步宏教授指出，第一，病理AI一定要在使用中完善與成熟 ；第二，應用場景作為病理AI的“最后一公里”，是薄弱環(huán)節(jié)，應當格外重視；第三，要建造信息共享平臺，用靈活的機制與運作打破病理人工智能的研發(fā)孤島。

在我國，執(zhí)業(yè)醫(yī)師短缺是病理科面臨最現實的問題，浙江大學健康醫(yī)療大數據國家研究院副院長吳健表示。這背后更深層次的困境是病理診斷復雜并且工作量巨大，以及為了不直接接觸患者的科室，病理科技術迭代滯后，病理科人力成本仍占總支出近40％，在現有條件下拓展病理科醫(yī)師隊伍難度大。

中南大學湘雅二院病理科副主任蔣誼表示，做病理AI，只強調人工智能是不夠，沒有病理醫(yī)生參與的病理AI最后也很難獲得商業(yè)上的成功。病理是非常復雜的學科，不能拘泥于切片掃描與標注、深度學習等技術，要把診斷專家的經驗與數字掃描分析結合起來。病理AI產品應該讓病理科醫(yī)生用起來舒服，而不是終結病理科醫(yī)生。

浙江省腫瘤醫(yī)院病理科主任孫文勇表示，細胞病理、分子病理在臨床實踐中是比較新的技術，醫(yī)生的數據整合與結果分析經驗較少，組織病理分析診斷是病理科工作量最大的部分，如果能夠開發(fā)出足夠有效的組織病理AI產品，醫(yī)生的工作量將大大減少。

瑞金醫(yī)院病理科副主任謝靜指出，病理科專業(yè)性非常強，不同專業(yè)相差很遠，相比肺癌、胃腸癌等，內分泌腫瘤樣本的異質性較小，或許適合被作為AI的應用方向。

病理界和企業(yè)界之間要產生一種相互寬容的機制，河南省醫(yī)學科學院副院長、河南腫瘤醫(yī)院病理科主任郭永軍強調，整合所有醫(yī)療信息用于病理診斷要有一個過程，雙方的期待值都不能過高。郭永軍主任建議，創(chuàng)新企業(yè)可以貼合政策需求，巧力推動病理AI落地和產業(yè)發(fā)展

此外，來自第三方病理診斷中心的嘉賓也分享了他們的觀點。華銀健康集團副總經理溫韻潔表示，華銀健康在日常的服務過程中，積累了大量開發(fā)AI產品所需的數字切片數據，病理醫(yī)生與AI團隊要相互理解，在做應用選擇時，可以選擇相對簡單、但醫(yī)生最需要的方向。

對于孫文勇主任提出的組織病理AI需求與細胞病理AI供給之間的錯配，衡道病理技術總監(jiān)、首席科學家劉凈心博士表示，細胞病理對應著量化分析指標，并且機器完成效率高于人工，因此更容易落地。

現階段的病理AI落地遭遇了哪些困難？

醫(yī)學影像具有高維高密的特點，在主題為《醫(yī)學影像＋人工智能的特點、技術與趨勢》的遠程演講中，中國科學院計算技術研究所研究員周少華指出，現階段數據差異性大、存儲分散、大批量標注數據少、樣本多模態(tài)、對應疾病類型多樣等難題。不過，周少華表示，前述難題都存在對應的趨勢性技術，學術界、醫(yī)療機構和產業(yè)界應當通力合作。

江豐生物布局國內市場近9年，是國內供貨量最大的數字病理掃描設備廠商之一。2019年5月，江豐生物基于數據積累自主開發(fā)的宮頸癌篩查產品獲得了第二類醫(yī)療器械注冊證。不過，江豐生物董事長劉炳憲認為，目前病理AI仍處于初級階段，他同樣提示了多點合作的重要性。

由于缺乏統(tǒng)一的標注標準，基于不同醫(yī)生、醫(yī)療機構，甚至試劑耗材構建的病理AI模型并不具有可復用性。迪英加科技董事長楊林表示，在一次嘗試將模型訓練中敏感度99．5％的高特異性產品推向市場的過程中，他們甚至曾得到過準確率與產品參數完全不一致的負面反饋，“與病理專家討論與交流比想象復雜，AI落地面臨包括模型分析能力、數據非標、醫(yī)療服務收費標準等許多問題，需要專家與企業(yè)一起努力�！�

人工智能并不是現在才開始結合各個行業(yè)，深思考CEO楊志明指出，看似一件事很簡單，比如宮頸癌細胞學篩查，會越做越深入就越難。一個普遍存在的窘境是，AI不懂病理、細胞病理不懂AI，無法產業(yè)化，彼此結合至關重要。不過，楊志明相信，現階段是病理AI“黎明前的5、6點”，突破即將到來。

據調查，在醫(yī)生的使用率方面，影像方面已經非常高了，醫(yī)生點擊率已超過80％，視見科技CEO陳浩用數據驗證了楊志明的觀點，“AI證明了自己的價值在在某些細分領域�！�

醫(yī)生需求不一樣，對模型的要求也不一樣，衛(wèi)寧健康人工智能總監(jiān)劉鳴謙指出，新產品、新技術打通應用路徑的過程中，填平鴻溝、構建橋梁也很重要�；�于此，算法可能是病理AI整個鏈條中非常小的一個問題，她認為，有很多其他問題需要行業(yè)合作解決。

未來2～3年，病理AI將如何發(fā)力？

正如步宏教授所言，病理AI要在使用中完善。阿里云市場營銷和公共事務總經理劉湘雯指出，病理AI是很窄很垂直的領域，但從從技術到醫(yī)生會涉及非常長的產業(yè)鏈，開發(fā)AI的人找到自己的位置要產生業(yè)務價值。具體到病理AI，就是要節(jié)約醫(yī)生的時間和醫(yī)療成本。

那么，完善的路徑會是怎樣的？參會嘉賓紛紛給出了他們的方案。

病理AI應用落地應該先易后難，賽諾特創(chuàng)始人齊華認為，從好識別、容易定量化的標志物做起。通常，試劑廠商都有成熟的商業(yè)模式，齊華建議，可以直接將AI產品與試劑組合，讓AI有變現通道的同時提高了試劑的競爭力。

考慮到外部環(huán)境可能產生的影響，易普森首席算法科學家周旭呼吁國內硬件廠商多研發(fā)病理AI的基礎元器件，盡快把國產設備做大做強。蘭茜生物技術負責人韓方劍則表示，最現實的一件事，服務好病理醫(yī)生，獲得醫(yī)生認可。

商湯科技智慧健康病理產品負責人黃曉迪指出，可以用更平臺化的思路去解決病理AI落地的問題，從區(qū)域到醫(yī)院，再到科室，將影像科與病理科數據打通，通過不同數據模態(tài)間的融合真正地推動數字病理進化的過程。

作為研討會的最后環(huán)節(jié)，動脈網蛋殼研究院發(fā)布了聯合阿里云天池、Intel共同制作的《數字病理診斷排行榜》。動脈網認為，病理AI產業(yè)生態(tài)合作十分必要，各個專業(yè)間應當結合起來，面向實踐、場景去解決醫(yī)生真正關心的問題，也希望包括政府機構在內的更多群體能夠關注病理AI的應用成長。