在真实病理诊断中，AI能将准确率提升多少？
AI病理模型在与病理学家协同使用时，能够持续提升诊断准确率。在一项针对胃癌的随机交叉阅片研究中，病理学家借助AI模型GRACE，将诊断准确率从82.0%提升至89.9%，且正确诊断的几率几乎翻倍（优势比为1.987）[1]。同一项研究还发现，AI辅助使诊断时间缩短了14.9%，诊断信心提高了9.0%[1]。
在前列腺癌领域，一款名为Paige Prostate的人工智能系统在患者层面实现了99%的敏感性和100%的阴性预测值，这意味着它极少漏诊癌症，并能可靠地排除疾病[5]。在该研究中，AI实际上额外识别出四名癌症患者，而三位经验丰富的病理学家最初将这些病例归类为良性或可疑但非恶性[5]。这表明，即使是专家也可能遗漏的癌症，AI也能捕捉到。
在乳腺癌中，基于病理学家和基于人工智能的肿瘤浸润淋巴细胞（肿瘤中的免疫细胞）评估，在预测患者对化疗的反应方面具有同等效力[4]。然而，在淋巴细胞水平较低（非LPBC）的患者中，人工智能方法能更有效地区分哪些患者能从治疗中获益（实现完全缓解的比值比为4.1）[4]。这表明，在人类评估区分能力较弱的情况下，人工智能可以发挥额外价值。
AI能否为病理学家节省时间并减轻工作负担？
是的，人工智能可以大幅减少病理学家审阅切片所需的时间。用于前列腺癌的Paige Prostate AI系统，在分析相关材料时，预计可将诊断时间缩短65.5%[5]。这意味着，病理学家原本需要花费的每一小时，人工智能可将其缩减至约21分钟。
胃癌AI模型GRACE同样优化了工作流程。在严格的安全标准下（要求100%确定排除或确诊癌症），该AI仍能分流高达69.6%的恶性诊断病例和46.8%的MMR-IHC（一种分子检测）随访请求，这意味着这些病例无需病理学家全面复核即可处理[1]。对于癌前病变，AI辅助工作流程可分流60.7%的萎缩病例和82.7%的肠化生病例，同时保持与资深病理学家相当的性能[1]。
在针对肠易激综合征（IBS）的数字协作护理模式中，基于大型胃肠道数据集训练的人工智能算法帮助制定了个性化护理方案，86%的参与者实现了具有临床意义的症状缓解（IBS症状严重程度评分降低≥50分）[3]。尽管这本身并非病理模型，但它展示了人工智能如何支持临床决策并减轻医疗系统的负担。
AI 是否有助于预后和治疗决策？
AI病理模型能够提供直接指导治疗的预后和预测信息。在胃癌领域，GRACE模型在分子分型（宏观AUC为0.8682）和预后预测方面表现出色，这意味着它有助于判断哪些患者可能患有侵袭性疾病，并可能从更积极的治疗中获益[1]。
对于非酒精性脂肪性肝炎（NASH），基于人工智能的数字病理学检测到了传统评分系统完全遗漏的治疗诱导的纤维化消退[2]。那些被标准评分判定为“无变化”的患者，在通过AI分析时实际上显示出可测量的纤维化减少，尤其是在脂肪减少区域周围的窦周区域[2]。这为临床医生提供了一种更灵敏的工具，用以评估治疗是否有效。
在淋巴样肿瘤（血癌）中，常借助人工智能工具分析的新一代测序组合，在59.4%的病例中提供了预后价值，并在32.6%的病例中提供了治疗反应或耐药性的预测价值[6]。这意味着人工智能能够帮助肿瘤科医生为合适的患者选择正确的药物。
一款名为PathChat的多模态AI助手能够回答关于病理图像的开放性问题，其生成的回答比GPT-4V等通用AI更受病理学家青睐[7]。尽管该工具尚未应用于常规临床诊疗，但它有望为医学教育、科研及人机协同决策提供支持。
关于这些来源
该答案基于7篇经同行评审的研究构建而成——发表于2021年至2026年间，其中5篇为2024年及以后发表，2篇发表于Q1期刊，总被引次数达541次——这些研究是从9篇通过质量筛选的文献中选出的最具相关性的成果，而9篇文献又源自从超过5亿篇论文数据库中检索到的79篇论文。
本文引用的文献
一个用于胃癌的病理基础模型及其真实世界验证
在一项随机交叉读片研究中，胃癌AI模型GRACE将病理医生的诊断准确率从82.0%提升至89.9%，使正确诊断的几率几乎翻倍（OR 1.987），诊断时间缩短14.9%，并在严格安全标准下可对高达69.6%的恶性病例进行分诊。
基于人工智能分析的数字病理学为NASH治疗诱导的纤维化消退提供了更深入的见解
在一项针对99名NASH患者的临床试验研究中，基于人工智能的数字病理学检测到了传统评分未能发现的治疗诱导的纤维化消退，揭示了纤维化减少始于脂肪变性减轻区域周围的窦周区域。
首个关于AI增强型数字协作护理模式改善肠易激综合征症状的真实世界证据。
在一项针对202名肠易激综合征（IBS）患者的前瞻性单臂研究中，采用人工智能增强的数字协作护理模式，使IBS症状严重程度平均降低了140分，其中86%的参与者实现了临床意义上的≥50分降幅。
摘要 PS2-08-26：基于病理学家和人工智能的肿瘤浸润淋巴细胞评估在接受新辅助化学免疫治疗的早期三阴性乳腺癌患者中的应用——来自全国队列的真实世界证据
在一项纳入337名早期三阴性乳腺癌患者的全国性队列研究中，基于病理学家和基于人工智能的肿瘤浸润淋巴细胞（TIL）评估均能预测化疗免疫治疗的完全缓解；其中，AI-TIL在淋巴细胞水平较低的患者中表现出更优的区分能力（pCR的OR值为4.1）。
临床级自动化前列腺癌检测系统的独立真实世界应用
在一项针对100名患者的600份前列腺穿刺活检样本的独立真实世界评估中，Paige Prostate人工智能系统在患者层面实现了99%的敏感性和100%的阴性预测值，发现了三位病理学家漏诊的四个额外癌症病例，并将诊断时间缩短了65.5%。
淋巴肿瘤的下一代测序：临床检测中的实际应用价值。
在一项对384例淋巴瘤病例的回顾性分析中，新一代测序组合在59.4%的病例中提供了预后价值，并在32.6%的病例中提供了对治疗反应或耐药性的预测价值，从而辅助了临床管理。
用于人类病理学的多模态生成式AI辅助系统
PathChat是一款用于病理学的多模态视觉语言AI助手，在多项选择题诊断任务中达到了最先进的性能，并且在开放式查询中生成的回答比GPT-4V更受病理学家青睐。