临床级病理大模型SooPathAI 正式“上岗”，为癌症诊断装上“智能大脑”

　　2025年9月19日至21日，第十一届数字病理与人工智能学术专题会暨《中华病理学杂志》创刊70周年学术活动举办。与会现场，苏州大学附属第一医院(以下简称“苏大附一院”)病理科联合西湖大学发布临床级多模态病理大模型SooPathAI。该模型以“模拟医生诊断思维”为创新突破，在病理全流程深度融合、多模态图像理解、智能交互分析上实现关键创新，为病理诊断“提质增效、降本普惠”提供全新AI解决方案。

　　近年来，国家密集出台政策推动医疗AI临床应用：“人工智能+”在2024年、2025年连续两年写入政府工作报告，国家卫生健康委等三部门印发的《卫生健康行业人工智能应用场景参考指引》提出积极推进卫生健康行业“人工智能+”应用创新发展。SooPathAI病理大模型的发布，既是对国家“人工智能+医疗”战略方阵的响应，更是系列政策在临床实践中的一大落地成果。

　　病理诊断是疾病诊断的 “金标准”，在癌症确诊中起决定性作用，更是临床制定治疗方案、判断预后的核心依据。在传统病理诊断模式中，医生需在显微镜下观察含上亿细胞的病理切片，反复辨析细胞形态与组织结构特征以判断疾病性质，这一过程不仅耗时费力、易引发视觉疲劳，且容易受到个人经验、精力差异等主观因素影响。

　　“病理诊断的复杂性，从常见癌种就能直观体现 —— 即使是乳腺癌，也可能因观察角度、紧急诊断场景下的时间压力等因素，导致医生主观判断出现差异;还有些病例，即便细胞形态学相似，结合基因检测结果、患者临床病史后，仍会面临精准分型的挑战。” 苏州大学附属第一医院病理科主任郭凌川教授以临床实例切入，道出病理诊断工作的核心难点。

　　为破解传统病理诊断的行业痛点，苏州大学附属第一医院病理科从源头构建的临床级病理大模型SooPathAI ，能够快速完成多癌种初步筛查，并智能标记可疑病变，成为病理医生的“私人助理”。

　　在临床应用层面，SooPathAI基本实现“全癌种+全场景”智能覆盖：能自动分析组织病理、细胞病理、免疫组化及分子病理多类型切片，从宫颈癌细胞学初筛，胃癌、肠癌、肺癌组织学可疑病变标记、微小早期病灶捕捉，到淋巴瘤免疫组化定量分析，基本覆盖我国高发病癌种诊断需求。在胃癌、肠癌、肺癌等常见癌种的诊断中，模型与病理医生的一致率已超过90%，同时可显著缩短单病例阅片时间，帮助医生从大量重复性工作中解脱出来，将更多精力投入到疑难病例的精准诊断上。

　　在核心架构上，SooPathAI以“筛选-导航-推理”三阶段闭环流程构建，复刻病理医生“低倍镜初筛-高倍镜确认-多视野综合判断”的临床思维：先以低分辨率快速扫描全视野切片锁定核心病灶，再自主规划多尺度观察路径，最终生成附带“思考过程”的诊断描述，打破传统AI“只给结果、不释逻辑”的局限。病理医生在保持现有工作模式的基础上实现数智化协同诊断，实时获得高效、可解释的辅助诊断与科研支持。

　　在人机协作与流程衔接上，SooPathAI构建起“医生-AI”智能交互模式：AI完成全片分析后，医生可直接与模型实时对话，同步查看其输出的更纵深、更精准诊疗策略;遇关键视野时，还能通过一键采图实现“图文互问”，让诊断思路与病理证据即时对应，大幅降低因经验差异引发的漏诊、误诊风险。同时，SooPathAI已流畅嵌入科室病理信息系统，可自动提取病理临床数据、整合全景数字图像AI分析结果，生成包含病灶标记、生物标志物分析的结构化报告，医生复核确认无误即可签发，有效推动诊断流程智慧化升级。

　　在苏大附一院病理科主任郭凌川看来，SooPathAI的临床应用既是病理诊断技术的突破，更是“以患者为中心”理念的落地：“现有大模型已完整嵌入病理诊断全流程，未来通过融合基因检测、影像数据等跨模态信息，不仅能提升病理诊断的精度与深度，更能为患者预后预测及个性化诊疗提供关键支撑。”他同时强调，病理诊断的最终决策权始终掌握在医生手中 ——AI 不会取代医生，而是在医生的监督下更好地服务临床。

　　谈及技术普惠的价值，郭凌川主任补充道：“借助‘AI+远程’模式，无论是省内县域医院的患者，还是偏远地区的患者，都能享受到与苏大附一病理诊断同质化的服务——这正是数智化技术打破医疗资源地域壁垒、推动优质医疗资源下沉的核心意义。”

　　SooPathAI 病理大模型的发布，是病理人工智能技术正式实现从 “单一性能突破” 到 “临床可解释、落地可普惠” 的重要跨越，结合实际临床应用来看，模型在多模态数据深度融合、特殊亚型及罕见病例适配等方面仍需持续迭代优化。据悉，苏大附一院接下来将从技术迭代与应用推广双轨发力：一方面持续优化 SooPathAI 模型性能，进一步推进高质量数智病理科建设;另一方面将深化产学研医协同和医工融合创新，联合西湖大学及多家医疗机构组建数智病理成果转化联盟，加速病理大模型在各级医疗机构的落地应用，特别是借助 AI 技术填补基层病理诊断能力短板，让优质诊断资源真正触达更多县域及偏远地区。

　　苏大附一院创新构建的大模型驱动数智病理科新样板，成功实现了从“数智化探索”到“场景化落地”的跨越，为病理科数智化转型提供了可复制、可推广的实践范式。人工智能、大数据与医疗服务的深度融合，将持续推动诊疗模式的智能化变革，为高质量医疗服务注入核心动力，为健康中国战略的落地实施提供关键的技术支撑和创新动能。