一、注册华为云账号（如已注册，请跳过此步骤）1.1进入华为云智慧医疗专区点击【华为云智慧医疗专区】进入专区，在页面中点击右上角注册按钮进入注册页面 1.2注册华为云账号1.2.1填写注册信息并提交（手机号必须与试用预约手机号保持一致）                  1.2.2勾选协议，点击“开通”按钮开通华为云                          二、完成实名认证2.2进入实名认证界面点击“实名认证”按钮，进入实名认证  2.3实名认证2.3.1点击“个人认证”框，进入个人认证页面。  2.3.2点击“人脸识别认证”框，微信或华为云APP扫码认证（自选方便的方式即可）    2.3.3在手机上根据指引完成身份认证  2.3.4完成实名认证后，点击浏览器左上角页面刷新按钮刷新，在实名认证界面则会显示“个人认证成功”。    三、试用申请3.1首次进入医疗AI使能平台，进行试用申请       进入智慧医疗专区页面，点击“免费 体验”即可进入医疗AI使能平台。 3.1.1首次进入医疗AI使能平台（病理场景）时，会进入试用申请页面3.1.2在申请用途框中，填写申请内容：申请有礼+姓名+工作单位+职位，选择所属行业，点击“确定提交”即可完成试用申请。3.1.3提交后，页面显示申请审核中，请耐心等待。此处有“撤销申请”按钮可撤销试用申请3.1.4当试用申请通过后，页面会提示“试用申请已通过”。此时完成服务声明签署后，点击“进入控制台”即可进入医疗AI使能平台控制台界面。  

西安病理年会开幕日下午，A12展台迎来里程碑时刻——衡道数字&华为&上海瑞金医院的"RuiPath瑞智病理大模型首批落地应用医院发布仪式"隆重举行。瑞安市人民医院已正式签约付费使用，完成部署并投入日常运行；同时，延安大学附属医院同步开启体验试用。两家医院共同按下"数智病理服务"规模化落地的启动键，标志着优质AI病理诊断资源从头部医院向基层逐步下沉的通道正式打开。PART ONE瑞安市人民医院：以租代建、一周上线，端云协同跑出"瑞安速度"在瑞安市人民医院，RuiPath瑞智病理大模型以"端云协同推理"为核心，走出了一条高性价比、快速部署的数智病理落地路径。医院依托华为云智慧医疗专区，通过本地部署的病理信息管理系统与云端专属模型训练平台联动，实现了从数字切片生成、脱敏上传、AI辅助分析到报告同步的全流程数字化。系统集成完全利用旧医院现有消费级PC和网络带宽，无需额外升级；云端资源按需购买、弹性扩缩，一周内即完成智慧化升级并顺利融入日常使用。得益于"数据飞轮"设计，医师在审核AI结果时做出的标注和修正，可不断反哺模型增训，使本地模型的辅助诊断能力持续进化。成本侧优势同样突出：首年投入相较传统院内集中部署降低约90%，五年总成本降低约40%。同时，端到端加密、等保三级安全防护以及病理图像脱敏机制，让数据在本地与云之间的流转始终处于安全合规范围内。目前，瑞安人民医院的病理医师已可在医生工作站上直接获得可疑病灶标注，并完成秒级审核与报告同步，常规切片诊断效率显著提升。 PART TWO延安大学附属医院：率先体验，蓄势待发延安大学附属医院作为首批体验试用单位，正在实际临床流程中全面评估RuiPath瑞智病理大模型的适配性与效能。医院病理科通过体验AI辅助诊断、端云协同推理以及模型微调等功能模块，将为后续正式部署积累一线经验。衡道数字团队也将根据试用反馈进行针对性优化，推动RuiPath在更多中西部区域医疗中心落地。 PART THREE从"可用"到"管用"，数智病理服务按下快进键两家医院的落地应用，对应着截然不同的应用场景——东部经济强市的智慧医院升级，以及中西部大学附属医院的体验破冰，两者共同指向一个事实：以RuiPath瑞智病理大模型为代表的大模型驱动病理辅助诊断，正在跨越"实验室可行"到"临床可信"的鸿沟。当前，国家医保局政策已发文要求数字化切片上传信息云平台，否则执行扣费，当前方案可最低成本实现数字化，并一次性上传云平台，同时支持服务医生、服务患者、服务药企的政策要求，是新政下最佳性价比方案。随着2025–2027政策窗口的开启，医保计费接口、区域数据上传要求等外部条件日趋成熟，"系统+AI+服务"的一体化解决方案将在更大范围内复制推广。未来，衡道数字将继续深耕RuiPath瑞智病理大模型生态，携手更多头部医院、区域医联体伙伴与基层医院，让智慧病理诊断像“探囊取物”一般便捷可及。 本文章转载自横方数字DigitalPath公众号 

2026年5月，国家医疗保障局正式就《“医保病理云索引”方案（征求意见稿）》与《医保病理云数据集（征求意见稿）》公开征集意见。这标志着继“医保影像云索引”之后，国家再度向医疗数据体系中专业壁垒最高、信息密度最大的核心地带——病理数据，发起全面攻坚。这绝非一次简单的信息化升级，而是一场系统性的政策革命：从价格立项到数据底座，再到云端生态，一张围绕病理诊断的宏观闭环正在成形，为AI病理、数字诊疗与医药创新打开全新的想象空间。PART ONE瞄准“金标准”：为什么病理必须上云病理诊断是肿瘤确诊、分型和指导靶向治疗的最终依据，被称作“医生的医生”，但长期以来深陷三大顽疾：对患者而言，是“切片的奔波”：异地就医需携带易碎的玻璃切片，医院间互不认可导致重复活检，纸质报告难以查询和保存。对行业而言，是“数据的孤岛”：全国病理数据标准不一，海量数字病理切片分散存储，既难以共享，也无法为AI训练提供高质量的“燃料”，优质病理医生资源更难以向下沉。对监管而言，是“安全的盲区”：病理检查收费高、流程复杂，虚开检查、伪造报告等骗保行为隐蔽，传统人工审核效率低、追溯难。正因如此，以统一标准、互联互通为“手术刀”的病理云建设，就成为了打通诊断公平、数据价值与基金安全的必然选择。PART TWO政策“三箭齐发”：从定价、数字化到标准化，重构病理业态国家医保局以一套环环相扣的组合拳，为病理学科带来了前所未有的变革动力。第一箭：价格重塑——《病理类医疗服务价格项目立项指南（试行）》2025年12月印发的这份指南，将原有项目规范整合为28项主项、3项加收项和2项扩展项，核心突破在于：为病理诊断“正名定价”：首次将病理诊断环节从检查中独立出来，单设价格项目，让病理医生的专业判断有了明确的价格锚点。明确AI辅助诊断收费路径：将“人工智能辅助诊断”列为扩展项目并纳入价格构成，要求各地统筹考虑AI应用成本合理调价，扫清了数字病理商业化的支付障碍。“缺数减收”倒逼数字化：若医疗机构未能提供数字化切片存储服务，相应项目需核减收费（明确不上传数字切片每张减收5元），以价格杠杆强力推动病理切片上云。规范分子病理收费：设立核酸杂交、核酸测序等相关项目，为伴随诊断和基因检测等精准医疗服务提供统一收费标尺。指南不仅解决了“怎么收”的问题，更通过价格杠杆引导医疗机构向数字化、智能化方向转型。第二箭：数据底座——“医保病理云索引”与“医保病理云数据集”2026年4月15日征求意见的核心内容，按照“流程贯通、要素唯一、标准统一、便于追溯”四大原则，为每一份病理报告赋予全国统一、终身不变、全程可溯的“数字身份证”。“医保病理云索引”：78位唯一编码，实现全流程终身追溯由证件类型、证件号码、就诊类型、病理申请单号、病理号、申请时间、检查机构代码、病理申请类别共8大码段构成，从时间、空间、患者身份到检查类别，完整锁定一次病理检查的全部关键要素。医保病理云数据集：38项主表+3大子表，统一数据采集标准医保病理云数据集划定患者基础信息、病理申请信息、检查结果、会诊信息、病理报告信息、备注信息六大数据分类、38项核心数据项，配套玻片信息表、病理疾病诊断信息表、费用明细关联信息表三大子表，同步搭载标准化数据字典。实现病理全要素结构化采集，统一所有数据项类型、长度、格式与必填规范。由此，病理数据将从“碎片化存储”走向“全国统一标准、互联互通”，每一个诊断结论、每一个关键指标都具备唯一数据标识，为跨区域诊疗协作和医保精准监管奠定坚实底座。第三箭：云端生态——联动“医保影像云”，构筑医疗数据“双子星”此前，国家医保局已成功推进“医保影像云索引”体系建设。多个省份实现全省医保影像集中存储、跨省共享和秒级调阅。病理云索引与之联动，共同构成影像诊断与病理诊断的双轮驱动，形成覆盖“检查—诊断—结算”全链路的医疗数据“云上长城”。从影像到病理，国家正沿着“由易到难、由简到繁”的路径稳步推进医疗数据资产化。三箭之间互为支撑：价格重塑让医院有动力投入数字化，数据底座让AI训练与监管核验有据可依，云端生态则让标准化的价值最终在临床与基金两端实现闭环。PART THREE深远影响：三大主体迎来巨变对患者：告别奔波，检查结果“全国互认”转诊复诊无需再携带玻璃切片，医生可一键云端调阅完整的数字病理报告；检查结果全国互认，避免重复活检的高昂代价与痛苦；报告永久云端存档，患者通过手机即可随时查看、下载和授权分享，隐私得到严密保护。对医院与医生：效率革命与能力扩容统一的数字底座使远程术中会诊、疑难切片解读常态化，基层医院实时获得顶尖专家的在线支持。更具战略意义的是，国家正以极低的边际成本汇聚超大规模、带有确切诊断标签的数字病理影像库。这将为病理AI大模型的训练注入海量高质量“燃料”，加速形成“数据汇聚—算法迭代优化—临床收费放量—高质量数据再生”的正向循环，助力中国在数字病理领域实现领跑。对医保与监管：构筑基金安全的“天网”监管从此实现从人工抽查到全系统“穿透式监管”的跨越。影像、报告、费用、诊断可自动比对，任何异常都将触发预警。尤其在分子病理与外送检测领域，数据集对样本来源和五个层级医师代码的强追溯要求，将有效堵塞骗保漏洞。未来，医保系统甚至能自动判断靶向药物处方是否有合格的检测数据支撑，让每一分医保基金都用在刀刃上。PART FOUR宏观远景：数据要素流转与医药创新反哺这场变革的终点，远不止于控费与便民。在AI病理与数字诊疗端，《病理类医疗服务价格项目立项指南》已经为AI辅助诊断商业化铺平道路，而《医保病理云数据集》所汇聚的结构化数字病理影像库，则成为训练国产病理大模型的核心公共资源。企业有了合规收费路径，算法有了高质量数据“燃料”，一条从技术创新到临床规模化应用再到数据反哺的闭环正在加速落地。更令人期待的是“个人医保云”生态的构建。按照同期发布的政策，个人医保云将深度融合基础诊疗、医保结算、病理、影像、可穿戴设备监测和健康体检等多维度数据，形成覆盖全民全生命周期的健康数据库。其中，分子病理及基因测序数据作为反映人体健康状态的核心微观信息资产，价值尤为突出。当千万级带有基因型、靶向用药记录和长期生存随访数据的真实世界数据（RWD）在云端汇聚，并经脱敏、确权后合规流转，将为本土创新药企在新靶点发现、临床试验设计、受试者快速入组筛选和真实世界疗效验证等方面提供前所未有的数据支撑，从根本上缩短新药研发周期，降低沉没成本。这正是“数据要素化”在医疗健康领域最激动人心的落地前景。从胶片到影像云，从玻璃切片到病理云，中国医疗数字化浪潮正以前所未有的深度重塑每一个人的就医方式。告别切片奔波，让每一份诊断报告拥有全国通行、可信可溯的“数字身份证”，这一天，终于来了。 本文章转载自横方数字DigitalPath公众号 

今年3月，在深圳举办的华为中国合作伙伴大会2026数据存储峰会上，以“先进数据存力，全面重塑AI数据基础设施”为主题的会议圆满落幕。作为国内领先的数智化病理科解决方案提供商，衡道数字受邀出席。衡道数字总经理左彦飞在峰会上发表了题为《DCS AI智慧病理解决方案实践分享》的主题演讲，向与会嘉宾分享了衡道数字在病理科信息化、数字化、区域化与智慧化转型方面的前沿思考与联合创新实践，携手伙伴共探AI时代中病理诊断的无限可能。左彦飞总经理在演讲中表示，病理诊断作为临床疾病诊断的“金标准”，正经历着从经验医学向数据智能驱动的深刻变革。衡道数字基于对病理科核心痛点的深刻理解，构建了国内领先的数智化全景解决方案，通过“四步走”战略，系统性地推动病理科高质量发展。PART ONE信息化筑基：构建全流程智慧病理闭环在信息化层面，衡道数字构建了覆盖从临床申请单开具到报告发放的WisPath®全流程智慧病理系统，实现了病理标本全生命周期的精准追溯与管理。该系统通过统一平台，帮助病理科建立了标准化、透明化的工作流程，符合CNAS15189/CAP规范，30+工作站，自由组合，灵活扩展，助力精细化管理。尤为关键的是，WisPath®系统还内置了覆盖消化系统、乳腺系统、泌尿系统、呼吸系统、女性生殖系统、内分泌系统等50余种规范化、结构化报告模板。传统自由文本报告中，每位诊断医生的描述风格各异，信息排列缺乏固定顺序，导致数据提取和分析效率较低。而结构化报告通过采用统一的术语和预设模板，将病理信息按照逻辑顺序进行整理和呈现。同时，系统搭载的PathAgent辅助报告书写工具，依托多模态大模型能力，实现结构化信息自动提取、ICD-O编码生成等功能，让医生报告书写效率提升30%，也为后续AI应用提供了高质量、标准化的数据基础。PART TWO数字化驱动：将玻璃切片转化为高价值数据资产在数字化层面，衡道数字通过构建数字病理基座，以数字切片为核心，将传统显微镜下的诊断升级为数字切片诊断，有效保护了医生视力，并支持了更精准的定量分析。数字化切片不仅优化了制片流程，实现了全过程质量监控，更将日常诊断中产生的海量病理图像转化为医院宝贵的数字资产，在临床支持、科研支撑、教学培训三方面展现出极高的应用价值。基于此，衡道数字建立了数字病理图书馆，打破了地域限制，支持院内外教学科研资源的便捷共享与远程协作。通过统一考核、技能测评、智能评分、闭环管理，系统全面支撑病理学科的人才培养与梯队建设。PART THREE区域化协同：依托“五大中心”推动优质资源下沉为解决我国病理资源分布不均的难题，衡道数字创新性地构建了区域病理数字化运营体系。通过信息化手段打通上下级医院，衡道医学已服务全国超过700家医院，重点解决了基层医院病理诊断能力不足的痛点。该体系以“区域能力提升、区域质量提升、医疗资源下沉、区域协同互认、群众就医体验、区域监管治理”为战略目标，通过建设区域诊断中心、区域AI中心、区域质控中心、区域教学中心、区域转运体系这“五大中心”，实现了诊断、质控、教学、转运的一体化协同发展。一个强大的数据底座，支撑着从数据采集、清洗、标准化、结构化、标签化到共享的全过程，确保了区域协同的高效与精准。PART FOUR智慧化引领：云边协同，让顶级病理AI普惠基层智慧化是病理诊断的未来。左彦飞总经理于会上重点介绍了衡道数字与华为联合创新的智慧病理解决方案，这一方案旨在通过产品架构创新，破解AI技术普惠于基层医院的难题。当前，AI辅助病理诊断虽日趋成熟，但在广大基层医院落地仍面临建设成本高、部署周期长、模型迭代难三大现实瓶颈。针对这些核心痛点，衡道数字与华为、瑞金医院深度合作，推出了基于华为DCS AI解决方案的智慧病理一体机（FusionCube A1000）。该一体机并非简单的硬件设备，而是一套预集成、预调试、预优化的整体交付方案，结合上海瑞金医院先进的RuiPath病理大模型，可实现基层医院的轻量化快速部署，真正实现“开箱即用”。在具体应用中，衡道数字的WisPath®全流程智慧病理系统已实现与RuiPath大模型的深度集成。以乳腺癌诊断为例，医生在WisPath®系统中打开数字切片后，点击“AI助手”，系统便自动调用RuiPath大模型，自动执行病理区域识别、结构化特征提取与辅助描述生成等操作，输出浸润深度、分级、肿瘤细胞比例、淋巴结转移情况等结构化结果。医生可对结果进行修改、补充或直接采纳，采纳结果将实时同步回WisPath®系统，并自动填充至结构化报告模板中，审核无误后即可完成报告签发，真正实现了“AI生成-结构化整合-报告签发”的一体化智能闭环。这一模式不仅通过“中心赋能基层、中心基层共建”的协同机制，将顶级医院的诊断能力高效、安全地下沉至基层，更通过“数据飞轮”机制，让基层医院脱敏后的诊断数据安全回传参与模型的增量训练，使模型在实际应用中持续优化迭代，诊断越用越准，为医联体模式下的优质医疗资源复制与下沉提供了可复制的范本。PART FIVE以数智之力，响应医保病理新政，共创AI病理时代左彦飞总经理在演讲最后表示，衡道数字始终秉持技术创新驱动，持续推动病理诊断从信息化、数字化迈向智慧化。当下，随着国家医保局《病理类医疗服务价格项目立项指南（试行）》的发布，全国病理服务价格体系改革正式拉开帷幕，对病理科的规范化、标准化、精细化运营提出了更高要求。衡道数字的WisPath®数智病理解决方案，正是助力科室与区域实现数智化转型、满足医保政策要求的有效路径。未来，衡道数字将携手华为等生态伙伴及广大行业同仁，加速数智病理的规模化落地，以更精准、高效的诊断服务惠及更多患者，共赢AI时代新机遇。 本文章转载自横方数字DigitalPath公众号 

2025年底，国家医保局发布《病理类医疗服务价格项目立项指南（试行）》，一举将全国碎片化的病理收费项目整合为“28项主项目+3项加收项+2项扩展项”的标准化体系，旨在以“服务产出”为导向，统一全国价格项目，提升病理学科技术劳务价值。截至2026年7月14日，全国已有22个省份紧随其后，出台了本地化的病理定价细则。其中，重庆、青海、上海、内蒙古、湖北、河北、甘肃7省已进入正式执行阶段，其余省份则处于征求意见或落地过渡期。这场牵动全国病理界的改革，正步入“深水区”。本文将从各省执行进度、核心价格差异，以及数字病理与AI的落地现状三个维度进行盘点。 PART ONE各省执行进度：7省先行，15省紧随自2026年初各地陆续启动细则制定以来，截至7月14日，22个省份已全部亮出“底牌”。根据执行状态，可分为两大梯队：正式执行梯队（7省）：重庆、青海、上海、内蒙古、湖北、河北、甘肃。这7个省份已跨越征求意见阶段，进入实际操作层面，其价格标准与医保支付类别（甲、乙、丙类）的划分，为全国提供了最直接的参考范式。征求意见/公示梯队（15省）：包括安徽、天津、贵州、新疆、河南、江西、江苏、广西、四川、山东、山西、云南、浙江、湖南、广东。这些省份均已公布拟定价标准，虽尚未完全落地，但价格框架已基本定型，正处于系统改造和培训的“临门一脚”阶段。 PART TWO核心项目价格全面对比：趋同与分化并存为直观展示各省定价策略，下表汇总了已公布信息的省份在病理诊断、活检取材、免疫组化及分子病理等核心项目上的三级医院价格（单位：元）。从中可以清晰地看出国家“合并同类项”政策带来的收敛效应，以及各省基于经济水平作出的差异化调整。从这张对比表中，可以清晰识别出三个核心趋势：1. 技术劳务价值得到普遍锚定病理诊断是技术劳务的核心。在“病理诊断费”这一关键项目上，各省价格高度趋同，普遍集中在100-120元/次的区间，这标志着全国对病理医师阅片诊断价值的认可达到了高度统一。2. 地区差异体现在操作复杂度与高值项目上活检取材：操作难度直接反映在定价上。内蒙古对活检类项目定价显著偏高（钳夹240元），而中西部省份则相对温和。分子病理：NGS定价差异悬殊，从江西的1600元/面板到广东的3800元/面板（按位点分档），反映出各省对新技术成本构成和市场容量的不同判断。3. 医保支付政策成为关键变量同样的项目，在甲、乙、丙三类支付体系下，患者负担天差地别。例如，青海将多项PCR和NGS项目纳入乙类（高标准支付），而大部分省份则将其列为C类（完全自费）。支付类别的差异，可能比价格数字本身更深刻地影响新技术的临床可及性和推广速度。 PART THREE数字病理与AI的“机遇”与“阵痛”《立项指南》最大的亮点之一，是将“人工智能辅助诊断”作为扩展项纳入价格构成，并通过“减收机制”强力推动病理数字化。然而，理想与现实之间正经历激烈的磨合。1. AI病理：厘清收费路径，但“扩展项”定位引发成本困惑指南明确“人工智能辅助诊断”不与主项目同时收费（即作为扩展项，价格按主项目执行，不额外加价）。这结束了AI辅助诊断长期“无据可依”的尴尬，使其作为服务产出的一部分被正式承认。部分省份（如天津、内蒙古、河南、安徽、重庆等）将AI辅助诊断对应主项目列为甲类或乙类，但更多省份将其归类为丙类（自费）或未表明类别。同时，由于是“扩展项”，且“不与主项目同时收费”，医疗机构缺乏单独为AI算力、软件授权付费的增量收入来源。这使得AI更像是一种“合规要求”而非“盈利工具”，医院在采购AI病理系统时动力不足，导致AI商业化落地仍面临“叫好不叫座”的困境。2. 数字病理：强制减收倒逼转型，基础设施短板暴露指南规定：未提供“病理数字化切片图像”的，每切片减收5元；单次减收不超过15元。这是价格政策对数字化转型最强硬的“指挥棒”。卫健委和医保部门希望借此打破医院对传统物理切片的依赖，为远程会诊和AI训练铺路。现实困境：成本与惩罚不对等：全切片扫描（WSI）涉及的扫描仪采购、海量数据存储（单例病例数据可达数十GB）、带宽成本，远非“减收15元”所能覆盖。许多基层医院算账后认为，宁愿接受小额减收，也不愿承担巨大的数字化基建投入。缺乏统一云端平台：各地普遍缺乏类似“医保病理云”的省级统一存储和调阅接口。医院即便扫描了数字切片，也找不到合规、标准化的上传渠道与医保系统对接，导致“有片无路”。3. 数字切片复制费：新收费项目的“双刃剑”指南新增了“病理标本切片复制费”（约30-40元/每切片），用于供院外使用的切片制作。这为病理科增加了合规收费来源。但同样面临“数字化图像减收”的压力，且患者借阅切片不得按此收费，体现了政策的精细化管理思路。 PART FOUR破立并举，静待“云”开病理价格改革是对学科价值的集体确认，数字病理与AI的引入是面向未来的关键落子。当前面临的“阵痛”——计费系统改造、数字化基建滞后、AI商业模式未明——是改革必经的磨合期。 下一步的关键变量在于：“医保病理云”基建：国家医保局已着手研究统一的技术方案和数据标准。一旦国家级或省级病理云平台上线，将极大降低基层医疗机构数字化转型的硬件门槛和安全合规顾虑。AI收费模式的进一步细化：当前“扩展项”模式更偏向“按例打包”。未来是否会出现“AI辅助诊断专项加收”或“AI云端调用服务费”，将决定病理AI产业能否真正形成商业闭环。信息系统对接（接口改造）：这是数字化和AI落地的技术底座。医院信息系统与病理科系统、扫描设备、云端存储的接口标准化和数据互通，是实现“诊断－扫描－上传－计费－减收”全链条自动化的前提，也是当前许多医院面临的隐形技术壁垒。当价格指挥棒与云基建相互配合，当诊断价值被真正量化并补偿，数字病理和AI辅助诊断才能从“政策概念”走向“临床常态”，最终惠及每一位患者。 本文章转载自横方数字DigitalPath公众号 

2026年8月30日，以“数智共生·云惠病理”为主题的2026医疗人工智能创新论坛在上海召开。论坛上，上海瑞金医院联合华为云正式发布瑞智病理大模型RuiPath 2.0，带来五大重磅升级；此外衡道数字左彦飞经理以“衡道全数字化智慧病理科建设实战经验”为题，系统分享了衡道与瑞金医院自2021年以来联合探索的病理数智化全景解决方案，展示了从三甲医院到县域基层的病理AI落地路径。PART ONERuiPath 2.0迎来五大升级中国工程院院士、上海交通大学医学院附属瑞金医院宁光院士在致辞中指出，优质医疗资源的匮乏和分布不均，是当前面临的真实痛点。“构建病理大模型不是为了在三甲医院建起一座技术的‘高墙’，而是为了修筑一条通往基层的‘高速公路’，通过云边协同等模式，把瑞金医院沉淀的优质诊断能力，变成基层医院‘用得上、看得懂、接得住’的标准化工具。”《中国医院》杂志社社长、中国医院协会副秘书长兼信息专委会主任委员王才有，华为公司董事、华为云CEO周跃峰分别致辞。双方均表示，瑞金医院与华为云深耕病理大模型研发，始终坚持质量、效能与普惠三大核心，让基层医疗真正 “用得上、用得好”，以实际行动践行智慧医疗普惠的社会责任，守护大众健康福祉。论坛现场，宁光院士、周跃峰董事，上海交通大学医学院病理学系主任、瑞金医院病理科主任王朝夫，华为云智慧医疗Lab主任、瑞智医学智慧诊断联合实验室联席主任白树青共同发布了瑞智病理大模型RuiPath 2.0。2025年2月发布的RuiPath是中国首个进入医院生产流程的临床级病理大模型。此次发布的RuiPath 2.0围绕临床实际需求，实现五大升级：覆盖19个常见癌种，诊断任务增至205项，为业界最全，可覆盖病理医生90%以上的日常诊断场景；首次在组织学亚型、浸润深度、核分裂象等维度实现更精准的病理诊断可解释性，让AI诊断透明可追溯；针对罕见病种数据稀缺问题，打造病理多模态生成式模型合成训练数据，提升模型精准度；RuiPath2.0基础模型在59项下游诊断任务中42项达到行业SOTA水平，性能超越海外顶尖病理基础模型；推出轻量化版本RuiPath 2.0 Edge，可直接部署于医院普通PC，实现分钟级推理，进一步降低落地门槛。依托华为云智慧医疗专区的医疗AI使能平台，医院可基于RuiPath结合本院数据开展强化学习，仅用不到传统训练10%的数据即可训练出适合本院的专属模型。目前，全国90多家医院已接入RuiPath病理大模型。 PART TWO衡道全数字化智慧病理科建设实战经验在论坛分享环节，左彦飞经理介绍了衡道医学与瑞金医院联合华为云落地的WisPath+RuiPath端云协同方案。该方案按照信息化、数字化、智慧化、区域化的建设路径，将三甲标准的病理能力输送到基层医院。信息化是“高速公路”。左彦飞强调，病理科的信息系统是数字化建设和AI应用落地的基础设施，“如果路不好，AI这辆‘跑车’就跑不快”。衡道WisPath-PIS全流程智慧病理系统覆盖病理科全流程闭环管理，符合CNAS 15189和CAP认证标准，并提供50余套规范化结构化报告模板。依托多模态大模型能力，PathAgent可自动提取结构化信息、生成ICD-O编码，大幅提升报告书写效率。左彦飞特别指出，规范化、高质量的病理报告数据是AI模型院内迭代的关键。数字化构建可治理的数据资产。WisPath-IMS数字病理基座将数字切片从“存档”转化为可治理的数据资产，支撑AI研发、临床诊断和药物研发。在瑞金医院，全流程“一码通”使玻片打号机、免疫组化仪、扫描仪等设备使用统一二维码标准，流程运转效率显著提升。数字化建设还“倒逼”业务流程和质控规范的改进，瑞金医院在此过程中形成了内部AI数字化全流程前置质控规范。智慧化采用端云协同模式。院内部署客户端，与云端RuiPath大模型协同在华为云智慧医疗专区完成分析，结果回传至病理系统，医生在几分钟内即可看到AI辅助诊断结果。医生在使用过程中持续纠正和优化AI结果，反馈回传云端形成“数据飞轮”，使模型越用越准。这一模式初期投入减少90%，全链路加密保障数据安全。左彦飞提出一个关键判断：病理AI已进入“FDE（前端部署工程师）时代”，模型上线只是持续运营的起点。即使是海量数据训练的基础大模型，也必须适配院内数据——“医院自己的病理AI能力=基础模型+医院专属适配+本院评测标准”。区域化让优质病理能力真正下沉。衡道的区域病理运营体系以五大中心（区域诊断、质控、教学、AI、标本转运中心）为核心，推动诊断、质控、教学、转运一体化发展。左彦飞强调，区域平台的成功“靠运营机制，不只靠软件平台”，持续的运营才能提升基层病理能力和质控水平。区域质控数据运营支持各医院指标横向对比、TAT超标和切片合格率异常智能预警，为医保控费和资源配置提供数字化决策支持。在浙江瑞安市人民医院，WisPath+RuiPath端云协同方案从切片扫描、云端推理到医生工作站端到端对接仅用5天完成。应用效果显著：标本送检与接收效率提升约30%；切片调阅效率提高90%，从10—20分钟缩短至30秒以内；疑难会诊准备时间由“天级”缩短至“分钟级”；典型病例初阅在AI辅助下缩短30%—50%。 PART THREE医保新政与“病理云索引”加速病理数字化进程左彦飞在分享中指出，2025年底国家医保局发布《病理类医疗服务价格项目立项指南（试行）》后，截至2026年8月28日，全国已有22个省（直辖市）正式执行，另有4个省市征求意见中，落地速度“非常快”。2026年8月25日，国家医保局正式印发《“医保病理云索引”编码规范》，为每一张数字切片赋予唯一的“数字身份证”，实现切片可追踪、可监管。左彦飞评价：“医保政策让数字化变得可持续、可落地；云索引让病理数据变得可追踪、可流通；数据飞轮让医院的病理AI可进化。”针对快速响应的医保新政要求，衡道同步推出“数智病理All-In-One一站式解决方案”，集成智慧数字病理平台、AI辅助诊断、存储与实施服务，包含WisPath-PIS、WisPath-IMS、数字切片扫描仪、AI辅助诊断系统、RuiPath病理大模型、50TB存储及模型训练服务包等，实现软硬件、AI、服务统一交付。论坛传递出一个清晰的信号：从顶层政策设计到三甲医院的技术突破，再到面向基层的工程化落地，中国病理学科的数智化转型正在形成完整闭环。正如一位与会专家所言，病理医生的缺口仍在，但补缺的方式，也许不必再等下一个十年。 本文章转载自横方数字DigitalPath公众号 

AI病理行业正经历一场深层蜕变——从“技术热潮”转入“价值重估”。过去几年，行业叙事围绕着模型精度、顶刊论文、基础模型与多模态智能体展开；但进入2025年后，核心问题已明显从“模型能做什么”转向“系统如何进入医院、如何被付费、如何承担责任、如何证明真实世界价值”。AI病理不再只是图像识别工具，它正在成为数字病理基础设施、临床工作流工具、真实世界价值单元和人机协作系统的一部分。行业的判断是：已经进入“可见价值期”，但远未达到“可放心托付期”。这种变化的前提并非一个更聪明的模型，而是一整套数字化底座——切片扫描、图像管理、存储、工作站、LIS/PACS/HIS接口、报告流程、远程会诊和质控体系的逐步完善。正因如此，AI病理的本质从来不是单点算法产品，而是嵌入数字病理系统的能力层。当前阶段，行业已从“科研展示”跨入“临床转化竞赛”，竞争的焦点不再只是论文和排行榜，而是临床可用性、制度可接受性和支付可持续性。PART ONEAI病理的落地难题病理之所以成为AI最重要也最艰难的落地场景之一，在于它同时拥有高密度图像信息、大量可标准化的重复性任务，以及对诊断责任的最终承担。病灶筛查、细胞计数、组织分割、阳性率统计等任务天然适合算法先行处理，可以极大解放医生的眼力和精力；但真正成熟的病理诊断，又必须整合组织形态、免疫组化、分子检测、临床背景和影像资料，形成可签发、可追溯且直接左右治疗路径的结论。这就造成了一种根本性矛盾：实验室的AUC、Dice系数和reader agreement与医院追求的漏诊控制、报告时效、长期稳定性和异常识别并不自然对齐；医院采购的不是模型，而是一套必须接入扫描仪、服务器、工作站和信息系统的完整方案。论文热而临床冷，并非执行力不足，而是这个赛道本来就得以更慢、更重的方式积累可信性。落地困难的真实结构是一组耦合问题：跨中心泛化直接触及临床底线，切片制备、染色和扫描的差异让模型的“水土不服”成为常态；标签噪声和观察者间变异使得“金标准”本身带有不确定性，模型可能学到的是某个中心的标注风格而非普适规律；数据困局不仅是隐私合规问题，更是医院、专家、企业间的权属与价值分配难题；工作流嵌入才是真正的门槛——产品必须围绕病理科繁忙而成熟的操作链条设计，而不是让整个科室去适应模型；商业模式中，提升准确性、一致性与效率的价值虽真实存在，却往往滞后、间接或难以货币化，一个不承担法律责任的助手如何定价，天然面临张力；而责任边界与监管成熟度，更是决定了行业扩散的上限。AI病理面对的，正是一个需要同时解决技术、工程、制度与生产关系多重挑战的复杂系统。 PART TWO从专用模型到协作智能体技术路线在此背景下完成了三次跃迁。从面向特定任务的分割、检测、分类模型，到自监督学习驱动的基础模型，再到今天开始整合图像、文本、基因数据和医学知识的多模态与智能体系统，AI病理不再只是“输入切片、输出标签”的分析工具，而是走向能拆解目标、调用工具、生成结构化建议并懂得何时追问的协作型系统。相应地，现阶段最可能率先规模化的，不是无监督自主最终诊断，而是几类边界清晰、复核闭环易于设计的能力层：阳性高风险预筛与分流、肿瘤区域分割与细胞计数、IHC定量与阳性率统计、以及结构化报告草稿生成和远程协同。这些能力围绕预筛、分割、量化、结构化表达和区域分发，构成可验证、可审计、可持续优化的临床级辅助系统。而短期内仍不现实的，是能独立承担灰区病例责任的终局式自主诊断系统，因为证据结构、责任划分、工作流接受度和监管机制都尚未成熟。 PART THREE支付破冰与角色重塑支付与政策正在让AI病理逼近真正的行业拐点。2025年底国家医保局《病理类医疗服务价格项目立项指南》已将“人工智能辅助诊断”纳入扩展项，使AI辅助获得了更清晰的收费路径；而真实世界医保综合价值评价的政策框架，进一步把医用AI视为独立价值单元，要求持续跟踪其临床有效性、安全性、经济性、公平性和患者体验等维度。这意味着病理AI企业不能仅做一次注册，而必须建立长期证据积累机制，行业竞争正从“技术驱动”彻底转向“价值驱动”。与此同步发生的是病理医生角色的重新定义：替代叙事正在被协作叙事取代。AI接手的是标准化、高重复度的环节，而疑难整合、灰区判断、跨模态推理和责任承担始终依赖病理医生的专业核心。AI不仅不会取代病理医生，反而可能放大病理科最不可替代的诊断与决策价值。未来的好产品，不是“最自动”的，而是“最会协作”的——它能主动组织证据、提出追问、表达不确定性，并在必要时触发升级复核。 PART FOUR决胜未来：胜负手与病理科能力重构未来三至五年，行业的分化或将主要围绕五个维度展开：能否建立从多中心验证、本地化适配、性能漂移监测到版本受控更新的完整证据链；能否把算法、扫描、存储、阅片、报告、审计和质控整合为临床级系统；能否真正理解并嵌入病理科工作流，让产品成为日常工具而非演示工具；能否把准确性、时效性、基层可及性等价值翻译成医保和管理层可接受的语言；能否设计出既主动又谦逊的协作式AI。病理AI的终局并非单点任务的彻底自动化，而是病理科能力结构的根本性重构——重复劳动不断被系统先做一轮，病理医生的核心工作进一步上移至复杂诊断、临床沟通、教学和多学科决策支撑，使病理科从“幕后支持科室”走向“核心诊疗决策节点”。因此，AI病理短期内不会以“替代病理医生”的形式成功，而会以“重构病理科工作分工、提升病理科系统能力、放大病理专业核心价值”的形式成功。谁能将这一愿景真正做成产品、做进流程、做进支付、做进制度，谁才能成为下一阶段真正的赢家。 本文章转载自横方数字DigitalPath公众号 

近日，在“数智共生，云上启航”医疗人工智能创新论坛上，二十余家医院正式入驻华为云“行业AI梦工厂”智慧医疗专区，并共同参与瑞金医院RuiPath病理大模型云上启用仪式。这标志着由华为、上海瑞金医院与衡道数字共同打造的RuiPath瑞智病理大模型，已从顶级三甲医院逐渐走向地市三甲及县域基层，实现多级规模落地，中国病理诊断的“医疗普惠”蓝图正加速变为现实。PART ONE百万病理切片铸就AI大模型，端云协同打破人才与数据瓶颈病理诊断被誉为疾病诊断的“金标准”，尤其在癌症诊疗中，一张切片决定一台手术，一份报告改写一个家庭。然而，我国病理医师严重短缺——全国注册病理医师仅约2万名，缺口高达7至14万人，而每年新增癌症确诊病例近500万。与此同时，全国3.8万家医院中仅约5000家设有病理科，大量基层医院病理诊断处于“真空”状态，患者不得不“千里送片”至大城市，延误诊治时机。面对算力、算法、数据三要素在医院端长期割裂的困境，衡道数字携手华为与瑞金医院共同探索病理AI创新应用。2025年2月，发布了国内首个临床级病理大模型——RuiPath（瑞智病理大模型）。该模型基于上海瑞金医院沉淀的百万张数字病理切片，目前模型覆盖90%的中国常见癌种，90%的下游诊断任务，通过数据飞轮实战准确率超越90%。 PART TWO只需1/10数据、1/10成本：智慧医疗专区让每家医院炼出“自己的AI”此次多家医院方案落地的核心依托，正是华为、瑞金医院与衡道数字共同打造的RuiPath瑞智病理大模型。在本次合作中，瑞金医院贡献一线临床经验与海量标注数据，华为云提供先进的存储与AI基础设施；同时，衡道数字深度参与了全流程标准化数字工作流建设，确保海量病理数据的高质量流转，多方合力构建起“场景-模型-平台-社区”端到端医疗AI支撑体系。 在华为云“行业AI梦工厂”智慧医疗专区，医生仅需使用相比传统训练模式10%的病理图像，即可高效训练出专属于本院的病理模型，真正实现“自己的数据训练自己的AI”。这一模式彻底解决了跨院模型不适用、成本高昂、部署周期长等历史难题。在邯郸市中心医院，作为区域医疗中心，是国内率先部署RuiPath的医疗机构，病理科年切片量约15万张，同时承担多个县域医院的上送疑难病例诊断任务。基于RuiPath以及端云协同架构，该院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。乳腺癌模型针对邯郸本地病例有无肿瘤判别，准确率从早期约95%提升至接近100%，组织学类型达到90%以上。医生在审核AI结果时顺手标记“改错”，修正数据立即回流，形成“边用边学、越用越精”的正向循环，真正跑通了“数据-模型-临床”的价值闭环。在浙江瑞安市人民医院，通过云上智慧医疗专区让医院仅用5天就完成了从数字切片扫描、AI模型调用到院内PIS系统的端到端对接，集成周期缩短超80%。在应用成效上，传统20分钟/例的人工显微镜阅片，被提效为“AI初筛+医师秒级复核”，医师重复性阅片减少80%，机械录入时间减少70%。首年成本成本仅需数十万元，为传统模式的十分之一，五年整体拥有成本下降40%。“云上安全存算、以租代建、开箱即用”的模式，让县级医院也能“建得起、用得好”。在数据安全方面，华为云智慧医疗专区采用“银行保险箱”式设计，通过热力图技术自动提取切片中约5%的核心肿瘤区域，仅将关键特征加密上传，原始切片与患者隐私绝对不出医院，实现“可用不可见”，技术与法律双管齐下，确保全流程合规、安全、可信。面向未来，区域内的地市级三甲医院可基于RuiPath训练出符合本区域疾病谱系的模型，赋能下辖县级医院，形成“区域中心训练、基层医院使用”的梯次化能力输出。邯郸市中心医院更计划采用“流动扫描工作站”模式，让一台共享高通量扫描仪穿梭于县域医院，收集数据训练本地专属模型，再反哺基层，同时疑难病例可通过平台直连瑞金医院远程会诊。 PART THREE从东部到西部，从三甲到县域：让每家医院都拥有专属的病理模型随着20余家医院正式入驻华为云智慧医疗专区，RuiPath病理大模型已走进河北、云南、贵州等地，从城市到县域，从东部到西部，规模化应用全面提速。“让每位病理医生拥有会进化的数字分身，让每家医院拥有专属的病理模型。”正是大家未来的愿景。衡道数字将继续携手华为与瑞金医院，以技术为依托、以场景为载体，让医疗AI普惠到每一家医院、每一位医生、每一位患者，真正实现“大病不出县、小病不出乡”的分级诊疗理想。 本文章转载自横方数字DigitalPath公众号 

8月27日至28日，828 B2B企业节开幕式及数博会分论坛相继举行。在论坛上，上海衡道医学数字产品总经理左彦飞分享了“打破时空壁垒，给基层医院一个三甲水平的病理科”以及“衡道智慧病理解决方案实践分享”的主题演讲。依托AI大模型与华为云协同能力，衡道医学正在打破病理行业长期存在的“人才荒”“流程繁”等痛点，推动优质病理资源下沉基层，助力精准医疗普惠。PART ONE病理，需要被啃下的“硬骨头”中国是癌症大国。2022年，中国新发癌症患者482万，死亡人数257万，分别占全球的24.1%和26.5%，均居世界第一。平均每分钟就有9.1人被确诊为癌症。而对患者而言，最终确认肿瘤良恶性的“金标准”，来自病理科医生在显微镜下的一纸诊断报告。这份报告被称为生命的“最终裁决”，也决定了后续的治疗方案。然而，一个严峻的现实是：全国注册病理医师仅约1.87万人，缺口高达10万人；全国3.8万家医院中，仅5000家设有病理科；80%的病理医生集中在三甲医院，基层医院的病理诊断能力几乎“真空”。在基层，一份病理报告需历经十余道严苛工序，流程耗时长达3—5天，患者往往在等待中备受煎熬。病理诊断这道生命的“最终裁决”，正面临人才荒、流程繁、压力大的三重困境。 PART TWO衡道&华为云，从“技术探索”到“临床落地”面对病理行业的深层困境，华为云与衡道医学选择强强联合，通过“技术+场景”的深度融合，逐步打破病理数智化的壁垒：2023年，衡道医学与瑞金医院、华为、商汤联合发布国内第一本《数字化智慧病理科建设白皮书》，构建病理科信息化、数字化、区域化、智能化的全方位解决方案。2025年，三方联合发布“瑞智病理大模型RuiPath”。基于华为云的强大算力与AI工具链，RuiPath实现了单切片AI诊断时间仅需数秒的突破。2026年，华为与衡道联合打造的“数智病理一体机”将病理科建设周期从2—3年压缩至“开箱即用”，总投入从数百万降至数十万级别，让基层医院“用得起、用得好”AI病理。在技术层面，RuiPath大模型依托华为ModelEngine全流程AI工具链开发，覆盖胃癌、肺癌、甲状腺癌等19个病种，AI诊断准确率可达90%。单张病理阅片时长从20分钟缩短至2分钟，效率提升80%。同时，衡道WisPath®全流程智慧病理系统已与RuiPath大模型深度集成，支持19个病种AI自动生成结构化诊断报告。基层医院通过“端云协同”客户端，即便在网络带宽有限的情况下，也能调用云端强大的AI算力，真正实现算力与算法的深度融合。 PART THREE下沉基层：打通病理服务的“最后一公里”技术的价值在于普惠。在828 B2B企业节和数博会的舞台上，华为云与衡道不仅展示了技术突破，更描绘了清晰的生态落地蓝图。华为云“行业AI梦工厂”智慧医疗专区已正式上线，首批20余家医院正式入驻。这不仅标志着病理数智化从单点探索迈向规模化落地，更意味着AI病理正式进入临床生产系统。从“单点合作”到“生态共创”，面向日切片量≤400片的10000余家区县与地市级医院，华为提供算力底座与AI工具链，衡道医学贡献病理数据积累与行业经验，共同推动优质病理资源下沉。浙江瑞安市人民医院上线方案后，送检接收核对效率提升约50%，数字切片调阅效率提升超90%，疑难会诊由“天级”缩短至“分钟级”，病理报告整体周期预计缩短20%—30%。基层医生相当于获得了一位在瑞金医院进修过的专家辅助诊断，诊断效率与准确度均大幅提升。此外，贵州省某地市级人民医院作为黔滇桂三省结合部的区域医疗中心，通过引入华为云智慧病理服务，实现了“1+1+7”区域病理诊断的智慧化升级，有效解决了地市头部三甲提质增效与资金预算不足的矛盾。 PART FOUR数智平权：让三甲水平“飞入寻常百姓家”对于医院而言，数智化方案降低了建设门槛，缩短了回报周期，让基层医院真正“用得起、用得好”AI病理；对于患者而言，这意味着在家门口就能享受三甲水平的病理诊断服务，告别跨省奔波与漫长等待的焦虑。正如左彦飞经理在演讲中所言，衡道医学的使命是“给基层医院一个三甲水平的病理科”。通过与华为云的深度生态协同，这一愿景正在从理想照进现实。面向未来，双方将持续深化合作，一方面持续打磨联合解决方案，迭代优化产品能力，拓展更多行业应用场景；另一方面联合开展市场推广、客户赋能、技术培训等工作，共建病理数智化生态，用科技温度践行“有时去治愈，常常去帮助”的医学人文初心，为健康中国战略注入数智病理的核心动力。本文章转载自横方数字DigitalPath公众号 

在很多人的印象里，病理科是一个“幕后科室”：患者通常见不到病理医生，但最终的手术方案、化疗方案、靶向治疗选择，往往都要等那一份病理报告。病理诊断被称为疾病诊断的“金标准”，尤其在肿瘤诊疗中，病理结果直接决定后续治疗方向。但长期以来，病理数据一直“困在院内、锁在科室”。患者跨院就诊，常常需要自己去借实体玻璃切片，再带到另一家医院；借阅、归还来回可能耗时两三周；有些患者因为数据无法共享，不得不接受重复活检，既增加身体痛苦，也增加经济负担。现在，情况正在发生变化。随着国家医保局“医保病理云索引”正式落地，以及各地“缺数减收”政策陆续推进，病理科数智化转型已经从“可选项”变成“必答题”。那么，病理科为什么要数字化？医保病理云究竟是什么？医院又该从哪些方面做准备？ PART ONE病理科数字化转型：不只是政策压力，更是长期出路外界最先感受到的，往往是政策的倒逼压力。根据国家医保局《病理类医疗服务价格项目立项指南（试行）》，病理染色、原位杂交、切片复制等项目，提供数字化切片图像属于服务的应尽内容；未按要求上传数字切片的，单张减收5元，单次最高减收15元；病理诊断报告未同步上传，同样执行减收规则。截至9.9日，已经有27个省，自治区，直辖市陆续落地实施细则。图片来自公众号基因Talks这意味着，不搞数字化，科室会直接面临收费扣减；长期不达标，还可能影响医院绩效考核和医保协议履约评价。于是，不少医院的第一反应是：这是政策压下来的任务，先买设备、传切片，别被扣钱就行。但如果只看到这一层，就忽略了病理数字化更深层的价值。传统玻璃切片模式运行了上百年，留下了许多一直没有解决好的痛点：切片长期保存会褪色、损坏甚至丢失；多院区会诊需要人工转运切片；患者外出会诊要借片、还片；基层病理医生不足，疑难病例外送周期长；科研教学要从海量玻片库里人工翻找病例。数字化之后，这些问题有了新的解法：数字切片可以永久归档，不受玻片褪色、破损影响；院内多院区医生可以在线调阅、协同阅片；远程会诊不需要寄送玻璃切片，专家线上即可判读；全流程数据留痕，质控可以从“事后抽查”变成“全流程可追溯”；AI辅助诊断有了落地基础，宫颈细胞学筛查、病理大模型等才能真正进入临床；教学、科研可以通过关键词检索病例，快速构建数据集。所以，政策是短期的推力，学科内生需求才是长期出路。数字化不是“买几台扫描仪应付上传”，而是要真正改变病理科的工作模式、质控模式和数据管理模式。 PART TWO医保病理云索引：给每一次病理检查发“全国统一身份证”近日，国家医保局正式印发《“医保病理云索引”编码规范》。简单理解，就是为患者的每一次病理检查，生成一个全国通用、唯一的“身份证”。这个索引编码总长79位，涵盖8大核心信息，包括：证件类型代码-证件号码-就诊类型代码-病理申请单号-病理号-申请病理检查时间代码-检查机构代码-病理申请类别代码示例：它的核心作用是：一次检查、一个编码、全国通用、跨院可查、全程可追溯。过去，不同医院的病理系统数据格式不统一，设备不兼容，即便都有了数字切片，也很难互通。有了统一索引之后，患者跨院就医时，接诊医院可以通过索引更准确地找到历史病理检查资料，减少因“数据拿不到”而产生的不必要重复检查。但这里需要澄清一点：医保病理云落地，不等于“以后病理检查都不用重复做了”。国家医保局明确，将分批推进数据归集共享，目前是统一标准建立阶段；而且是否需要重新取材、复核或进一步检查，仍要由医生根据病情判断。更准确的理解是：对于已有且具备共享条件的病理资料，有望减少不必要的重复检查。同时，政策强调隐私优先：所有调阅共享须经患者本人授权，兼顾便民与安全。 PART THREE病理新政落地后，医院要做哪些准备？这件事看起来是“病理科的事”，实际上涉及病理科、信息科、医保办、医务管理等多个部门。对医院来说，真正要做的准备，不是简单买设备，而是把基础数据和管理流程理顺。1. 病理科：先看数据能不能标准化未来病理数据要跨院共享，首先要求数据本身能够被规范管理。病理报告是否结构化？数字切片是否按标准扫描、存储？诊断信息能否与患者信息、检查信息准确关联？如果仍然高度依赖实体玻璃切片，没有形成规范的数字病理管理流程，后续接入病理云会非常困难。病理科需要逐步推进：数字切片扫描与归档标准化；病理报告结构化、诊断术语规范化；标本从登记、取材、制片、扫描、阅片到报告审核的全流程留痕；质控关口前移，避免不合格图像进入诊断环节。衡道WisPath-PIS全流程智慧病理系统的结构化规范化报告2. 信息科：重点关注系统接口和数据映射医保病理云不是简单“把报告传上去”。医院需要关注病理信息系统与院内HIS、电子病历、医保系统之间的数据关联，以及病理云相关标准、接口和索引生成规则。尤其要检查：患者信息、检查信息、病理诊断信息以及医保相关数据能否准确对应。如果底层数据对不上，跨院共享就很难真正实现。此外，数字切片体积较大，三甲医院年新增数据量庞大，存储、带宽、系统运维都需要提前规划。衡道WisPath-PIS全流程智慧病理系统3. 医保办：关注数据共享后的医保管理变化为什么这项工作由国家医保局推进？因为病理数据共享不仅关系到患者就医便利，也与医保精细化管理有关。未来随着疾病诊断、肿瘤分型、结算等数据进一步标准化归集，医保数据与医疗业务数据之间的关联程度会越来越高。医保办需要关注的，不只是“能不能调病理报告”，还要关注医疗数据标准化以后，对医保审核、数据治理、基金监管可能带来的影响。例如，病理云索引可以帮助医保部门全流程溯源、精准核验，减少不合理检查，也为DRG/DIP付费改革提供更坚实的数据支撑。4. 医院管理层：避免“为数字化而数字化”很多医院上线设备之后，扫描任务只用来应付政策上传，数字切片没有真正接入日常阅片流程，系统长期闲置。这其实是最大的浪费。病理数字化的落地，需要流程重塑、人员培训、配套制度同步跟进，不是硬件采购完成就自动实现价值。管理层需要把数字化纳入病理科能力建设的长远规划，而不是当作一次性合规投入。 PART FOUR从玻片到云端，病理科的重塑才刚开始医疗数据正在从“存在一家医院里”，逐步走向“按照全国统一标准共享”。对患者来说，目标是少跑腿、少借片，减少因数据无法共享带来的不必要重复检查。对医院来说，病理管理正在从实体切片管理，逐步走向“数字化＋标准化＋跨院共享”。未来医院之间共享的，不只是一张病理报告，而是一整套标准化、可调取、可利用的病理数据。当前，全国超过95%的医疗机构病理科尚未实现数智化升级。这意味着“医保病理云”全面铺开不会一蹴而就，但方向已经明确。现在更值得做的，不是急着追问“什么时候必须接入”，而是先检查：现有病理数据是否标准？病理信息系统能否满足后续共享需要？数字切片有没有形成规范的数据管理体系？这些基础工作，决定了未来真正接入病理云时，是顺利衔接，还是手忙脚乱。从实体玻片到数字切片，不是简单的载体替换，而是病理行业一次深刻的模式变革。政策是短期的推力，学科内生需求才是长期出路。本文章转载自横方数字DigitalPath公众号 

一、问题描述用户选择Physical-Intelligence_PI05-Base来训练，模型失败，通过查看系统报错提示：“ValueError: All image features are missing from the batch. At least one expected. ERROR: ERR99999 UNKNOWN applicaiton exception”二、问题示例①在测试smolVLA模型的时候，记载已有数据遇到报错说图片数据缺失，这是因为缺少什么系统环境变量配置吗？②用户在本地采集并上传到平台的数据集，已通过 pi05 模型的训练验证，确认可正常训练。但使用 Physical-Intelligence_PI05-Base 模型进行训练时，日志提示"图片数据缺失",请问是什么原因导致?③日志关键信息：“ValueError: All image features are missing from the batch. At least one expected. ERROR: ERR99999 UNKNOWN applicaiton exception”，日志截图如下： 三、处理步骤①用户需要确认数据集里 meta/info.json 文件中 dtype 为 video 的字段名称是否符合 LeRobot 标准格式②LeRobot 要求图像 key 必须以 observation.images. 开头，标准命名格式为 observation.images.<camera_name>；平台预制模型的要求如下（操作步骤：CloudRobo →具身广场→点击“Physical-Intelligence_PI05-Base”模型→模型介绍→约束条件下→训练超参data.rename_map使用方法）：(详细信息请查看：https://console.huaweicloud.com/cloudrobo/?locale=zh-cn&agencyId=b61361a00684454f9892bf5c85c6a603®ion=cn-southwest-2#/modelDetail/b55448da-332e-4083-a42b-0bac818ba475/model?workspaceId=7ffc84c1-f951-43ed-8a59-14fde8624222)

一、问题描述用户选择CloudRobo-VLA0-libero模型进行训练时任务失败，查看日志时出现关键信息：“ValueError:state dim 16 exceeds max_state_dim=8”。 二、问题示例CloudRobo-VLA0-libero | v0.0.1模型是单臂的吗？代码中超参数max_state_dim是只有8吗？这个支持修改吗？日志关键信息：ValueError:state dim 16 exceeds max_state_dim=8，日志截图如下： 三、问题答复是的，CloudRobo-VLA0-libero | v0.0.1模型仅支持单臂，由于模型已预训练了Libero数据，导致维度上最大8维，若需修改超参数，可使用 CloudRobo-VLA0-base 模型。

一、问题描述训练模型时训练任务失败，查看系统日志出现报错“错误：Input_Path下没有找到checkpoint 文件夹！”二、 问题示例用户训练模型失败，平台异常报错，怎么查看报错原因？处理方式是什么？日志关键信息：“错误：Input_Path下没有找到checkpoint 文件夹！”，日志截图如下：三、  处理步骤①点击日志里面查看报错原因②断点续训时出现报错：“input path 下没有找到 checkpoint 文件夹”，即：输入的路径下未找到断点/检查点文件夹③经排查，问题原因如下：客户为首次训练模型，但参数名称 resume_from_checkpoint 的数值被设置为 true，系统在指定路径下未找到断点/检查点文件夹，导致报错。④断点续训：指在模型训练过程中因中断而未完成时，可以从上一次保存的状态继续训练，从而避免重复训练浪费时间和资源。⑤首次训练场景：参数名称 resume_from_checkpoint 应保持数值为 false（断点续训关闭），此为非续训场景，请勿开启。首次训练时若将参数名称 resume_from_checkpoint 的数值设为 true，将导致训练异常报错。（操作步骤：模型训练→创建训练作业→超参配置→参数名resume_from_checkpoint→数值“false”）⑥训练中断后恢复场景：参数名称 resume_from_checkpoint 的数值应设置为 true（断点续训开启）。此为续训场景，系统将从上次断点/检查点恢复训练。⑦处理建议:首次训练：保持参数默认值 false。训练中断恢复功能：将参数设为 true 后，系统将从上次断点/检查点自动继续训练。所选用的模型须为空间资产中上一轮训练的产物。

一、问题描述训练模型时，原始数据上传和选择均操作正确，模型训练失败，通过日志提示定位到“没有找到数据”。二、问题示例某用户在测试pi模型，出现数据找不到的情况，原始数据上传和选择均操作正确，日志关键信息：FileNotFoundError: [Errno 2] No such file or directory: '/home/ma-user/datasets/dataset-0/../dataset-0/meta/info.json'，日志截图如下：三、处理步骤①上传的数据不满足要求，请检查数据配置下“数据”的根目录中是否存在 meta/info.json。（操作步骤：点击训练失败的“模型” → 训练详情 → 点击数据配置下的“数据”，可跳转至“数据资产” ）②查看空间资产-数据时，发现目录下多了一层“1”级目录，导致模型训练失败。（操作步骤：进入数据详情 → 数据介绍 → 点击“文件预览”查看目录层级）③正确的数据详情格式应为：meta 与目录“1”并列处于同一层级，模型训练才能正确读取数据集。④单数据集目录结构：输出数据集文件夹下直接平铺转化后的数据。⑤多数据集目录结构：输出数据集文件夹/1/转化后的数据，多数据集需要数据合并后用于训练，用户手册已更新该说明（cid:link_0）。

本期，我们将通过1例病例为大家详解头颈部隆突性皮肤纤维肉瘤的病理诊断知识。 病史介绍男性，44岁，因“发现头枕部皮下包块7+年，切除术后复发3个月”入院。辅助检查专科检查：头枕部可见一直径约5cm×5cm圆形包块，突出皮肤表面，质硬，边界清，活动度较差，无压痛，局部皮肤无红肿、破溃、流脓等异常，可见一大小约5cm陈旧性手术瘢痕。 颅脑CT平扫（图1）：左枕部皮下见大小约38×28mm椭圆形低密度影，边界清，密度均匀，病变右侧份周围软组织增厚。脑实质密度未见异常，脑室系统大小、密度未见异常，脑沟及脑池宽度、密度未见异常，脑中线结构未见偏移，脑干轮廓清楚。扫及右侧乳突气房减少，中耳乳突见密度增高影。颅脑MRI平扫+增强（图2）：左枕部皮下见大小约47x40×28mm椭圆形长T1长T2信号肿物，边缘清楚，增强扫描明显不均匀强化。枕骨形态和信号未见异常。脑实质区未见异常信号，灰白质界限清楚。脑室系统大小、信号未见异常。脑沟、脑池宽度及信号未见异常。中线结构无移位。脑干轮廓清楚。影像意见：左枕部皮下肿物，考虑血管瘤。图 1颅脑CT平扫示左枕部皮下见大小约38×28mm椭圆形低密度影。图 2颅脑MRI平扫+增强示左枕部皮下见椭圆形长T1长T2信号肿物。（左：横断面，右：矢状面） 组织病理活检1、大体肉眼观：灰白带皮组织，130×60×25mm，距皮下8mm见一类圆形包块，36×25×20mm，切片灰白实性质中，与周围分界尚清。2、镜下观（图3-图9）：低倍镜下肿瘤位于真皮层，境界相对清楚，侵犯皮肤附件及皮下脂肪组织，有时沿脂肪小叶间隔浸润生长，形成特征的蜂窝状或蕾丝样浸润图像。中倍镜下，真皮深部的梭形细胞呈席纹状、车辐状或束状排列，间质可见黏液样变性。高倍镜下，肿瘤细胞轻度异型，中等密度，但无明显多形性，核分裂象低（0～10/10HPF）。图 3低倍镜下肿瘤位于真皮层，境界相对清楚。图 4 瘤细胞沿脂肪小叶间隔浸润生长，形成特征的蜂窝状或蕾丝样浸润图像。图 5中倍镜下，真皮深部的梭形细胞呈席纹状、车辐状或束状排列。图 6高倍镜下，肿瘤细胞轻度异型，中等密度，核分裂象低。图 7肿瘤内可见神经侵犯（+）。图 8肿瘤间质可见黏液样变性。图 9肿瘤可见出血。3、免疫组化（图10-图12）：免疫组化示肿瘤细胞CD34（+++），Vimentin（+），Ki-67（30%+），BCL-2（+），CD99（-），CK（-），CK19（-），CK7（-），Desmin（-），EMA（-），S-100（-），SMA（-），SOX-10（-），STAT6（-）。图 10免疫组化示肿瘤细胞CD34（+++）。图 11免疫组化示肿瘤细胞Vimentin（+）图 12免疫组化示肿瘤细胞Ki-67（30%+）。本文转载自：衡道病理微信公众号hengdaobingli病理诊断（后颈部）隆突性皮肤纤维肉瘤复发。 讨论1、背景隆突性皮肤纤维肉瘤dermatofibrosarcoma protuberans，DFSP）是好发于皮肤的软组织肿瘤，于1924年由ferrand等首次描述，Hoffman于1925年将其命名为DFSR，是一种容易局部复发，低转移的软组织肿瘤，多发生于20~50岁间中青年，男性略多见。肿瘤主要发生于躯干部、四肢近端及头颈部皮肤等部位。DFSP是一种罕见的交界性或低度恶性间叶组织肿瘤，其起源于真皮纤维组织，在2020版WHO软组织肿瘤分类指南中被归于成纤维细胞/肌纤维细胞肿瘤，约占软组织肿瘤的6%，占全身恶性肿瘤0.1%至1.5%。DFSP发病机制尚不清楚，可能与局部外伤史、基因突变及家族史相关。2、DFSP的临床病理特征（1）临床特点DFSP发病年龄在30~50岁，男性稍多，肿物直径0.6～11.5 cm，平均4.7cm，其临床特点是肿块位于真皮，生长缓慢，形成暗紫红色结节，可见瘢痕样或萎缩性斑块。最常见于胸腹部及背部，其次是头颈部和四肢近端，偶可发生于乳房、腹股沟、外阴等部位。（2）影像学DFSP超声提示肿瘤内部血流丰富，回声不均匀，但内部出血坏死相对少见。CT提示病变内部密度均匀一致，低于同层肌肉密度，高于脂肪密度，无钙化成分。MR提示肿瘤内部可见“双低信号”征，局部脂肪浸润呈“脂肪尾征”，累及真皮可见“皮肤尾征”，病变由低度恶性向高度恶性转变时可侵犯深部筋膜，表现为“筋膜尾征”。肿瘤细胞排列紧密，细胞外间隙较小，水分子扩散受限，导致DWI呈明显高信号ADC值显著减低。（3）病理学特征  肉眼观：肿瘤大体无包膜，界不清，切面灰白色、可有出血呈灰红色，实性、结节状或分叶状，质韧或质中，最大径1～15 cm（平均4.7 cm）。镜下观：形态学上，根据软组织肿瘤WHO分类，DFSP分为4种亚型：①经典型DFSP，肿瘤主要位于真皮层内，由弥漫浸润性生长的短梭形细胞组成，瘤细胞与表皮之间经常有一狭窄无细胞带（Grenz带），其深部浸润至皮下脂肪组织中，肿瘤细胞呈现特征性的席纹状或者车辐状结构，高倍镜下肿瘤细胞呈梭形，轻度异型，核分裂1-3/HPF。②色素性DFSP，也称Bednar瘤，以肿瘤内含有散在性分布、多少不等的树突状色素细胞为特征。③FS-DFSP，部分区域瘤细胞异型性明显，核分裂增多，呈细长的条索状或鱼骨样排列，似纤维肉瘤。④粘液样型DFSP，在3%～5%的DFSP病例中，间质可呈粘液样变性，尤其见于复发病例中，当粘液样区域比较广泛时易被误诊。免疫表型：弥漫性 CD34阳性，vimentin阳性，EMA可灶性弱阳性，伴肌分化可表达SMA。Desmin、S-100和CK阴性。分子遗传学特征：DFSP经典遗传学该肿瘤的特点是超数环状染色体，其中含有来自22号染色体的着丝粒以及来自22号染色体、17号染色体的其他物质。另一种遗传学改变是不平衡性易位t（17;22）（q21.3;q13.1），更常见于儿童病例。这两项改变均导致PDGFB受COL1A1启动子控制，因此分子检测（如FISH、多重RT-PCR）可检出COL1A1-PDFGB重排，也可通过PDGFB RNA原位杂交进行检测。超微结构上DFSP瘤细胞有纤维母细胞/肌纤维母细胞特点。3. 鉴别诊断 乳腺GCT主要应与以下肿瘤相鉴别：（1）纤维组织细胞瘤或真皮纤维瘤：本病主要位于真皮内，肿块通常较小，伴有表皮增生瘤细胞呈梭形增生，但很少延伸到脂肪小叶。同时可见到组织细胞样细胞、含铁血黄素细胞等成分。免疫组织化学染色表达CD68、F-XⅢa、D2-40因子，不表达CD34。（2）弥漫性神经纤维瘤：神经纤维瘤的肿瘤细胞排列稀疏，呈波浪状，核弯曲，可见触觉样小体结构。CD34阴性。瘤细胞短小、纤细，无核分裂象，细胞丰富程度不如DFSP，可见到触觉小体或神经分化结构。免疫组织化学染色S100和神经微丝蛋白SOX10等阳性。（3）纤维肉瘤：肿块多位于深部软组织，肿瘤细胞异型性明显，病理性核分裂易见，排列成特征性的“鱼骨状”或“人字形”，常见出血坏死。免疫组织化学染色Vimentin阳性，S100、CD34阴性。CD34、F-XⅢa与Stromelysin-3（ST3）联合检测可用于鉴别皮肤肉瘤和DFSP。（4）混杂性神经鞘瘤/神经束膜瘤：瘤细胞呈纤细的梭形，围绕血管呈漩涡状。免疫组织化学染色S100阳性，CD34阴性。EMA可显示瘤细胞的胞突。（5）黏液性脂肪肉瘤：肿瘤位于深部软组织，瘤细胞无席纹状或车辐状结构，间质有丰富的丛状毛细血管网，存在脂母细胞，脂肪染色阳性。免疫组织化学染色CD34阴性。（6）瘢痕疙瘩：为皮肤结缔组织对创伤的反应超过正常范围形成的肿块，病理表现为无包膜肿块，与周围组织界限不清，胶原纤维增生结节状，成纤维细胞较多，胶原纤维错综排列，以后纤维增多，而血管逐渐减少，由于DFSP早期切除可显著提高患者预后，而瘢痕疙瘩应避免手术切除，因手术可能诱发成纤维细胞增殖，导致症状加重，故早期与DFSP鉴别显得尤为重要。（7）无色素黑素瘤：是结节性恶性黑素瘤的一种特殊类型，同样表现为结节的无色素黑素瘤有时需与DFSP相鉴别，但无色素黑素瘤不大有梭形细胞呈车轮样结构，同时可见交界活跃现象，而且不产生网状纤维及胶原，免疫组化S-100蛋白及HMB45阳性，此可与DFSP相鉴别。4.治疗及预后 DFSP切除后局部复发率高达26%～60%，罕见转移，但也有发生肺转移的报道。目前公认的DFSP治疗是局部广泛切除手术。外科Mohs手术具有创面小、治愈率高的优势。对于无法选择外科手术、复发或转移的患者，可考虑内科治疗。分子检测存在COL1A1-PDGFB基因融合，可使用DFSP靶向治疗药-甲磺酸伊马替尼。伊马替尼与ATP竞争，阻止酪氨酸激酶受体磷酸化，进一步抑制异常信号转导通路，从而达到抑制肿瘤细胞生长的作用。所有经病理确诊为DFSP的患者，应常规行皮损MRI了解肿瘤的浸润深度，以确定手术范围，做到早诊断、早治疗，防止疾病的复发和转移。对于一些容易复发的病例，如肿瘤固定于深部组织、呈浸润性生长、含有黏液样或纤维肉瘤成分、局部晚期或复发病变，应行胸部CT扫描以排除肺转移可能。参考文献：[1]罗妙旋，张武，古婉仪，等.隆突性皮肤纤维肉瘤30例临床和病理学分析[J].系统医学，2022，7（10）:167-170.DOI:10.19368/j.cnki.2096-1782.2022.10.167.[2]顾婷婷，姚丽倩，王雨潇，等.隆突性皮肤纤维肉瘤55例临床病理分析[J].南通大学学报（医学版），2023，43（04）:346-350.DOI:10.16424/j.cnki.cn32-1807/r.2023.04.012.[3] 肖阳，薛影，梁寿衡.隆突性皮肤纤维肉瘤临床及影像特征分析[J].中国CT和MRI杂志，2024，22（11）:174- 本文转载自：衡道病理微信公众号hengdaobingli