而不是放大不同时间点之间的染色、取样和扫描差异，仍然需要专门的研究设计与验证。从这个意义上说，纵向病理AI的价值，可能不在于简单地把两张WSI输入同一个模型，而在于如何建立一个能够区分真实组织学变化与技术、取样差异的量化框架。这篇Advanced Science研究还不能证明纵向病理分析一定优于传统的单时间点模型，其核心发现也需要在更大规模、取样更规范的独立队列中进一步验证。但它提供了一个值得关注的研究视角：临床长期积累的连续病理标本，除了用于每一次独立的诊断，是否还能够被重新组织起来，成为研究疾病演变的纵向数据资源？当越来越多的研究致力于从一张切片中提取更多信息时，或许也值得思考另一个问题：相比不断提高单张切片的特征提取能力，我们是否也应该开始关注同一患者不同时间点的病理切片之间，究竟发生了什么变化？

做医疗 NLP 的人大概都有过这种体验：拿一个通用中文 BERT 直接微调病历分类或者实体识别，跑出来的结果总差一口气。差的那口气往往不在标注数据量上，而在模型进医疗领域之前，根本没怎么见过“上消化道出血”“门静脉高压”“靶向治疗”这类术语的搭配方式。通用语料里“苹果”和“手机”的共现频率，远高于“胰腺”和“占位性病变”。医疗语言有自己的词汇分布和句法惯性，通用预训练模型对此是钝感的。基于 StructBERT 的医疗领域中文 Base 预训练模型（damo/nlp_medical_structbert_backbone_base），解决的就是这口“气”的问题。但动手之前得先把一件事说清楚：它是一个预训练底座（backbone），不是开箱即用的诊断模型。这个定位决定了它的使用方式和适用人群。StructBERT 是什么，医疗版又做了什么StructBERT 是阿里在 2019 年提出的预训练模型（arXiv:1908.04577），核心思路是在标准 MLM 之外，把语言结构显式加进预训练目标：词级的“打乱词序还原”和句级的“句子顺序预测”。简单说，它不只学“某个位置该填什么词”，还学“词和词之间的顺序关系是否合理”“两句话的先后逻辑对不对”。这个设计对中文尤其有价值，因为中文没有形态变化，词序和句序承载了更多语法与语义信息。医疗版的改动本身并不复杂：模型结构完全沿用中文 StructBERT-base（12 层 / 768 隐藏维度 / 12 头，约 102M 参数），在医学数据上继续做 MLM 预训练。没有改架构，没有加新模块，就是在医疗语料上把通用模型“泡”了一遍，让它的词向量和注意力模式向医学语言分布偏移。这种“继续预训练”的做法在领域适配里是最朴素也最稳妥的路径之一。它不承诺奇迹，但能实打实地让模型在遇到“术后观察要点”“病理分期”“免疫组化”这类表达时，激活更合理的内部表示。对于下游的序列标注、句子分类、句子相似度任务，这个底座的起点比通用 BERT 更靠近医疗语义空间。对医生读者：它不看病，它帮你把“话”变成“数据”如果你是从临床侧过来的，最需要厘清的一点是：这个模型不输出诊断结论，也不读影像。它的工作对象是文本——病历、医嘱、检查报告、问答记录。它能做的是把这些自由文本变成机器可计算的结构化表示，从而支撑几类实际场景：一是病历结构化与质控。把一段出院小结喂进去，微调后的模型可以辅助抽取“主诉、现病史、手术方式、病理结果”等字段，或者判断一份病历的完整性。二是医疗问答与检索的底座。患者问“胃出血一般住院多久”，模型能把这个问题和知识库里的段落做语义匹配，而不是靠关键词硬碰。三是术语归一与相似度判断，比如判断两条诊断描述是否指向同一概念，辅助编码或去重。但它有明确的边界：训练数据有限，页面明确写了“效果可能存在一定偏差”，且“数据评估及结果：暂无”。这意味着它没有一份官方背书的基准分数供你直接引用。对临床场景而言，这不是一个小问题——任何要进入实际工作流的模型，都需要在你们自己的数据上重新验证。把它当作一个起点更好的底座，而不是一个“已验证可用”的成品，是更负责任的态度。对开发者：微调路径和那个值得注意的示例模型页面给的示例是用 CBLUE 的 KUAKE-QQR 数据集做句子相似度微调。KUAKE-QQR 是中文医疗问答里的 query-query 相关性任务，判断两个患者提问是否语义等价。选这个例子挺合适：它直接对应医疗检索里的“同义问句识别”，也是双塔召回或 FAQ 匹配的基础能力。代码逻辑不复杂：通过 cfg_modify_fn 把 backbone 挂到 sentence_similarity 任务上，指定 query1、query2、label 三个字段，用 nlp-base-trainer 跑训练。几个实际使用时值得留意的点：第一，total_iters 的写法要按自己的数据量改。 示例里 int(len(dataset['train']) / 32) * cfg.train.max_epochs 是按 batch size 32 估算的，如果你的 batch size 或数据规模不同，这个 scheduler 的总步数会偏，影响学习率衰减曲线。第二，示例把 workers_per_gpu 设成 0 是为了演示环境稳定，真实训练时应该按机器配置调大，否则数据加载会成为瓶颈。第三，labels: ['0', '1', '2'] 是三分类设定，如果你的任务标签空间不同（比如二分类的“相关/不相关”），这里必须同步改，否则训练会直接报错或静默出错。另外，102M 的 base 规模意味着它在单卡甚至消费级显卡上就能微调，推理部署也轻量。对于医院内网或边缘环境，这个体积是友好的——不需要动辄 A100 集群，一张 24G 卡就能跑起来。它适合谁，不适合谁适合：手头有医疗文本标注数据、需要一个领域适配起点、任务落在分类/序列标注/句子相似度/检索匹配范围内的团队。尤其是那些已经在用通用 BERT 做医疗 NLP、但觉得效果“差一口气”的项目，换这个底座做对照实验，成本很低。不适合：期待直接调用就能输出诊断建议的场景；需要生成式能力（它只做理解，不做生成）；以及没有自有验证数据、打算“先上线再说”的用法。页面那句“请用户自行评测后决定如何使用”，在医疗语境下不是免责套话，是实打实的工程要求。总结医疗 StructBERT-base 的价值不在于它有多新——StructBERT 是 2019 年的架构，继续预训练也是成熟做法——而在于它把“领域适配”这件事做成了一个102M、可微调、部署轻、接口标准的现成底座。对开发者，它是一个低成本的对照基线；对医生和临床信息团队，它是把自由文本转成可用数据的起点，但必须配上一轮本地验证。医疗 NLP 没有“开箱即用”这回事，这个模型也没打算假装有。相关病例模型详情页：cid:link_0

最近找到一个医疗模型coROM 中文医疗版，体验后想分享下感受。不是因为它参数大，而是它在“医疗 query 和医疗段落的相关性”这件事上，表现出了一种通用模型很难替代的干脆——你给它一个问句和一堆候选，它能把“术后观察要点”和“血压体温脉搏呼吸监测”这种语义上对得上、字面上未必重合的段落挑出来，而不是被“住院时间大概多久”这种泛化表述带偏。把页面说明和实际跑下来的感受整理一下，给同样在做医疗检索的朋友一个参考。它到底在做什么coROM 是个双塔（Dual Encoder）文本表示模型。Query 和 Document 各自独立过一遍编码器，取 [CLS] 位置的输出作为固定维度的向量，然后用余弦距离（页面代码里实际算的是 L2 距离，后面会聊这个细节）度量相关性。双塔的好处是工程上的：文档库可以离线批量编码建索引，线上只编码 query 做近似最近邻搜索，千万级候选下延迟可控。但它不是“BERT 套医疗数据”。底座是 ROM（Retrieval-Oriented Model） 系列，一个预训练阶段就把“检索匹配”作为优化目标的模型，而不是通用语言理解出身的 vanilla BERT。检索任务的目标函数和语言建模本来就不是一回事：前者要把相关的 query-passage 拉近、不相关的推远，后者关心的是 token 级预测或句子分类。ROM 底座让模型在进医疗微调之前，就已经对“匹配关系”更敏感。医疗适配则是在 Multi-CPR 数据集的医疗子集上完成的。这个数据集是 SIGIR 2022 的 Multi-CPR 论文配套的，覆盖通用、电商、医疗三个领域。训练分两阶段：第一阶段从官方文档集随机采样负样本，第二阶段用 Dense Retrieval 挖掘难负样本重新训练。这个二阶段设计是效果提升的关键——随机负样本太“容易”了，模型学不到细粒度的相关性边界；难负样本才是真正逼着模型去区分“相关但不完全匹配”和“确实不相关”的东西。它的效果：BM25 到 CoROM 的差距比想象中大页面给的 Multi-CPR 医疗领域召回评估数据很能说明问题：模型MRR@10Recall@1000BM2518.6948.20CoROM-tiny（256 维）22.7864.54CoROM-base（768 维）33.9173.30BM25 的 Recall@1000 只有 48.20，意味着传统词频检索在一半以上的 query 上，前 1000 个候选里根本找不到相关段落。CoROM-base 把这个数字拉到 73.30，MRR@10 也从 18.69 跳到 33.91——相关结果不仅被召回了，而且排得更靠前。tiny 版虽然指标低一截，但 256 维、64.54 的 Recall@1000，在“先粗筛再精排”的多阶段链路里作为第一层召回是完全够用的，存储和计算开销却小得多。这个对比里有个容易被忽略的点：BM25 在医疗场景的弱势不是偶然的。医疗 query 和文档之间的词汇重叠度天然偏低，患者问“上消化道出血手术大概多久”，文档写“术后应观察血压、体温、脉搏、呼吸变化”，字面上几乎没有交集，词频模型无从下手。稠密向量表示的价值就在这里。一个值得留意的细节：score 是 L2 距离，不是余弦页面代码示例里，scores 字段输出的数值是 75.6、62.2 这种量级，说明里写得很清楚：“scores 中的 score 计算两个向量之间的 L2 距离得到”。这和前面“通过余弦距离度量相关性”的表述是有出入的。实际用的时候要注意这一点：如果你按余弦相似度的直觉去设阈值（比如 0.7 以上算相关），会对不上。L2 距离的数值范围取决于向量模长，不同模型、不同版本之间不能直接横向比较。更稳妥的做法是在自己的验证集上校准一个阈值，或者干脆只用相对排序、不用绝对分数做硬截断。这种文档表述和代码实现之间的细微不一致，在工程接入时是很容易踩的坑。另外，默认 pipeline 的 max_length 是 128，页面训练超参里 max_sequence_length 也是 128。医疗段落如果偏长（比如完整的术后护理说明），超出部分会被截断，这对召回精度有实际影响。如果候选文档普遍较长，建议在 pipeline 配置里显式调大 max_length，或者先做段落切分再编码。训练和微调：4 张 V100 就能跑页面给了完整的训练示例代码，基于 dureader-retrieval-ranking 数据集，用的是 ModelScope 的 nlp_sentence_embedding_trainer。训练配置是 4 张 NVIDIA V100、3 个 epoch、batch_size 64、learning_rate 5e-6、AdamW。这个资源门槛对中小团队相当友好，意味着你可以拿自己的医疗标注数据替换掉示例数据集，在单机四卡上完成领域微调。模型 ID 有两个规格：damo/nlp_corom_sentence-embedding_chinese-base-medical（768 维）和 damo/nlp_corom_sentence-embedding_chinese-tiny-medical（256 维）。base 版精度优先，tiny 版效率优先，按你的候选规模和延迟要求选。边界要说清楚官方文档在局限性里写得很直白：模型在 Multi-CPR 医疗数据上训练，其他垂直领域的效果会下降，请自行评测后决定是否使用。这不是客套话。coROM 的领域专用性是一种明确的取舍——它在医疗检索上换来了更精准的语义对齐，代价是金融合同匹配、法律条文检索这类场景不该指望它。如果你的系统是跨领域混合检索，要么额外评估，要么考虑通用版本的 coROM。总结coROM 医疗版的价值不在于“又一个医疗文本模型”，而在于它把检索专用底座 + 难负样本二阶段训练 + 医疗领域数据这三件事叠在了一起，在召回环节给出了比 BM25 高出一大截、比通用模型更贴合医疗语义的候选质量。256 维的 tiny 版让它在存储和延迟上足够轻，4 张 V100 的微调门槛让它能被中小团队真正用起来。做医疗问答、临床知识检索、健康信息匹配的朋友，值得拿自己的数据跑一轮召回评估，重点看 Recall@1000 和 MRR@10 这两个指标——它们比任何榜单分数都更接近你实际系统的体验。相关病例模型详情页：cid:link_0

一、技术架构与设计理念端云协同推理是华为云医疗AI使能平台的另一核心架构特性，其核心设计理念是“推理在本地，训练在云端”——推理任务在本地GPU或消费级PC上执行，云端负责模型管理和调度。这一架构针对病理AI领域普遍存在的本地医院缺少算力资源这一核心难题，将训练完成的模型下沉至本地或边缘端进行推理，既保障诊断实时性，又通过安全机制确保病理数据合规。平台预置乳腺癌、结直肠癌等推理模型，支持端云大小模型协同推理，云侧和端侧两种推理模式。基层医院无需购置昂贵的GPU服务器，仅凭普通消费级PC即可完成AI推理，带宽需求降低85%，推理速度压缩至秒级。二、部署模式与工作流平台的端云协同客户端安装后，推理任务在本地GPU上执行，云端负责模型管理和调度。在病理图像推理环节，平台支持两种推理模式：云上推理适用于算力需求较高的复杂诊断任务；端侧推理适用于对实时性和数据本地化要求较高的场景。用户可在平台中选择预置模型，上传.svs格式的病理图像文件（单次最多可选择20张），创建推理任务后即时获取AI辅助诊断结果和可视化分析报告。在实际部署方面，方案采用“云上安全存算，以租代建、开箱即用”模式，PIS系统集成周期约一周，无需升级院内网络带宽，本地消费级PC即可承载相关AI推理能力。相比传统院内集中自建模式，首年投入可下降90%，五年总成本可降低40%以上。三、轻量化部署与边缘推理在轻量化部署方面，华为云推出的RuiPath 2.0 Edge版本仅200万参数，可部署在医院普通PC设备上，结合云端协同实现分钟级推理，进一步降低基层硬件门槛。端云协同的推理架构使医院无需购置本地算力集群即可获得顶级AI能力，推理速度压缩至秒级，为基层医疗机构的智慧病理建设提供了高性价比的技术路径。

一、技术原理与架构设计云上增训是华为云医疗AI使能平台的核心架构特性之一，旨在解决病理AI领域中模型跨院泛化能力不足的根本性难题。由于各医院在制片、染色、扫描等环节存在操作差异，通用病理模型难以在不同医疗机构间实现精准适配，传统方案往往需要从零开始训练模型，数据需求量大、周期长、门槛高。云上增训的技术路径是：医院将本院特色病例数据在云端进行增量训练，让基础大模型快速适配本院疾病谱与诊断习惯。平台支持“少样本训练”能力，医疗机构可以在RuiPath 2.0基础上使用本院数据做二次强化学习，仅需传统训练不到10%的数据，即可生成适配本院业务的定制化病理模型。这一机制显著降低了模型训练的数据门槛与时间成本。二、关键能力与安全设计在训练工具层面，平台将复杂的AI开发流程提炼为“看、训、推”三大核心环节，并细化为8个标准化步骤：数据整理、数据上云、数据集导入、创建数据集、数据集标注与发布、模型训练与部署、模型推理、报告查看。平台为病理医生提供了增训Agent智能助手，在病理系统中深度整合，支持医生无需掌握编程技能即可完成模型训练操作。在数据安全层面，平台采用端云协同混合计算架构，在医院端提取少量疑似肿瘤区域特征上传至云端，节省85%的带宽并实现加密传输；云端基于全密态“可用不可见”机制完成诊断推理与模型增训。通过端到端加密、切片脱敏、云端安全防护、数据保险箱、模型保险箱等能力，保障病理数据在云上专区存储、传输和使用过程中的安全合规，实现数据不出“域”。三、实践成效以邯郸市中心医院为例，该院病理科通过每轮几十张切片的小样本训练，完成了乳腺癌、结直肠癌等模型的本地化优化。乳腺癌模型针对本地病例的有无肿瘤判别准确率从早期约95%提升至接近100%，组织学类型达到90%以上；结直肠活检小标本模型的有无肿瘤准确率达到99%，这验证了云上增训机制在真实临床场景中的有效性。

一、平台背景与战略定位2026年6月，华为云正式上线“行业AI梦工厂”四大专区，涵盖智慧医疗、具身智能、智能制造、科学计算四大行业。其中，智慧医疗专区是全国首个面向医疗行业的医疗AI社区，医疗AI使能平台于同期升级并开启公测。该平台深度融合了上海交通大学医学院附属瑞金医院的临床实践经验与华为在ICT、云、AI领域的核心技术积累，构建了“场景—模型—平台—社区”端到端的医疗AI支撑体系，并提供全流程的云上工具链。平台的核心目标定位于解决医疗AI落地中的结构性难题。当前国内医疗行业面临三大痛点：优质医疗资源分布不均、病理医生严重短缺、基层诊断能力薄弱。据统计，中国有3.8万家医院，但仅有5000家医院开设了病理科，病理医生不足2万人，市场需求缺口超过14万人，且病理科与病理医生高度集中于少数三甲医院。医疗AI使能平台的设计初衷，正是通过平台化、社区化的方式，将顶级医院的诊断能力转化为基层可用的标准化工具。二、技术基础与生态格局平台的模型底座依托瑞金医院与华为联合研发的瑞智病理大模型RuiPath。该模型覆盖了90%的中国常见癌种和90%的下游诊断任务，通过数据飞轮机制在临床使用中持续迭代优化。RuiPath 2.0版本进一步将诊断任务扩展至205项，覆盖19个常见癌种，在59项下游诊断任务中有42项取得SOTA效果。在生态建设方面，平台采用开放社区模式，面向三甲医院、地市级医院、县域医院及开发者群体开放。目前已有90余家医院接入使用RuiPath病理大模型并入驻华为云智慧医疗专区，覆盖重庆大学附属三峡医院、普洱市人民医院、瑞安市人民医院、石家庄市人民医院等各级医疗机构，标志着国内病理AI进入规模化应用阶段。

一、功能定位与设计理念模型训练是华为云医疗AI使能平台最具差异化价值的功能模块，其核心设计目标是将AI模型训练的门槛从“算法工程师级”降低至“病理医生级”。平台将复杂的AI开发流程提炼为“管、看、推、训”全流程能力升级，覆盖从数字切片存储管理、智能辅助阅片、AI推理诊断到模型持续训练优化的完整闭环。平台的核心设计理念是“千医千面”——每位病理医生都可以基于自身诊断经验和对形态学的认知特点，训练专属的病理AI模型。无论是三甲医院的亚专科专家，还是基层医院的病理医生，都可以将个人诊断经验转化为可复用、可迭代的AI能力。二、标准化训练流程平台将AI模型训练流程标准化为8个可操作的步骤，使病理科医生无需编程基础即可高效完成模型训练：数据整理：对现有病理切片与诊断数据进行规范化梳理；数据上云：安全高效地将数据迁移至云端平台；数据集导入：将病理图像批量导入平台系统；创建数据集：按病种、部位等维度建立结构化数据集；数据集标注与发布：进行ROI标注与质控，发布为标准数据集；模型训练与部署：基于基础大模型进行增量训练，一键完成部署；模型推理：将训练好的模型应用于实际切片的智能分析；报告查看：查看AI辅助诊断结果与可视化分析报告。在操作体验方面，完成标注后只需点击“启动训练”，系统自动完成后续流程，无需人工干预。对于300余张切片的训练任务，首轮训练约耗时仅需几小时，耗时与切片数量和图像分辨率相关。三、模型迭代与持续优化平台支持模型的持续迭代优化。以邯郸市中心医院为例，该院建立了“数据—训练—验证—反馈”的多轮迭代策略：样本审视阶段检查标注质量、识别可能的噪声或逻辑漏洞；指标评估阶段关注验证集和测试集的准确率变化；数据补强阶段针对数据量少的类型补充高质量样本；持续训练阶段重复上述流程，逐步提升模型性能。依托华为云的数据飞轮机制，医院仅需约10%训练数据即可构建专属模型，在持续使用中通过数据飞轮实现“越用越准”。基层医院可打造本地化病理模型，实现从“单点能力”向“区域均质化能力”转变。这一机制使模型能够随着临床数据的积累而持续进化，而非停留在静态的初始训练状态。

一、功能架构与预置模型AI推理诊断是华为云医疗AI使能平台的核心功能模块之一，为病理医生提供开箱即用的AI辅助诊断能力。平台预置乳腺癌、结直肠癌等推理模型，支持端云大小模型协同推理，用户可根据临床场景需求选择云侧或端侧推理模式。在模型能力方面，平台依托的RuiPath病理大模型覆盖了中国常见癌种和大部分下游诊断任务，通过数据飞轮机制实现越用越准的持续优化。RuiPath 2.0版本将诊断项目扩展至两百余项，覆盖乳腺癌、结直肠癌、肺癌等19个常见癌种，能够覆盖病理医生90%以上的日常工作。在下游诊断任务中，有数十项取得SOTA效果，综合性能优于海外同类病理基础模型。二、推理流程与操作路径AI推理诊断的操作流程设计遵循极简原则。用户在平台中选择预置模型（如病理体验模型-乳腺癌），系统自动带出相关病理知识库，涵盖各类癌症标准病理诊断逻辑。用户上传待推理的病理图像文件后，点击“立即创建”即可进入AI推理界面。平台支持单次最多选择20张病理图像，推理完成后可查看病理切片和详细的推理结果，包括各诊断任务的输出和可视化分析报告。在诊断任务配置方面，平台支持灵活的自定义诊断任务。用户可根据本院实际需求定义分类体系，例如肿瘤区域检测、组织学分级、亚型分类等多层级诊断任务。这种灵活性使平台能够适配不同医疗机构的差异化诊断需求，而非局限于固定诊断模板。三、临床验证与实践成效在临床验证方面，邯郸市中心医院基于平台的乳腺癌模型训练结果显示，经过多轮迭代优化，诊断任务准确率已稳定提升至90%以上。乳腺癌模型针对本地病例的有无肿瘤判别准确率从约95%提升至更高，组织学类型达到90%以上。RuiPath 2.0在罕见病种方面也有突破性进展。面对罕见病种样本不足的困境，研究团队借助多模态生成模型合成训练数据，使淋巴瘤有无诊断准确率达到96.48%。这些数据表明，平台的AI推理诊断能力已具备进入临床生产流程的技术成熟度。

一、功能原理与技术特性智能辅助阅片是华为云医疗AI使能平台面向病理医生的核心应用功能，旨在通过AI技术提升病理诊断的效率和准确性。平台以“将医生对形态学的认知固化到AI算法中”为核心理念，致力于让每位病理医生都能拥有贴合自身诊断风格的AI助手。智能辅助阅片的核心能力包括：AI快速完成全切片数字化扫描和分析，通过热力图自动标注可疑病灶区域，高效捕获微小病变，为早期病变鉴别提供可靠依据。平台突破了传统AI“千人一面”的局限，支持病理医生基于自身对形态学的认知特点与专科经验，通过平台训练打造专属病理AI模型，构建个人独有的“数字分身”，实现“千医千面”的个性化赋能。二、工作流重构与效率提升在临床工作流层面，智能辅助阅片正在推动病理科工作模式的根本性转变。以邯郸市中心医院为例，该院构建了“AI初筛+医师复核”的全新工作流：扫描仪将切片自动转为数字图像，云端算力逐张完成智能分析，标注有无肿瘤、组织亚型、恶性分级；医生只需在工作站上复核确认。这一模式彻底改变了传统显微镜人工阅片的工作方式，医师重复性阅片减少，审片效率得到了极大的提升。在诊断效率方面，AI辅助下的单切片诊断时间从分钟级压缩到秒级。瑞安市人民医院病理科医生反馈：“AI自动识别癌区并生成报告，阅片时间大幅缩短。病理医生从重复劳动中解放出来，有了更多时间学习”。AI初筛将阳性病例的阅片时间压缩至2分钟以内，患者拿到报告的周期也随之缩短。三、可解释性与质量控制在可解释性方面，平台持续提升病理诊断的透明度。RuiPath 2.0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，让AI分析过程透明可追溯。推理完成后，热力图功能可直观显示癌变区域的范围和严重程度，这对教学和质控具有重要价值。智能辅助阅片不仅提升了诊断效率，更通过可视化分析工具增强了病理医生对AI结果的信任度和采纳意愿。

一、功能定位与架构设计数据管理是华为云医疗AI使能平台的基础功能模块，为病理科数字化转型提供从数字切片存储到数据集构建的全流程数据管理能力。平台端到端打通院内病理信息系统到华为云医疗AI使能平台，实现病理数据全生命周期管理的完整闭环。平台支持数字切片的本地存储与云端协同管理。以瑞安市人民医院的实践为例，医院通过华为云智慧医疗专区打通RuiPath病理智能体、医疗AI使能平台与院内病理工作流，实现了从数字切片扫描、本地存储、医生工作站、PIS系统到病理医生复核的闭环应用。在存储层面，平台依托华为OceanStor Pacific分布式存储技术打造医疗数据湖，实现一秒千片的数据吞吐能力，历史标本可保留30年，统一压缩算法最多可节省45%存储空间。二、数据准备与质量管理在数据集构建环节，平台提供完整的工具链支持。用户可创建病理训练数据集，按病种和诊断任务维度进行结构化组织。平台预置了乳腺癌、结直肠癌等常见癌种的推理任务模板，覆盖有无肿瘤、组织学类型、脉管侵犯等多个诊断维度。在数据标注方面，平台提供专业标注工具，支持对每张病理切片的有无肿瘤、组织学类型与分级等诊断任务信息进行逐一标注确认，确保从源头把控数据质量。在数据上传和管理方面，平台支持.svs格式的病理图像文件，通过OBS批量上传工具将全切片数字图像上传至云端，在客户端关联本地路径后平台自动识别已上传的数据。平台还提供了病理知识库功能，收录各类癌症标准病理诊断逻辑，包括癌变判定、分型、分级等诊断项之间的关联关系，AI推理时调用这些规则校验各任务输出，确保结果符合临床诊断逻辑、判读标准统一一致。