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

图输卵管化生是一种正常的化生现象，指正常的子宫颈上皮被正常输卵管样上皮所取代。输卵管化生经常出现在子宫颈管上段或子宫下段。输卵管化生是最易被误诊为异常子宫颈腺的病变或肿瘤的良性变化之一，这是由于其细胞核增大、排列常拥挤重叠。然而，明确判读纤毛和终板是确认其良性判读的依据。病例患者，女，44岁。健康查体。彩超：子宫大小形态正常，肌层回声不均匀，前壁可探及直径11mm大的低回声区，边界清晰，内膜厚约8mm；宫腔内未见明显异常回声。宫颈处可见数个无回声区，较大者直径6mm，边界清晰。附件未见明显囊实性占位病变。送检宫颈液基标本，巴氏染色如下：图 1图中可以看到多核腺细胞，并且感觉腺上皮核增大，大小不一，核深染，排列拥挤。图 2上图可看到该腺上皮细胞有些排列异常，假复层的感觉。感觉腺上皮有异常，好像又没有异常，请教了胡老师，胡老师提示：多核腺，输卵管化生，提示我再仔细寻找一下终板及纤毛。于是拿出片子又重新看，看到如下图所示：以上图3-8中：腺上皮细胞有核增大、排列拥挤及假复层的特点，但共同点都能找到终板及纤毛。胡老师解读：这个病例中镜下见到了多核腺及输卵管化生细胞。多核腺常见于输卵管化生，所以它提示片子中有输卵管化生。图1多核腺是没有什么问题的；关键是图2，似乎为不典型腺，但因为有第一幅图多核腺的提示，就是这个片子里面有输卵管化生，你要仔细去和输卵管化生鉴别，就要去找终板和纤毛。有时候终板纤毛它是不明显的，你要去看它核的异形，看它的染色质。输卵管化生的染色质一般来说是细腻的，它不会很粗糙，而且胞质也比较丰富，核也比较圆。我于是翻看书籍查询，在TBS书上也有相似的图片：图 9在这幅图中，多核腺细胞的存在也提示了这个标本中有输卵管化生细胞。输卵管化生其实并不罕见，主要出现在宫颈管上段和子宫下段，即宫体和宫颈的连接区域。这一区域的腺上皮在某些情况下（如宫颈手术、激素变化等）可能发生化生，形成类似输卵管上皮的细胞。只是说有时候细胞刷没有刷取到它，但其并不罕见，所以说有输卵管化生也不一定代表这个片子就没有腺的问题。它也常常可以和输卵管化生共存，它们可以相伴在一起，所以说这要仔细去鉴别，有输卵管化生它提示这个片子你要仔细去鉴别是不是真正的有腺的问题，但是有输卵管化生，并不排除整个片子它就一定没有问题。对于该病例，除了输卵管化生细胞，没有其他的腺细胞异常，则考虑为良性；若同时还能看到腺细胞的异常，则应该结合HPV检查。如果HPV是阴性，那么有问题的几率就更小；HPV16、18阳性就直接转阴道镜，即使细胞学是阴性。但腺的问题主要就还是16、18、45，如果是这三个型阳性，那么结合你的形态学可以稍微过一点；如果16、18、45都是阴性，那么问题好像不大。多核腺的存在可以给我们重要的提示作用，提示我们输卵管化生的存在。输卵管化生要仔细看，注意和腺的病变进行鉴别；有时候这种多核腺没有注意，还把它误认为是鳞的问题。瞬间让我联想到前两天咨询老师的另一个输卵管化生病例，可见明确的纤毛，见下图10-11：巧的是当天下午，我又见到了一例输卵管化病例，可见多核及纤毛终板，见下图 总结三个病例中都有输卵管化生细胞，进一步说明了输卵管化生细胞在日常工作中并不罕见。 输卵管化生是一种正常的化生现象，指正常的子宫颈上皮被正常输卵管样上皮所取代。输卵管化生经常出现在子宫颈管上段或子宫下段。输卵管化生是最易被误诊为异常子宫颈腺的病变或肿瘤的良性变化之一，这是由于其细胞核增大、排列常拥挤重叠。然而，明确判读纤毛和终板是确认其良性判读的依据。输卵管型化生：细胞通常被归为“无上皮内病变或恶性病变”(NILM)。然而，在判读子宫颈腺体病变时，这也是个常见的陷阱。因此，只有所见变化的非典型程度大到可以怀疑肿瘤时，才能判读为“非典型子宫颈管腺细胞”。输卵管型化生细胞的核常增大，染色过深及假复层化，酷似子宫颈管原位腺癌(AIS)的细胞改变，然而输卵管型化生细胞的核呈圆形或卵圆形，染色质颗粒更细且分布均匀。与典型的子宫颈管原位腺癌细胞相比较，输卵管型化生细胞也可出现羽毛状边缘，“菊形团”状排列和核分裂，但并不常见。在高倍镜下，判读输卵管型化生细胞的一个最可靠的特征是细胞团边缘有明显的终板和纤毛。在绝大多数情况下，终板和纤毛意味着良性病变。此外，输卵管型化生细胞可见混合有杯状细胞和纤细的“钉状”细胞。然而需要注意的是，输卵管型化生在子宫颈管偏上部和子宫下段是很常见的，可与子宫颈肿瘤共存。因此，如果有非典型细胞存在，共存的输卵管型化生细胞不能排除非典型腺细胞或肿瘤的判读。参考文献[1] Nayar R, Wilbur DC，陈小槐主译，余小蒙主审.子宫颈细胞学Bethesda报告系统——定义、标准和注释 [M]. 北京:科学出版社,2018:1-288.[3] 赵澄泉，周先荣，隋龙等.宫颈癌筛查及临床处理[M]. 北京:科学出版社,2017:1-485.本文转载自：衡道病理微信公众号hengdaobingli，细胞 病理 艺术，作者北大医疗鲁中医院检验科梁玉花，审核胡佐鸿转载仅作观点分享，版权归最初的原作者所有

面对病理科日益增长的阅片压力，“如何利用AI技术将医生从重复性劳动中解放出来？”带着这个行业核心痛点，我们迎来了 《RuiPath数智病理公开课》 的首期直播。本期课程聚焦于 《快速打造医院专属病理模型，活检小标本模型训练与实操》，摒弃空泛理论，直击模型落地难点，引发了众多病理科同仁与医疗AI从业者的关注。我们非常荣幸地邀请到了来自重庆大学附属三峡医院病理科的 段松主任 与 赵章翔研究员，两位专家通过“策略+实操”的黄金组合，为线上观众带来了一场干货满满的分享。一、 战略蓝图：区域数智病理中心的建设路径直播伊始，段松主任从宏观视角出发，深度解析了医院快速构建专属病理模型的整体战略。他首先指出了当前区域病理面临的三大痛点：- 无统一平台：成员机构之间缺乏链接，资源分布不均，数据不互通。- 物流网络缺失：缺乏专用切片运输网络，远程会诊难以规模化开展。- 智慧化能力不足：院内虽有数字化基础，但智慧化能力缺失，导致基层诊断能力有限、样本外送周期长。针对这些痛点，段主任分享了重庆大学附属三峡医院牵头的 “快速打造医院专属病理模型” 项目，并提出了清晰的 “建设三步走” 战略：1. 第一步：推进本院数智化病理科建设。2. 第二步：建设云上区域数智病理中心，赋能县域医院，兜底诊断。3. 第三步：接入医保病理云，实现从市级到省级的互联互通。在架构层面，项目依托 华为云医疗专区，整合三峡医院本院数据与模型，连接区县医院及乡镇医院，覆盖扫描、存储、计算全链路，支持PIS系统对接及远程病理会诊。段主任强调通过建立这个的闭环流程，未来将实现人机协同与小标本快速辅助诊断的目标。二、 实战成果：活检小标本模型训练与性能指标在段松主任战略指引后，赵章翔研究员为大家带来了全流程的实操演示分享。他选取了极具代表性的 “肠镜活检小标本” 作为案例，并分享了项目团队在 1个月内快速构建区域级专属模型 的丰硕成果。赵老师分享在该项目中，聚焦胃、肠、宫颈活检场景，通过数据优化核对，正在完善 “诊断-复核-调优”全自动数据飞轮闭环。下一步，团队计划启动新增癌种的小/大标本模型训练，拟训练多个癌种的病理模型。三、 实操演示：手把手教你完成模型训练在实操环节，赵章翔研究员以肠镜活检小标本为例，详细演示了全流程操作：1. 数据准备：确定病种与下游任务（定性/分型/分级），从PIS导出近1-3年诊断数据，提取并核对切片标签，确保诊断结果与切片条码号1对1对应。2. 数据集创建：收集每标签至少64张切片，使用标注提取工具生成JSON标注文件，通过医疗AI使能平台端侧软件安全上云。3. 训练与部署：全链路自动化流水线操作，包括一键启动训练、自动评测验证集指标、云端部署至端侧下载并启动服务。赵老师指出，单个模型全流程非常高效。4. 效果验证：现场演示了如何运用云上算力和端侧软件进行模型推理、推理完成后在热力图中进行推理效果查看、浏览推理诊断报告的全过程。四、 精彩互动与未来展望直播过程中，智慧医疗小助手大家在评论区进行了互动，并分享了社群二维码邀请观众朋友们进群。在社区中，小助手会不定期为大家推送活动信息，解答疑问。在直播过程中，小助手还设立了直播惊喜奖品和问答环节，再次恭喜所有中奖的观众！我们的直播奖品会在直播后10个工作日内，陆续安排发出了，还请中奖观众耐心等待！未来，《RuiPath数智病理公开课》将持续更新，带来更多行业案例与落地实战分享。本项目旨在通过构建标准化、自动化的区域数智病理体系，打破基层医疗资源瓶颈，利用AI技术实现了病理诊断能力的快速下沉与智能化升级，助力区域医疗高质量发展。更多精彩内容：如果您错过了直播，或希望进一步了解华为云医疗AI使能平台，欢迎通过以下方式进一步了解我们！1. 医疗AI使能平台“注册体验领好礼”活动第四期：回帖分享使用体验领取好礼！2. 加入企业微信群：扫描下方二维码，加入我们的专业交流群。进群后，可联系“智慧医疗运营小助手”获取更多支持，并持续关注后续的智慧病理活动与行业动态。3. 直播精彩回放：cid:link_1让我们携手共进，用AI点亮智慧病理的未来！

第一步：查看模型详情进入 CloudRobo → 具身广场 → 对应模型详情页，仔细阅读「使用说明」与「约束条件」。不同模型支持的数据格式、微调方式、参数配置均有差异，请以对应模型详情页中的说明为准。模型详情页主要包含以下信息：模型能力（预训练 / 全参微调 / lora 微调支持情况）资源最低需求（NPU 卡数）支持与不支持的功能项训练阶段参数说明及具体用例推理阶段参数说明及具体用例第二步：核对数据集要求对照模型详情页中的约束条件，检查自己上传的数据集是否满足以下方面（具体要求因模型而异）：数据集格式：不同模型支持的数据集格式不同（如 CloudRobo 系列支持 LeRobotDataset v2.1 和 v3.0，LeRobot/ Physical-Intelligence系列仅支持 v3.0），请以模型详情页标注为准数据集字段命名：检查数据集中图像、状态、动作等字段的 key 名称是否符合模型详情页中的命名要求（如 observation.images.*、observation.state、action 等）特殊数据处理要求：部分模型在训练前有额外处理要求（如 Physical-Intelligence 系列需执行「数据集的归一化统计信息」数据处理生成 norm_stats），请查看模型详情页中是否有相关说明第三步：修改数据集配置根据模型详情页中的参数说明和具体用例，调整以下配置（具体参数因模型而异）：数据集字段映射：根据模型详情页中的参数说明，配置数据集字段与模型要求的对应关系（如 CloudRobo 系列通过 IMAGE_KEY/IMAGE_VALUE/ACTION_KEY/STATE_KEY 等参数配置，Physical-Intelligence 系列通过 data.rename_map 超参配置，具体参数请参考模型详情页）数据集字段命名调整：若数据集字段名称不符合模型要求，需按照模型详情页中的命名规范进行调整（如 LeRobot 系列要求图像字段以 observation.images. 开头）模型参数配置：根据模型详情页中的参数说明和资源约束，配置训练参数（如 batch_size、维度参数、动作位置转换等），确保符合模型的支持范围和资源限制第四步：重新启动训练确认以下事项后开始新一轮模型训练：数据集格式符合模型详情页要求数据集字段命名和映射配置符合模型详情页要求已完成模型详情页中要求的特殊数据处理（如有）模型参数配置符合模型详情页中的资源约束和支持范围第五步：若问题仍未解决如训练过程中仍出现报错信息，请收集以下信息后联系一线支持或运营人员，协助定位问题：模型名称及版本训练任务 ID完整报错日志（通过训练任务详情页「日志」查看）数据集信息（格式、字段命名、是否经过数据处理）已执行的排查步骤及结果

这不是一篇普通的功能介绍，而是一份「具身操作开发者实战指南」：✅ 8章完整闭环——从具身广场空间资产到R2C真机调试，全流程手把手带你走通✅ 以"把方块放进托盘"为锚点——一个技能任务，学会端到端，举一反三到各类操作模型✅ 数据生产→处理→评测→训练→部署→仿真→真机——7大环节无缝衔接✅ 零门槛实战——无需复杂前置，跟着课程从零搭建完整技能流水线 课程核心内容：围绕"把方块放进托盘"这一具身操作技能，带你完整体验在CloudRobo平台上：第1章 具身广场与空间资产——认识平台核心资产与环境第2章 数据生产——仿真环境重建与轨迹生成，一键生产海量训练数据第3章 数据处理——数据转换、数据清洗，让原始数据变"可用"第4章 数据评测——科学评估数据质量，确保训练基础扎实第5章 模型训练——端到端训练具身操作模型第6章 模型部署——训推一体，模型快速上线第7章 仿真评测——在仿真环境中验证模型性能第8章 R2C介绍及真机调试——从仿真到现实，真实机器人上手验证福利：培训视频已上线！免费报名学习课程，直接点击链接：🔗 cid:link_0AI梦工厂--具身智能专区通道（具身社区栏目--课程学习）：🔗 cid:link_1行动建议：收藏此帖，随时回看转发给身边的机器人开发者，一起交流看完课程后，在评论区留下你的问题或体验，我们将精选回复！具身智能的下一站，由你亲手从"把方块放进托盘"开始。—— 华为云CloudRobo，让机器人开发更简单。

病理诊断负荷重、效率瓶颈凸显。AI辅助系统可承接常规初筛，让医生从重复劳动中解放，聚焦核心诊断决策。面对传统AI训练周期长、标注成本高的落地难题，本次直播特邀重庆大学附属三峡医院病理科主任段松和研究员赵章翔，重磅揭晓“一个月快速构建区域级肠、胃、宫颈活检模型”的实战方案。全流程演示从标注策略优化、小样本训练到模型泛化及院内对接的三阶段闭环，不讲概念只讲实战，拒绝空谈，确保方案可落地、可复用。9月9日（周三）17:00正式开播，扫码即可预约。观看直播送专属好礼，和行业专家一起解锁病理模型高效训练方法，我们不见不散。  

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：第一新声微信公众号】

8月30日，“数智共生·云惠病理”2026医疗人工智能创新论坛在上海召开。瑞金医院联合华为云正式发布瑞智病理大模型RuiPath 2.0，在性能、诊断能力、病理诊断可解释性、罕见病种数据训练、轻量化部署方面带来五大重磅升级。中国工程院院士、上海交通大学医学院附属瑞金医院院长宁光指出，优质医疗资源的匮乏和分布不均，是我们面临的真实痛点。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，真正实现AI普惠。华为公司董事、华为云CEO周跃峰表示，面对我国城乡医疗资源不均衡带来的癌症早诊困境，华为云长期坚持用AI解医疗行业难题，通过病理AI技术补齐基层医疗短板，让癌症患者在家门口就能获得早期精准诊断，帮助更多患者抓住癌症早期治疗的黄金窗口，践行智慧医疗普惠的社会责任，守护大众健康。2025年2月，瑞金医院联合华为，发布中国首个进入医院生产流程的临床级病理大模型RuiPath。此次发布的RuiPath 2.0围绕临床需求，带来五大重磅升级：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，参数量仅传统模型的1%，可直接部署于医院普通PC，与云端协同，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病理大模型结合本院数据开展强化学习，仅用不到传统训练10%的数据即可训练适合本院的专属模型。目前，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全国90多家医院已应用RuiPath病理大模型，并入驻华为云行业AI梦工厂·智慧医疗专区，标志着医疗AI正加速走向规模化应用新阶段。未来，华为云将与瑞金医院深化联合创新，将顶尖三甲医院积累的病理AI能力持续通过云端延伸至县域，让AI能力真正惠及每一家医院、每一位医生和患者。

 医疗AI使能平台“体验有礼”活动流程1、平台试用申请（申请格式填写：体验官活动+姓名+工作单位+职位）2、登录体验，操作指引请见【医疗AI使能平台操作指引】3、本帖评论，上传模型推理&训练体验图片+华为云账号领取好礼！一、活动时间2026年9月10日——2026年10月19日 二、活动规则及奖项说明1、医疗AI使能平台试用申请在线上传本地切片完成病理模型推理，完成后在本页回帖，分享完成在线诊断的截图+华为云账号名即可获得华为云镭射包、数据收纳包（任选一） 2、下载医疗AI使能平台客户端并登录完成上传图像切片病理模型推理，体验后在本页回帖，分享完成病理诊断的截图+华为云账号名即可获得华为云定制数据收纳包、镭射包、防晒服、胶囊伞、保温杯（任选一）       3、VOC声音反馈有礼：体验医疗AI使能平台功能后，在本帖下分享反馈您对平台功能的建议或者意见反馈合理有效建议可获得华为mini超级快充充电器(Max 25W)、柔绒保暖披肩围巾、防晒服（任选一），最多10名  4、优秀案例分享有礼：在智慧医疗社区发帖分享您使用医疗AI使能平台的实践任务，参考案例“基于华为云医疗AI使能平台训练专属模型...”可获得华为云定制三脚架自拍杆、柔绒保暖披肩围巾、防晒服（任选一），最多10名（奖品有限，先到先得） 如有疑问，请咨询医疗AI小助手联系邮箱：hcmedcommunity@huawei.com 【活动获奖结果公示】活动获奖结果如下，小助手已私信获奖用户反馈收件信息，公示5个工作日后进行奖品发放。若公示期结束后仍未反馈收件信息视为自愿放弃奖品。活动注意事项：1、严禁使用多个账号重复盖楼；严禁恶意刷屏、发布与主题无关的内容，影响活动秩序；严禁使用 P 图、盗用等作弊手段。上述行为一经发现取消获奖资格；2、开奖公示：活动结束后，将于5个工作日（10月19日至10月26日）后在本活动贴发布获奖名单公示，公示期为5天（10月26至10月30日）；3、奖品发放：公示期结束后，工作人员将通过论坛站内信联系获奖用户核对信息、发放奖品，虚拟奖品直接发放至用户账号，实物奖品通过快递邮寄。获奖名单公示期后预计5个工作日内寄出；4、活动期间，如遇不可抗力因素（如服务器故障、网络问题等），活动主办方有权调整活动时间或内容；5、活动奖励不可兑换现金，奖品颜色、款式等以实物为准；6、活动最终解释权归论坛运营方所有。

【上海，2026年8月29日】 由《中国医院》杂志社主办，上海交通大学医学院附属瑞金医院、华为云计算技术有限公司协办的"数智共生 云惠病理"2026医疗人工智能创新论坛将于8月30日（周日）09:30-12:00在上海华为练秋湖研发中心贝壳厅正式启幕。本次论坛将采用线上线下同步直播的形式，汇聚国内顶尖医院管理者、AI领域权威专家及行业领军人才，共同探索病理AI从技术赋能迈向普惠落地的高质量发展路径。政策东风已至，病理数智化成为行业"必选项"随着国家医保局《病理类医疗服务价格项目立项指南（试行）》的正式发布，病理数智化已成为全国医疗机构的刚性需求与战略"必选项"，为中国数智病理的腾飞插上了政策翅膀。在此背景下，本次论坛以"凝聚行业合力，推动病理AI的共创、共建与共享"为宗旨，致力于构建开放、协同、安全的新型病理AI生态，加速AI技术向基层医疗机构下沉普惠。核心看点：RuiPath 2.0联合发布与实战路径深度分享看点一：瑞智病理大模型RuiPath 2.0将重磅亮相论坛期间，瑞金医院与华为云将联合发布瑞智病理大模型RuiPath 2.0，深度解读三大重磅升级，并现场展示新模型的强劲表现。作为我国病理AI领域的标志性成果，RuiPath自2025年2月由瑞金医院首发以来，已通过华为云行业AI梦工厂·智慧医疗专区在70余家医院成功落地。此次2.0版本的发布，将进一步提升病理大模型在诊断精度、覆盖癌种及临床适配性上的表现，为行业带来全新技术标杆。看点二：智慧医疗专区入驻暨落地医院授牌仪式论坛将现场举行智慧医疗专区入驻暨RuiPath病理大模型落地医院授牌仪式，见证又一批医疗机构正式接入华为云智慧医疗专区，共享顶尖AI病理诊断能力。这标志着优质病理AI资源从头部三甲医院向基层医疗机构延伸的步伐正在加速，助力破解我国病理医生缺口大、优质资源分布不均的行业困局。看点三：区域智慧病理"三峡模式"实战揭秘印明柱院长（重庆大学附属三峡医院）将亲临现场，分享"渝东北区域智慧病理建设三峡模式"，揭秘该院如何仅用1个月建成数智化病理科，率先探索医保新政下地市级头部三甲医院数智化病理科、云上数智区域病理中心及病理云建设的示范路径，为同类医院提供可复制、可落地的实践范本。 

【上海，2024年7月10日】 由衡道医学新媒体主办、上海交通大学医学院附属瑞金医院协办的「三甲病理现场——瑞金直播课」于7月10日成功举办。课程同步展示了华为云医疗AI使能平台在病理诊断领域的创新应用与完整能力架构，为广大病理同仁带来了一场学术前沿与数智技术深度融合的学术盛宴。华为云医疗AI使能平台亮相：打造病理医生的"数字分身"本期课程的另一大亮点，是华为云医疗AI使能平台（病理）的系统性展示。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。每位医生的专属模型，自己的"数字分身"华为云医疗AI使能平台突破了传统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，通过平台训练打造属于自己的专属病理AI模型，构建个人独有的"数字分身"。这意味着，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，实现"千医千面"的个性化赋能。管、看、推、训全流程，加速病理数智化针对病理科数字化转型的实际痛点，平台提供了覆盖病理图像"管、看、推、训"的全流程能力升级。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，平台打通了病理数据全生命周期管理的完整闭环，让医院无需在多个系统间反复切换，即可一站式完成病理数智化建设，显著降低建设门槛与运维复杂度。云上增训+端云协同，破解泛化与算力难题论坛重点解读了平台在"云上增训，端云协同推理"方面的技术突破。针对病理AI领域普遍存在的模型泛化能力不足（跨院、跨病种表现差异大）以及本地医院缺少算力资源两大核心难题，华为云提出创新架构：医院可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；训练完成的模型可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。基层医院无需购置昂贵GPU服务器，即可享受顶级AI能力。3环节8步骤，极简构建病理AI模型为降低病理AI模型的构建门槛，平台将复杂的AI开发流程提炼为"看、训、推"三大核心环节，并进一步细化为8个清晰可操作的步骤：1.    数据整理 — 对现有病理切片与诊断数据进行规范化梳理；2.    数据上云 — 安全高效地将数据迁移至云端平台；3.    数据集导入 — 将病理图像批量导入平台系统；4.    创建数据集 — 按病种、部位等维度建立结构化数据集；5.    数据集标注与发布 — 进行ROI标注与质控，发布为标准数据集；6.    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；7.    模型推理 — 将训练好的模型应用于实际切片的智能分析；8.    报告查看 — 查看AI辅助诊断结果与可视化分析报告。这一标准化路径将原本需要专业算法团队数月完成的工作，简化为病理科医生在平台引导下即可高效完成的操作，真正实现病理AI模型的简单、高效构建。 智慧医疗专区：https://www.huaweicloud.com/ai/medical.html立即体验医疗AI使能平台(智慧病理)：https://console.huaweicloud.com/ai-pathology/#/home/intro-health 

【上海，7月10日】 由衡道医学新媒体主办、上海交通大学医学院附属瑞金医院协办的「三甲病理现场——瑞金直播课」于7月10日成功举办。本期课程特邀上海交通大学医学院附属瑞金医院病理科主任王朝夫教授主讲"增生性病变病理诊断哲学与线索——'合理思维'及'蛛丝马迹'"，并特别展示了华为云医疗AI使能平台在病理诊断中的创新应用，引发广大病理同仁的热烈反响与高度关注。王朝夫教授：以"合理思维"解构增生性病变诊断哲学课程中，王朝夫教授从病理诊断的底层逻辑出发，系统阐述了"合理思维"的核心框架。他指出，准确诊断取决于专业知识与思维方式的双重积淀，并将诊断思维凝练为逻辑思维与唯物辩证法两大支柱，深入解读了原因与结果、现象与本质、形式与内容等唯物辩证法范畴在病理诊断中的实战应用。王教授通过一例21岁男性膀胱息肉样病变的会诊病例，生动诠释了"形式与内容相互匹配"的诊断原则——该病例虽呈腺癌样形态，但Ki67增殖指数极低（约2%），"内容"与"形式"不匹配，最终诊断为肾源性化生/肾源性腺瘤，充分展现了辩证思维在避免误诊中的关键价值。华为云医疗AI使能平台重磅亮相，RuiPath大模型赋能诊断全流程本期课程的最大亮点，在于华为云医疗AI使能平台的首次教学场景展示。作为华为云"行业AI梦工厂"智慧医疗专区的核心能力载体，该平台搭载华为与瑞金医院联合研发的RuiPath病理大模型，覆盖我国每年全癌种发病人数90%的常见癌种，可实现常规病理切片的秒级初筛、病灶精准标注与辅助诊断建议生成。平台采用创新的"云-边-端"协同架构，突破了传统智慧病理系统部署门槛高、成本高的瓶颈。基层医院无需购置高端算力设备或升级网络带宽，仅凭普通消费级PC即可完成AI推理；PIS系统集成周期缩短至约一周，首年投入成本较传统自建方案降低90%，五年总成本降幅超40%。更为关键的是，平台通过"数据飞轮"机制解决了AI模型"跨院不适用"的行业难题。医院仅需不到传统训练10%的本院特征数据，即可基于医疗AI使能平台快速训练专属病理模型。医生在日常诊断中对AI结果的每一次修正，都会回传云端驱动模型持续迭代优化，让模型越用越准，真正实现"每家医院拥有自己的专属AI病理助手"。在数据安全方面，平台严格遵循"数据不出域"原则，通过端到端加密、切片脱敏、密钥自管等机制，确保病理图像在存储、传输与使用全链路的安全合规，打消医疗机构对数据隐私的顾虑。从"人工阅片"到"人机协同"，智慧病理进入普惠时代华为云医疗AI使能平台的亮相，标志着病理诊断正从传统显微镜人工阅片模式，加速迈向"AI初筛+医师复核"的人机协同新范式。据已落地医院实践数据显示，应用该平台的医疗机构实现了"夜间AI初筛、日间医师复核"的全新工作流，医师重复性阅片减少80%，机械录入时间减少70%，单张切片诊断时间从数分钟压缩至秒级。在区域协同层面，该平台还支持构建"区域数智病理医联体"——基层医院完成数字切片扫描后，即可即时调用中心医院的区域病理模型与AI辅助诊断能力，次日自动获取辅助诊断结果，有力推动优质病理资源向县域基层下沉，破解我国病理医生缺口超14万、80%优质资源集中于大三甲的行业困局。王朝夫教授在课程中强调，病理诊断的本质是基于客观存在、以辩证法维度判断病变的过程。华为云医疗AI使能平台的引入，正是将这一"合理思维"以技术手段固化、放大和下沉——AI负责在海量切片中精准捕捉"蛛丝马迹"，医生则专注于运用哲学思维进行最终判断与疑难病例研判，二者协同，将显著提升增生性病变等复杂场景的诊断效率与准确性。 

　8月21日，以“AI时代职工健康高质量发展”为主题的交流会在北京举行。华为云伙伴与生态部总裁康晓宇出席活动并发表主题演讲，分享华为云携手爱康集团，以AI助力企业健康管理的创新实践。          以AI破解健康管理“不可能三角”　　当前，健康管理仍面临专业服务、个性化方案与规模化普惠难以兼顾的“不可能三角”。传统健康管理模式高度依赖专业健管人员，人均服务能力有限。如何借助AI放大专业健康管理能力，让个性化服务惠及更多人群，成为行业探索的重要方向。　　面向这一行业难题，华为云依托“行业AI梦工厂”智慧医疗专区，开放AI技术能力、工具链及行业实践经验，并携手爱康集团，结合双方在AI技术与健康管理领域的能力积累，共同打造健康管理智能体，探索AI赋能企业健康管理的新路径。　　在技术层面，华为云健康管理智能体以专业医学知识为基础，通过标准化知识构建、版本溯源和时效性管理，提升健康管理知识的可循证、可追溯能力。在此基础上，结合健康管理模型与知识引擎，增强智能体对医学知识的理解、关联和应用能力，为健康风险分级、健康咨询及个性化干预等场景提供AI能力支持。同时，通过强化学习与偏好对齐等技术持续优化模型能力，提升内容生成的准确性和知识引用的及时性，更好地辅助专业健管人员开展健康管理服务。　　从“每年一检”到“每日相伴”，AI让健康管理融入日常　　在企业健康管理实践中，华为云与爱康集团已围绕员工健康档案、健康体检、分级分类管理、健康咨询及个性化干预等场景展开探索。健康管理智能体可辅助生成个性化健康任务，并通过打卡、提醒等轻量化交互融入员工日常，让职场健康管理从“每年一检”逐步走向“每日相伴”，推动健康管理从阶段性服务向全周期主动健康管理延伸。　　AI带来的不仅是健康管理服务效率的提升，更为专业健康管理能力的规模化普惠提供了新的可能。通过智能体赋能专业健管人员，可以进一步提升健康管理服务效率，让更加个性化、持续性的健康管理服务触达更多企业和员工。　　开放AI能力，共建健康管理生态　　面向未来，华为云与爱康集团将持续深化合作，推动健康管理从单病种向多病种延伸、从疾病干预向主动健康管理拓展，并携手更多医疗健康领域伙伴，共建开放协同的健康管理生态。　　“AI解行业难题，生态筑健康之基”，华为云将持续以AI技术赋能伙伴，加速医疗AI应用落地与普惠，让专业、精准、高效的健康管理服务惠及更多企业和员工，为健康中国建设贡献力量。